模型预测控制去零矢量法抑制共模电压，通过在传统模型预测控制的基础上去掉产生高共模电压的零矢量来抑制三相两电平逆变器的输出共模电压。效果良好。
2021-09-09 16:49:13
175KB
1
模型预测控制 (MPC) 预测和优化未来时间范围内的时变过程。 该控制包接受线性或非线性模型。 使用APOPT、IPOPT等大规模非线性规划求解器，解决数据协调、移动范围估计、实时优化、动态仿真和非线性MPC问题。
此目录中包含三个示例文件，用于实现线性时不变 (LTI) 系统的控制器：
1. apm1_lti - 将任何 LTI 模型转换为 APM 格式2. apm2_step - 执行步骤测试以确保模型准确性3. apm3_control - MPC 设定值更改为新的目标值
步骤 2 和 3 还会打开 Web 界面以查看步骤或控制器响应。 在以下位置提供了其他文档和示例问题：
http://apmonitor.com/wiki
还举办双周网络研讨会以演示新应用程序并提供教程。 之前的演讲包括无人驾驶飞行器 (UAV)、摩擦搅拌焊接 (FSW)、生物系统、能量存储、燃烧、燃料电
2021-09-03 16:16:32
9KB
1
离散控制Matlab代码分层建筑微电网
介绍
该MATLAB代码由两级分层模型预测控制（HMPC）组成，用于管理装有锂离子电池，光伏太阳能电池板（PV）和插电式电动汽车（PEV）的建筑微电网，如以下方案所示。
这种控制结构是一种简化的结构，通过实施经济权力分配突出了第三级控制水平。
方法
1.正在研究的植物
1个具有实际数据的光伏电缆（〜0-1
kW）
1建筑物的功耗在0-0.8
kW之间
1个锂离子电池组（容量：68
kWh
/最大充电和放电速率：+/-
10
kWh）
1辆带有1个锂离子电池组的电动汽车（容量：68
kWh
/最大充电和放电速率：+/-
2.5
kWh）
2.拟议控制
具有日常市场的三级控制层
地平线（Nh）：48h（天气预报+耗电量）
Ts'：24小时（建筑物每天向社区汇总员发送第二天承诺的电力交易计划）
Ts：1h（电力交易计划的离散化）
盘中市场的三级控制层
地平线（Nh）：6h（天气预测+功耗）
Ts：1h（最后时刻购电）
模拟
您可以通过观看无干扰的分层控制和有干扰的分层控制的模拟视频来预览HMPC：
无干扰的分级控制
有干扰的分级控制
2021-08-29 18:14:29
36.21MB
1
随机模型预测控制公式，基于二次动态矩阵控制。 多项式混沌展开用于量化模型参数中的不确定性对预测模型输出的影响。 由此产生的 MPC 允许对具有高状态维度和不确定参数的系统进行快速设定点跟踪。
这是论文 von Andrian, M. 和 Braatz, RD (2019)“基于多项式混沌理论的随机模型预测控制的无偏移输入输出公式”论文的完整代码，美国控制会议论文集，2019 年，360 -365，可在： https ://doi.org/10.23919/ACC.2019.8814366
抽象的： 随机模型预测控制 (SMPC) 公式被提出，它具有低在线计算成本和零稳态偏移，适用于高状态维度的约束动态系统。 概率参数不确定性对过程输出的影响使用多项式混沌理论进行量化，状态维度的可扩展性通过使用输入-输出公式获得，与状态数量无关。 提供了使用 z 变换的解释和数学证明，以解释为什么某些
2021-08-24 09:39:33
7KB
1
针对风电并网的电压源换流器高压直流输电(VSC-HVDC)系统的传统双闭环控制策略存在控制结构复杂、PI参数较多且难以整定、响应速度慢等问题，提出适用于风电并网的VSC-HVDC系统模型预测控制策略。为了提高风电场母线交流电压的控制精度，风电场侧换流器(WFVSC)采用基于优化模型预测的定交流电压控制，提出滞后补偿两步预测法，并将模型预测控制与脉宽调制(PWM)技术相结合，求取2个控制周期内调制波的最优解，然后经过调制单元生成开关信号作用于WFVSC。网侧换流器(GSVSC)采用有限控制集模型预测功率控制，基于GSVSC的离散数学模型，利用代价函数遍历寻优找出使代价函数最小的开关状态组合作用于GSVSC。基于所提模型预测控制的VSC-HVDC系统具有良好的稳态性能、动态性能和故障恢复性能，能为风电场提供稳定的交流电压。仿真结果验证了所提控制策略的可行性和有效性。
2021-08-21 22:01:38
4.93MB
1
多点路径规划指标在线多机器人运动计划
该代码随附于RA-L
/
ICRA
2020文件
CE
Luis，M。Vukosavljev和AP
Schoellig，“具有用于多机器人运动规划的分布式模型预测控制的在线轨迹生成”，IEEE机器人。
自动Lett。，第一卷5，没有。
2020年1月，第2卷，第604–611页。
引文
如果您将此库用于自己的工作，请考虑引用：
@article{luis2020online,
title={Online
trajectory
generation
with
distributed
model
predictive
control
for
multi-robot
motion
planning},
author={Luis,
Carlos
E
and
Vukosavljev,
Marijan
and
Schoellig,
Angela
P},
journal={IEEE
Robotics
and
Automation
Letters},
volume={5},
number={2},
pages={604--611},
year={2020},
pu
2021-08-17 11:26:20
376KB
1