登高车约束系统控制 MPC简介   珠海井岸镇登高车出租,  珠海登高车出租,  珠海登高车租赁         模型预测控制（ModelPredictiveControl,MPC），     又称滚动时域控制（MHC），上世纪70年代后期由Richalet等提出，是一种新型反馈控制策略。模型预测控制可以在线求解开环优化问题，获得最佳的优化序列，是处理约束系统控制问题最为有效的方法之一。模型预测控制目前在复杂的工业生产过程中表现出了良好的控制性能。与其他控制方法相比，模型预测控制具有三个重要特点：

   （1）基于模型的预测。模型预测控制需要根据系统当前的诸多状态值及控制对象的特性预测系统的未来的动态，因此，预测控制必须具有描述对象动态行为的模型。值得注意的是，模型在预测控制当中的作用是主体，而模型的形式却可以是多样的。

   （2）滚动优化。模型预测控制是一种较为精确的优化控制算法，但与普通的最优控制不同，它通过在固定时域内求解优化问题并使时域持续向前滚动的方式实现对系统的优化控制。模型预测控制的优化过程并不是离线且一次性完成，而是经过多次在线求解完成的。这种优化过程的滚动实施考虑到了由于模型失配和干扰等引起的不利影响，可以适时弥补，最终获得最优的控制效果。

   （3）前馈-反馈控制结构。模型预测控制求解是一个开环优化结构，但是其不但具有前馈结构，还具备反馈环节。前馈与反馈兼备的控制结构使得模型预测控制具有良好的控制性能。模型预测控制的基本思想可以描述为：在每一个采样时刻，利用当前获取的测量信息，在满足系统状态、控制需求和约束等条件的同时，在有限时域内，在线求解开环优化问题，然后将所得序列的首个元素作用于系统，在下一采样时刻重复上述操作，刷新优化问题求解。

     珠海井岸镇登高车出租,  珠海登高车出租,  珠海登高车租赁  http://www.gdgkzyc.com/

       预测控制算法可以简单概括为三个步骤：预测系统未来动态，（数值）求解优化问题以及将优化解的首个元素作用于系统。在采样时刻k，控制器根据系统的测量值和预测模型，预测出系统在预测时域P内的未来动态，然后以参考输入r为理想值，通过求解满足系统需求和约束条件的优化目标函数，完成对理想值的跟踪，得出在控制时域M内的最优控制输入序列u，然后将控制序列u的第一个元素u1作用于系统。在以后的采样时刻，重复上述步骤，不断刷新优化目标函数并求解，如此往复循环，实现滚动时域控制。本文通过模型预测控制对滑移率进行跟踪控制，实现登高车前后、轴制动力矩分配，主要基于该算法的以下优点：

    （1）模型预测控制可以处理复杂的优化问题，并且是处理约束系统控制问题最有效的方法之一。在实际研究中，满足系统运动状态和各种约束的优化问题往往是较为复杂的，本文所设计的优化问题既需要满足多个登高车动力学公式，又要符合系统变量和自变量等约束，一般算法往往不能在设计阶段就对系统的约束进行考虑，而模型预测控制却可以很好的解决这种问题。

    （2）擅长处理多输入多输出等多变量系统。模型预测控制可通过设置加权矩阵来处理多目标优化问题，通过调节加权矩阵，既能加强目标函数的优化效果，又可限制控制输入的增量过大，保证系统的稳定性。

   （3）模型预测控制可以在线求解有限时域开环优化问题，获得开环优化序列，然后通过对不同采样时刻优化问题的刷新实现跟踪控制，所以精确性较高。

   （4）模型预测控制的优化过程采用滚动实施的方式，兼顾到了由于模型失配和干扰等引起的不利影响，并适时予以弥补，保证获取最优的控制输入系列。

         珠海井岸镇登高车出租,  珠海登高车出租,  珠海登高车租赁