MPC Controller
AdvancedHet MPCController-blok is een discrete-tijd Model Predictive Controller (modelgebaseerde voorspellende regelaar) voor lineaire toestandsruimtemodellen. Bij elke simulatiestap lost het blok een kwadratisch optimalisatieprobleem (QP) met restricties op over een eindige voorspellingshorizon met behulp van een Mehrotra predictor-corrector interior-point solver, en stuurt de eerste berekende ingreep naar de actuator.
Waar een klassieke LQR-regelaar een onbegrensde terugkoppelwet toepast, houdt MPC expliciet rekening met fysieke actuatorlimieten () en toestandsscheidingen (). Wanneer de eindkost leeg wordt gelaten, berekent het blok automatisch de oneindige-horizonoplossing van de discrete Riccati-vergelijking (DARE), waardoor stabiliteit van de gesloten lus gewaarborgd is.
Verbind elke toestand van de te regelen plant met de ingangen (in1, in2, ...) in de volgorde van de toestandsovergangsmatrix ; maximaal 6 toestanden. Schakel reference in om gewenste instelpunten op (in7, in8, ...) te voeden voor afwijkingsvrij volgen.
Wiskundig Model
Het geregelde proces wordt gemodelleerd als een discreet lineair systeem:
Op tijdstip , gegeven de actuele toestand , lost het blok het volgende QP-probleem op over horizon :
Onder de voorwaarden:
De eindkostmatrix voldoet aan de discrete algebraïsche Riccati-vergelijking:
De eerste actuatorstap wordt op uitgang out aangeboden (receding horizon control).
Ingangen & Uitgangen
| Direction | ID | Label | Type | Status |
|---|---|---|---|---|
| → In | in1 |
x₀ | number | Required |
| → In | in2 |
x₁ | number | Optional |
| → In | in3 |
x₂ | number | Optional |
| → In | in4 |
x₃ | number | Optional |
| → In | in5 |
x₄ | number | Optional |
| → In | in6 |
x₅ | number | Optional |
| → In | in7 |
r₀ | number | Optional |
| → In | in8 |
r₁ | number | Optional |
| → In | in9 |
r₂ | number | Optional |
| → In | in10 |
r₃ | number | Optional |
| → In | in11 |
r₄ | number | Optional |
| → In | in12 |
r₅ | number | Optional |
| ← Out | out |
u | number | Output |
| ← Out | valid |
Valid | number | Output |
| ← Out | status |
Status | number | Output |
| ← Out | iterations |
Iterations | number | Output |
| ← Out | cost |
Cost | number | Output |
Parameters
| Parameters | Label | Type | Standaard | Beschrijving |
|---|---|---|---|---|
nx |
Number of States (nₓ) | number | 2 |
Number of states in the model (1-6). Determines how many x inputs are used. |
horizon |
Prediction Horizon (N) | number | 10 |
Number of steps to predict. Longer horizon → better performance but more computation. |
A |
A (nₓ×nₓ) | matrix | 1 0.1; 0 1 |
State transition matrix. Rows separated by ';'. Example: '1 dt; 0 1' for double integrator with dt=0.1 |
B |
B (nₓ×1) | matrix | 0.005; 0.1 |
Input matrix. One entry per state. Example: 'dt²/2; dt' for double integrator |
sampleTime |
Sample Time | number | 0.1 |
|
Q |
Q (nₓ×nₓ) | matrix | 10 0; 0 1 |
State cost matrix. Diagonal entries penalize state deviations. Larger = faster settling. |
R |
R (1×1) | matrix | 1 |
Input cost weight. Larger R = gentler control effort. Must be positive. |
P |
Terminal Cost P (nₓ×nₓ) | matrix | |
Optional terminal cost. If empty, computed automatically from DARE (infinite-horizon LQR cost-to-go). |
uMin |
Input Min | number | -100 |
Lower bound on control input u |
uMax |
Input Max | number | 100 |
Upper bound on control input u |
xMin |
State Min (per state) | matrix | |
Optional lower bounds on states (1×nₓ matrix). Leave empty to disable state constraints. |
xMax |
State Max (per state) | matrix | |
Optional upper bounds on states (1×nₓ matrix). Leave empty to disable state constraints. |
slackWeight |
State Slack Weight | number | 10000 |
Penalty weight for soft state constraints. Values > 0 guarantee solver feasibility under disturbances. Set to 0 for hard constraints. |
reference |
Enable Reference Tracking | boolean | false |
When enabled, ref0..ref(n-1) inputs are used for offset-free tracking. The controller regulates the deviation from reference. |
Opmerkingen & Best Practices
- Afstelling: Begin met een diagonale , en horizon . Een langere horizon vergroot het toelaatbare regelbereik en verbetert de anticipatie, maar kost iets meer rekentijd per stap.
- Restricties: Actuatorgrenzen en zijn harde restricties over de gehele voorspellingshorizon. Toestandrestricties (, ) worden verzacht met slack-variabelen en boetegewicht
slackWeight(standaard ), wat garandeert dat de solver nooit infeasible raakt door externe verstoringen. Stel in op 0 voor strikte harde grenzen. - Warm Starting: Het optimale regeltraject wordt automatisch een tijdstap doorgeschoven en bewaard in de discrete toestand, waardoor de Mehrotra QP-solver in opeenvolgende stappen vaak in slechts 2 tot 3 iteraties convergeert.
- Eindkost: Leeg laten van berekent automatisch de stabiliserende oneindige-horizon DARE-oplossing.
- Berekening: Wordt bij elke simulatiestap in Rust/WASM opgelost met een Mehrotra predictor-corrector primal-dual interior-point methode.
Gerelateerde Componenten
- LQRController" class="bw-link">LQRController
- DiscreteStateSpace" class="bw-link">DiscreteStateSpace
- Saturation" class="bw-link">Saturation
- KalmanFilter" class="bw-link">KalmanFilter