写在前面

预测时域长度Np应包含对象的主要动态部分，越小越快速，不稳定，越大，实时性降低，响应越慢。

控制时域长度Nc越小越慢，鲁棒性越好，越大机动性越强，稳定性降低。

控制量变化权重rw越小闭环响应越快，越大说明控制量变化在优化函数占权重越大。

---

目录

1.建模

2.离散化

3.建立增广矩阵

4.预测

5.优化

5.1 定义二次型优化函数

5.2 变量含约束

5.3 优化求解

6.滚动

7.Matlab仿真

7.1仿真结果

7.1.1 仅改变Np

7.1.2 仅改变rw

7.1.3 仅改变Nc

8.Simulink仿真

8.1 仿真模型.slx文件

8.2 仿真结果

9.附不含约束和含约束的结果

10.C++实现

---

1.建模

控制对象为二阶惯性时滞系统，传递函数为

2.离散化

采样时间间隔Δt=0.06，使用近似离散化得离散化状态空间模型

 

3.建立增广矩阵

4.预测

预测时域长度为Np，控制时域长度为Nc

5.优化

5.1 定义二次型优化函数

定义设定值和预测输出之间的误差函数J（cost function）为

5.2 变量含约束

5.3 优化求解

求解方法是使用Hildreth’s QP程序（约束梯度最小化算法，OPhild.m）。

6.滚动

 

7.Matlab仿真

7.1仿真结果

采样时间Δt=0.06s，预测时域长度Np=100，控制时域长度为Nc=7，控制量变化权重rw=0.001，参考信号r=0.1。

7.1.1 仅改变Np

Np=50，越小越快速，不稳定

7.1.2 仅改变rw

rw=0.1，控制量变化减小了，但是稳定性降低了

7.1.3 仅改变Nc

Nc=50，越大机动性越强，稳定性降低

8.Simulink仿真

8.1 仿真模型.slx文件

8.2 仿真结果

9.附不含约束和含约束的结果

控制变量不含约束时

 

控制变量含约束时

 还有一个Np=70，Nc=2的结果

10.C++实现

函数都写完了，和simulink联合通信，bug出现在Xf的最后一行并不是y...这个bug暂时不知道咋调，明天再说吧。

锋哥优秀嗷，不加状态观测器直接给Xf最后一行赋y就行了嗷，牛的一腿！