Continuous

MPCController Block

Model Predictive Controller (IMC) based on an internal FOPDT plant model.

Description

# MPC Controller

De MPC Controller (Model Predictive Controller) is een geavanceerde regelaar die een intern model van de plant gebruikt om de optimale stuuractie te berekenen. Deze specifieke implementatie gebruikt een FOPDT (First-Order Plus Dead Time) model als basis, en past _Internal Model Control_ (IMC) theorie toe om een robuuste en snelle regeling te garanderen.

Dit blok is speciaal ontworpen voor gebruik door de AI Assistant tijdens Pijler 2: AI-Driven MPC & System Identification. De AI kan een onbekend systeem identificeren met een step-response, de FOPDT parameters berekenen, en deze MPC Controller configureren om perfect op de plant aan te sluiten.

Werking

In tegenstelling tot een standaard PID-regelaar waarbij je Kp, Ki en Kd iteratief moet tunen, configureer je de MPC Controller direct met de eigenschappen van het fysieke systeem:

Plant Gain (K): De statische versterking van het systeem.
Plant Tau ($\tau$): De tijdconstante (hoe snel het systeem reageert na de dode tijd).
Plant Dead Time ($\theta$): De dode tijd / vertraging voordat het systeem reageert.

Vervolgens kies je de gewenste agressiviteit van de regeling:

Control Weight ($\lambda$): Dit bepaalt de gewenste closed-loop tijdconstante. Een kleinere waarde betekent een snellere, agressievere regeling. Een grotere waarde (bijv. $\lambda > \theta$) zorgt voor een tragere maar extreem robuuste regeling die niet oscilleert, zelfs bij grote dode tijden.

Wiskundig berekent de controller intern de perfecte equivalent van een "Unconstrained DMC" (Dynamic Matrix Control) via analytische IMC-afleidingen: $$K_c = \frac{\tau}{K (\lambda + \theta)}$$ $$T_i = \tau$$

Poorten

SP (Input): Setpoint / Referentie waarde.
PV (Input): Process Variable (gemeten signaal van de plant).
Out (Output): Het berekende stuursignaal.

Gebruik met AI

Dit blok werkt het beste als onderdeel van een autonome AI-workflow:

1. Sluit een Step blok aan op je plant. 2. Laat de AI de simulatie draaien en identify_fopdt() aanroepen. 3. De AI vervangt de regelaar door deze MPC Controller met de exact gevonden FOPDT parameters.

Parameters

plantGain

Type: number (Default: 1)

Plant Gain (K) parameter description placeholder.

plantTau

Type: number (Default: 1)

Plant Tau parameter description placeholder.

plantTheta

Type: number (Default: 0)

Plant Dead Time parameter description placeholder.

controlWeight

Type: number (Default: 0.5)

Control Weight (λ) parameter description placeholder.

Examples

Zie de ingebouwde voorbeelden in de handleiding voor een demonstratie van dit blok.

Remarks

Configuratie: Configureer dit blok via de parameters in het paneel.