区间预测控制

区间预测控制原代码，希望可以帮到大家 有约束无约束 主程序

%% State-space MPC set-up
%   SSMPC=MPCSETUP（ABCDPMQRX0U0） returns a function handle for a
%   state space model predictive control for the state space model
%   x（k+1） = Ax（k） + Bu（k）
%   y（k）   = Cx（k） + Du（k）
%   with predictive horizon P and moving horizon M performance weights of
%   output Q and of input R initial state X0 and initial control U0.
%
%   SSMPC is the online controller which can be called as follows 
%
%   U = SSMPC（YREF） returns the control input U （nu by 1） according to
%   current measured output Y （1 by ny） and future reference REF （nr by
%   ny nr>=1）. 
%
%   The MPC minimize the following performance criterion:
%   J = min Y‘QY + U‘RU
%
%   The online controller is implemented as a nested function so that the
%   state of the internal model can be kept inside of the function. This
%   simplifies the input and output interface of the online controller.
%   
%   the expression of SSMPC:
%   SSMPC=MPCSETUP（ABCDPMQRX0U0）; 

%% Online controller
% The returned function handle from the MPC setup program is an online
% controller SSMPC. The controller is called by proving two inputs:
% current measurement Y and future reference Ref. On return it produces
% the optimal input U for next step:
% U = SSMPC（YRef） rolling optimization

%% A two-CSTR example
% A two-CSTR （Continuous Stired Reaction Tank） process is shown as follows.
% A linear state space of the model is developed for the plant. The model
% has six states two inputstwo input and two disturbances .
% The discrete model with sampling rate 0.1 s is as follows:
A=[      0       0           0;
         0    0.3679         0;
         0    1.0000         0];
Bu=[ 1     0;
     0     1;
     0     0];
 Bd=[  0.050       0     ;
         0    0.0817       ;
         0    1 ];

C=[  0.7     0.0290   -0.0107;
    0.1057    3.6157         0];
%D=[0 0;0 0]
D=zeros（22）;

%% MPC parameters
% The MPC controller is configured with following parameters.
% Prediction horizon and moving horizon
p=20;
m=4;
% Performance wights
%Q and R are diagonal matrices
Q=0.1*eye（2*p）;
R=10*eye（2*m）;

%% MPC set-up（建立函数）
% The MPC controller is set-up by calling SSMPCSETUP:
% ssmpc =@mpcsetup/ssmpc
ssmpc=mpcsetup（ABuCDpmQR）;

%% Simulation
% Simulation length and variables for results
N=600;
x0=zeros（31）;
%Y is a null matrix of 600*2
Y=zeros（N2）;
%U is a null matrix of 600*2
U=zeros（N2）;
% Predefined reference
%W is a null matrix of 600*2
W=zeros（N2）;
W（1:N1）=0;
W（1:N2）=5.25;

%simulation
for k=1:N
    %Process disturbances
    %rand（21）is a random matrix of 2*1 
    w=Bd*（rand（21）-0.5）*2;
    %Measurements noise
    %randn（21）is a random matrix with normal distribution of 2*1
    v=0.01*randn（21）;
    % actual measurement
    %y=c*x（k）+d*u（k）
    y=C*x0+v;
    % online controller
    u=ssmpc（yW（k:end:）‘）;
    %plant update
    %x（k+1）=A*x（k）+Bu（k）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3509  2013-12-02 15:39  fanglujie.m

     文件       4758  2013-12-02 11:16  mpcsetup.m

----------- ---------  ---------- -----  ----

                 8267                    2