Model Predictive Control Toolbox

Entwerfen und Simulieren von modellprädiktiven Reglern

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.

Was ist die Model Predictive Control Toolbox?

Diagramm mit linearen MPC-Methoden und deren Einsatzmöglichkeiten.

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.

Grundlagen modellprädiktiver Regler, Teil 7: Adaptiver MPC-Entwurf mit Simulink und der Model Predictive Control Toolbox (8:20)

Dokumentation | Beispiele

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.

Grundlagen modellprädiktiver Regler, Teil 6: Entwurf eines MPC-Reglers mit Simulink und der Model Predictive Control Toolbox (9:52)

Dokumentation | Beispiele

Simulink-Modell mit einem nichtlinearen MPC-Block.

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.

Grundlagen modellprädiktiver Regler, Teil 8: Entwurf nichtlinearer MPCs mit der Model Predictive Control Toolbox und FORCESPRO (18:09)

Dokumentation | Beispiele

Animierter Parkplatz mit einem Fahrzeug, das einer Einparkspur folgt.

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.

Parkservice mit modellprädiktiver Steuerung (3:52)

Dokumentation | Beispiele

Diagramm der von der Model Predictive Control Toolbox unterstützten linearen, nichtlinearen und benutzerdefinierten Optimierungs-Solver.

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.

Grundlagen modellprädiktiver Regler, Teil 8: Entwurf nichtlinearer MPCs mit der Model Predictive Control Toolbox und FORCESPRO (18:09)

Dokumentation

Illustration eines MPC-Reglers mit einem Deep-Learning-Modell für Prognosen

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™.

Dokumentation

Bericht mit Empfehlungen zu MPC-Entwurfsparametern.

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.

Dokumentation | Beispiele

Der Model Predictive Control Toolbox Library Browser in Simulink.

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.

Dokumentation

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.

Dokumentation | Beispiele

Produktressourcen:

Dokumentation Beispiele Videos Anforderungen Versionshinweise Funktionen Blöcke Technische Artikel

Sumitomo Heavy Industries beschleunigt die Entwicklung von eingebetteter modellprädiktiver Steuerungssoftware für Hydraulikbagger

„Mit Model-Based Design können unsere Hydraulikingenieure Entwurf und Implementierung der Regler durchführen, ohne einen Embedded Engineer hinzuzuziehen. Das ist ein großer Vorteil, weil wir damit nicht nur Zeit sparen, sondern auch einen hochwertigeren Regler entwickeln können.“
Eisuke Matsuzaki, Sumitomo Heavy Industries

Weitere Berichte von Anwendern ansehen