?博主簡介：熱愛科研的Matlab仿真開發(fā)者，修心和技術同步精進，Matlab項目合作可私信。
??個人主頁：海神之光
??代碼獲取方式：
海神之光Matlab王者學習之路—代碼獲取方式
??座右銘：行百里者，半于九十。
更多Matlab仿真內(nèi)容點擊??
Matlab圖像處理（進階版）
路徑規(guī)劃（Matlab）
神經(jīng)網(wǎng)絡預測與分類（Matlab）
優(yōu)化求解（Matlab）
語音處理（Matlab）
信號處理（Matlab）
車間調(diào)度（Matlab）
?一、簡介（附課程報告）
1引言
眾所周知，上世紀 60 年代初形成的現(xiàn)代控制理論在航空、航天等領域取得了輝煌的成果。 然而人們不久就發(fā)現(xiàn)在完美的理論與控制之間還存在著巨大的鴻溝。主要表現(xiàn)在以下幾個方面:
1.現(xiàn)代控制理論的基點是對象精確的數(shù)學模型，而在工業(yè)過程中所涉及的對象往往是多輸入、多輸出的高維復雜系統(tǒng)其數(shù)學模型很難精確建立，即使建立了模型從工程應用的角度來說往往需要簡化從而很難保證對象精確的模型。
2.工業(yè)對象的結構、參數(shù)和環(huán)境都有很大的不確定性。由于這些不確定性的存在按照理想模型得到的最優(yōu)控制在實際上往往不能保證最優(yōu)有時甚至引起控制品質(zhì)的嚴重下降。在工業(yè)環(huán)境中人們更關注的是控制系統(tǒng)在不確定性影響下保持良好性能的能力 即所謂魯棒性而不能只是追求理想的最優(yōu)性。
3.工業(yè)控制中必須考慮到控制手段的經(jīng)濟性。對工業(yè)計算機的要求不能太高. 因此控制算法必須簡易以滿足實時性的要求.而現(xiàn)代控制理論的許多算法往往過于復雜難以用低性能的計算機實現(xiàn)。
為了克服理論與實際應用之間的不協(xié)調(diào)，預測控制就是在這種背景下發(fā)展起來的。動態(tài)矩陣控制 DMC 是一種基于計算機控制的技術，它是一種增量算法， 并基于系統(tǒng)的階躍響應。它直接以對象的階躍響應離散系數(shù)為模型，采用多步預估技術，能有效解決時延過程問題。按使預估輸出與給定值偏差最小的二次性能指標實施控制。
圖 1 DMC 算法的控制結構
2 多變量 DMC 原理分析
DMC算法分為三部分:預測模型、滾動優(yōu)化和反饋校正。
設被控對象有 m 個控制輸入，p 個輸出，假定已測得每一輸出????對每一輸入
????的單位階躍相應??????(??),則可由階躍響應都在采樣點上的值組成模型向量
?二、部分源代碼
clear;clc;
num={[5],[3];[6],[9]};
den={[3 1 3],[1 2 5];[2 1 7],[2 3 6]};
sys=tf(num,den);%模型傳遞函數(shù)
g11=poly2tfd(num{1,1},den{1,1},0,0);
g12=poly2tfd(num{1,2},den{1,2},0,0);
g21=poly2tfd(num{2,1},den{2,1},0,0);
g22=poly2tfd(num{2,2},den{2,2},0,0);
delta=0.5;%采樣時間
P=12;M=6;m=2;p=2;N=40; % M,P,m,p分別為控制時域長度，預測時域長度，輸入量個數(shù)，輸出量個數(shù)，N為建模時域
ny=2;
tfinal=500;
mymodel=tfd2step(tfinal,delta,ny,g11,g12,g21,g22);%計算階躍響應模型
%作圖，畫出模型的階躍響應曲線
figure(1)
subplot(2,2,1);
step(num{1,1},den{1,1});
title(‘u1-y1階躍響應’);
xlabel(‘time’);
subplot(2,2,2);
step(num{1,2},den{1,2});
title(‘u1-y2階躍響應’);
xlabel(‘time’);
subplot(2,2,3);
step(num{2,1},den{2,1});
title(‘u2-y1階躍響應’);
xlabel(‘time’);
subplot(2,2,4);
step(num{2,2},den{2,2});
title(‘u2-y2階躍響應’);
xlabel(‘time’);
ywt=[3,1];%Q矩陣
uwt=[400,300];%R矩陣
alpha=[1,1];%H矩陣
r=[1;2];%設定值
tend=500;%結束時間
%計算反饋校正H矩陣
H=[];
for i=1:p
h=alpha(1,i)*ones(N,1);
H=blkdiag(H,h);
end
%計算移位矩陣S
for i=1:p
for j=1:N-1
S((i-1)N+j,(i-1)N+j+1)=1;%次對角線元素為1
end
S((iN),(iN))=1;%右下角元素為1
end
%輸出設定值R矩陣
R=[];
for i=1:p
r=r(i,1)*ones(P,1);
R=[R;r];
end
for i=1:p
for j=1:N
y_N((i-1)*N+j,1)=0;
y_N0((i-1)*N+j,1)=0;
end
for j=1:P
y_P0((i-1)*P+j,1)=0;
end
end
deltY=[];
deltU=[];
y_Ncor=[];
[kmpc,A,L,A_N,a,Q]=DMC_martixD(mymodel,uwt,ywt,M,P,m,p,N);%計算D矩陣
for i=1:1:tend
e(:,i)=y_Real(:,i)-y(:,i);
y_Ncor(:,i)=y_N(:,i)+He(:,i);
y_N0(:,i)=Sy_Ncor(:,i);
deltY(:,i)=R-y_P0(:,i);
deltU(:,i)=kmpc*(R-y_P0(:,i));
U(:,i+1)=deltU(:,i)+U(:,i);
y_N(:,i+1)=y_N0(:,i)+A_N*deltU(:,i);
for j=1:p
y(j,i+1)=y_N((j-1)*N+1,i+1);
end
t=0:delta:delta*i;
y_Real1=lsim(sys(:,1),U(1,1:i+1),t)+lsim(sys(:,2),U(2,1:i+1),t);
y_Real=y_Real1';
end
n=size(y_Real(1,:));
n=n(1,2);
t=1:1:n;
figure(2);
subplot(2,1,1);
plot(t,y_Real(1,1:n));
title(‘實際輸出’);
ylabel(‘y1’,‘rotation’,0);xlabel(‘time’);
subplot(2,1,2);
plot(t,y_Real(2,1:n));
ylabel(‘y2’,‘rotation’,0);xlabel(‘time’);
?三、運行結果
?四、matlab版本及參考文獻
1 matlab版本
2014a
2 參考文獻
[1] 門云閣.MATLAB物理計算與可視化[M].清華大學出版社，2013.
3 備注
簡介此部分摘自互聯(lián)網(wǎng)，僅供參考，若侵權，聯(lián)系刪除
?? 仿真咨詢
1 各類智能優(yōu)化算法改進及應用
生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設施布局優(yōu)化、可視域基站和無人機選址優(yōu)化
2 機器學習和深度學習方面
卷積神經(jīng)網(wǎng)絡（CNN）、LSTM、支持向量機（SVM）、最小二乘支持向量機（LSSVM）、極限學習機（ELM）、核極限學習機（KELM）、BP、RBF、寬度學習、DBN、RF、RBF、DELM、XGBOOST、TCN實現(xiàn)風電預測、光伏預測、電池壽命預測、輻射源識別、交通流預測、負荷預測、股價預測、PM2.5濃度預測、電池健康狀態(tài)預測、水體光學參數(shù)反演、NLOS信號識別、地鐵停車精準預測、變壓器故障診斷
3 圖像處理方面
圖像識別、圖像分割、圖像檢測、圖像隱藏、圖像配準、圖像拼接、圖像融合、圖像增強、圖像壓縮感知
4 路徑規(guī)劃方面
旅行商問題（TSP）、車輛路徑問題（VRP、MVRP、CVRP、VRPTW等）、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、車輛協(xié)同無人機路徑規(guī)劃、天線線性陣列分布優(yōu)化、車間布局優(yōu)化
5 無人機應用方面
無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務分配
6 無線傳感器定位及布局方面
傳感器部署優(yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化
7 信號處理方面
信號識別、信號加密、信號去噪、信號增強、雷達信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化
8 電力系統(tǒng)方面
微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構、儲能配置
9 元胞自動機方面
交通流 人群疏散 病毒擴散 晶體生長文章來源：http://www.zghlxwxcb.cn/news/detail-858675.html
10 雷達方面
卡爾曼濾波跟蹤、航跡關聯(lián)、航跡融合文章來源地址http://www.zghlxwxcb.cn/news/detail-858675.html
到了這里，關于【工業(yè)控制】多變量動態(tài)矩陣預測控制(DMC)【含Matlab源碼 1499期】的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
