Model Predictive Control Toolbox

 

Model Predictive Control Toolbox

设计和仿真模型预测控制器

线性 MPC 设计

设计求解二次规划 (QP) 问题的隐式增益调度自适应 MPC 控制器。从隐式设计生成显式 MPC 控制器。使用离散控制集 MPC 求解混合整数 QP 问题。

MPC 设计器

使用 MPC 设计器以交互方式设计隐式 MPC 控制器,使用 Simulink Control Design 线性化您的 Simulink 模型,使用仿真场景验证控制器性能,并比较多种设计的响应。

非线性 MPC 设计

设计使用 Optimization Toolbox 求解非线性规划 (NLP) 问题的非线性和经济型 MPC 控制器。使用单级或多级公式进行最优规划和反馈控制。

面向自动驾驶的 MPC 设计

使用符合 ISO 26262MISRA C 标准的预置 Simulink 模块加速自动驾驶系统的开发。预置模块支持路径规划、路径跟随、自适应巡航控制和其他应用。

MPC 优化求解器

选择内置的活动集、内点和混合整数 QP 求解器,或使用 Optimization Toolbox 提供的 NLP 求解器。或者,使用 FORCESPRO 求解器(由 Embotech 提供)或您自己的自定义求解器。

预测模型设定

通过以下方法以解析方式指定预测模型:使用 Control System ToolboxSymbolic Math Toolbox、通过 Simulink Control Design 对 Simulink 模型进行线性化,或通过 System Identification ToolboxDeep Learning Toolbox 使用测量数据。

状态估计和设计审核

使用工具箱提供的状态估计器或自定义状态估计器根据测得的输出估计控制器状态。使用内置的诊断功能检测线性 MPC 设计中潜在的稳定性和稳健性问题。

闭环仿真

通过使用符合 ISO 26262 和 MISRA C 标准的 Simulink 模块在 Simulink 中运行闭环仿真或在 MATLAB 中使用命令行函数来评估控制器性能。使用 Simulink Test 自动对多个场景进行测试。

代码生成

从使用 MATLAB 和 Simulink 设计的 MPC 控制器自动生成产品级 C/C++ 和 CUDA 代码或 IEC 61131-3 结构化文本。将代码部署到各种目标,如 ECU、GPU 和 PLC。

“住友工程机械在不牺牲挖掘机动力性能的情况下实现了 15% 的油耗降低。这种效率的提升是因为我们使用 Model Predictive Control Toolbox 改进了控制设计,使得发动机的转速波动减少了 50%。”

Eisuke Matsuzaki,住友重工

获取免费试用版

30 天探索触手可及。


索取更多信息

告诉我们您需要哪些帮助。