Mis on MPC juhtimine?

MPC juhtimine

Mudeli ennustav juhtimine (MPC) on 1970. aastatel tööstusprotsessides rakendatud heuristilise juhtimisalgoritmina arenenud uueks akadeemiliseks distsipliiniks, millel on rikkalik teoreetiline ja praktiline sisu.

Ennustav juhtimine käsitleb optimeerimisnõuetega seotud juhtimisprobleeme. Viimase 30 aasta jooksul on ennustava juhtimise edu keerulistes tööstusprotsessides täielikult näidanud selle tohutut potentsiaali keeruliste piiratud optimeerimiskontrolli probleemide lahendamisel.

MPC juhtimine on reaalajas-suletud-ahela optimeerimise juhtimismeetod. Selle algoritmi peamiseks eeliseks on iteratiivne võrguoperatsioon, mis hangib pidevalt praegused optimaalsed kontrollkogused. Lisaks saab see luua objektiivseid funktsioone, mis vastavad mitmetele piirangutele, nagu sõiduki täiturmehhanismid, libisemine ja dünaamika.

Selle jälgimise jõudlus on aga ennustava mudeli täpsuse suhtes väga tundlik. Lisaks ei sobi see mittelineaarse mudeli ennustava juhtimise kõrgete arvutusnõuete tõttu{1}}kiiretesse sõidukeskkondadesse.

Praegu on paljud teadlased mittelineaarseid sõidukimudeleid lineariseerinud, kuid see tagab jälgimise täpsuse ainult sõiduki ja rehvide lineaarsetes piirkondades.

MPC-kontrollerid, tuntud ka kui rulluvad{0}}ajadomeeni kontrollerid, võtavad arvesse juhtimissüsteemi mittelineaarset dünaamilist mudelit ja ennustavad süsteemi väljundkäitumist tulevase ajavahemiku jooksul. Piiratud optimaalse juhtimisprobleemi lahendamisega minimeerib süsteem jälgimisviga tulevase ajavahemiku jooksul, muutes selle meetodi tugevaks.

Mudeli ennustavatel juhtimisalgoritmidel on ennustava modelleerimise, veereva optimeerimise ja tagasiside korrigeerimise põhifunktsioonid. Traditsioonilised uurimismeetodid sageli ignoreerivad või lihtsustavad kinemaatilisi ja dünaamilisi piiranguid, kuid sellised piirangud mõjutavad oluliselt kontrolli jõudlust.

Mudeli ennustavad juhtimismeetodid võivad optimeerimise eesmärgi funktsiooni selgesõnaliselt kaasata sõiduki kinemaatilisi ja dünaamilisi piiranguid.

MPC jooksva optimeerimise ja tagasiside korrigeerimise funktsioonide võimendamisega saab suletud{0}}ahelaga süsteemi viivituste mõju tõhusalt vähendada või isegi kõrvaldada. Lisaks saab planeerimisprotsessist saadavat tulevast trajektooriinfot kasutada liikumise juhtimise optimeerimiseks, parandades seeläbi juhtimise jõudlust.

Wang Weiran et al. kavandas Laguerre'i funktsioonidel põhineva adaptiivse ennustava juhtimismeetodi.

See meetod koosneb kahest osast: adaptiivne MPC moodul täpseks trajektoori jälgimiseks ja Laguerre'i funktsioonimoodul arvutuste oluliseks vähendamiseks.

Adaptiivses MPC moodulis võetakse kasutusele rekursiivne vähimruutude algoritm, et tuvastada süsteemi mudeli parameetrid, parandades seeläbi süsteemi täpsust ja töökindlust. Kui aga AUV töötab keerukates keskkondades, võib selle meetodi tulemuseks olla arvutuskoormuse oluline suurenemine.