Model Predictive Control Toolbox
Entwerfen und Simulieren von modellprädiktiven Reglern
Haben Sie Fragen? Vertrieb kontaktieren.
Die Model Predictive Control Toolbox bietet Funktionen, eine App, Simulink-Blöcke und Referenzbeispiele für die Entwicklung einer modellprädiktiven Regelung (MPC). Bei linearen Problemstellungen unterstützt die Toolbox den Entwurf von impliziten, expliziten und adaptiven MPCs sowie MPCs mit Gainscheduling. Bei nichtlinearen Problemstellungen können Sie ein- und mehrstufige nichtlineare MPCs implementieren. Die Toolbox verfügt über einsatzbereite Optimierungs-Solver, ermöglicht aber auch den Einsatz benutzerdefinierter Solver.
Mithilfe von Simulationen im geschlossenen Regelkreis können Sie die Leistung der Regler in MATLAB und Simulink bewerten. Für automatisiertes Fahren können Sie außerdem die mitgelieferten MISRA C®- und ISO 26262-konformen Blöcke und Beispiele nutzen, um schnell den Einstieg in Anwendungen wie Spurhalteassistent, Pfadplanung, Pfadverfolgung und adaptiver Geschwindigkeitsregler zu finden.
Die Toolbox unterstützt C und CUDA®-Code und die Erstellung von strukturiertem Text gemäß IEC 61131-3.
Linearer MPC-Entwurf
Entwickeln Sie implizite, adaptive und MPC-Regler mit Gainscheduling, die ein Problem bei der quadratischen Programmierung (QP) lösen. Erstellen Sie einen expliziten MPC-Regler aus einem impliziten Entwurf. Verwenden Sie eine MPC mit diskreter Kontrollvariablenmenge für gemischt ganzzahlige QP-Probleme.
MPC Designer-App
Nutzen Sie die MPC Designer-App für den interaktiven Entwurf impliziter MPC-Regler, linearisieren Sie Ihr Simulink-Modell mit Simulink Control Design, validieren Sie die Reglerleistung mithilfe von Simulationsszenarien und vergleichen Sie die Antworten für mehrere Entwürfe.
Nichtlinearer MPC-Entwurf
Entwickeln Sie nichtlineare und wirtschaftliche MPC-Regler, die mithilfe der Optimization Toolbox eine Problemstellung bei der nichtlinearen Programmierung (NLP) lösen. Nutzen Sie eine ein- oder mehrstufige Formulierung für eine optimale Planung und Feedback-Regelung.
MPC-Entwurf für automatisiertes Fahren
Beschleunigen Sie die Entwicklung von Systemen für automatisiertes Fahren mithilfe vorgefertigter Simulink-Blöcke im Einklang mit den ISO 26262- und MISRA C-Normen. Die vorgefertigten Blöcke unterstützen Pfadplanung, Pfadverfolgung, adaptive Geschwindigkeitsregler und weitere Anwendungen.
MPC-Optimierungs-Solver
Wählen Sie aus den integrierten Active-Set-, Interior-Point- und gemischt-ganzzahligen QP-Solvern oder verwenden Sie die NLP-Solver aus der Optimization Toolbox. Alternativ können Sie FORCESPRO-Solver (von Embotech) oder Ihren eigenen benutzerdefinierten Solver verwenden.
Spezifikation eines Prognosemodells
Spezifizieren Sie Prognosemodelle analytisch mit der Control System Toolbox oder der Symbolic Math Toolbox, durch Linearisieren eines Simulink-Modells mit Simulink Control Design oder mithilfe von Messdaten mit der System Identification Toolbox und der Deep Learning Toolbox.
Zustandsschätzung und Entwurfsüberprüfung
Schätzen Sie die Zustände von Reglern anhand der gemessenen Ausgabe mithilfe des mit der Toolbox bereitgestellten Zustandsschätzers oder eines benutzerdefinierten Zustandsschätzers. Erfassen Sie mithilfe der integrierten Diagnosefunktion potenzielle Probleme mit der Stabilität und Robustheit Ihres linearen MPC-Entwurfs.
Simulation im geschlossenen Regelkreis
Bewerten Sie die Reglerleistung durch Simulationen im geschlossenen Regelkreis in Simulink mithilfe ISO 26262- und MISRA C-konformer Simulink-Blöcke sowie in MATLAB mithilfe von Befehlszeilenfunktionen. Automatisieren Sie mit Simulink Test Tests für verschiedene Szenarien.
Codegenerierung
Generieren Sie automatisch C/C++ und CUDA-Produktionscode oder strukturierten Text gemäß IEC 61131-3 aus in MATLAB und Simulink entwickelten MPC-Reglern. Stellen Sie den Code auf verschiedenen Zielsystemen wie z. B. ECUs, GPUs und SPS bereit.
Produktressourcen:
„Sumitomo Construction Machinery erzielte eine 15%ige Senkung des Kraftstoffverbrauchs ohne Einbußen bei der Dynamikleistung des Baggers. Die Effizienzsteigerung war teilweise auf eine 50%ige Reduzierung der Motordrehzahlschwankungen zurückzuführen, die durch die Model Predictive Control Toolbox und unseren verbesserten Reglerentwurf ermöglicht wurde. “
Kostenlose Testversion anfordern
30 Tage kostenlos ausprobieren.
Weitere Informationen anfordern
Lassen Sie uns wissen, wie wir Ihnen helfen können.
