Model Predictive Control Toolbox

 

Model Predictive Control Toolbox

Diseñe y simule controladores predictivos por modelo

Gráfico que muestra métodos de MPC lineales y cuándo utilizarlos.

Diseño de MPC lineal

Diseñe controladores de MPC implícitos, adaptativos y con planificación de ganancias que resuelvan un problema de programación cuadrática (QP). Genere un controlador de MPC explícito a partir de un diseño implícito. Utilice MPC de conjunto de control discreto para problemas de programación cuadrática de enteros mixtos.

Parámetros de diseño de MPC en la app MPC Designer.

App MPC Designer

Utilice la app MPC Designer para diseñar interactivamente controladores de MPC implícitos, linealizar un modelo de Simulink con Simulink Control Design, validar el rendimiento de un controlador utilizando escenarios de simulación y comparar las respuestas de varios diseños.

Modelo de Simulink con un bloque Nonlinear MPC.

Diseño de MPC no lineal

Diseñe controladores de MPC no lineales y económicos que utilicen Optimization Toolbox para resolver un problema de programación no lineal (NLP). Utilice una formulación de una o varias etapas para conseguir un control de retroalimentación y planificación óptimos.

Animación de la trayectoria de un vehículo a una plaza de estacionamiento.

Diseño de MPC para conducción autónoma

Acelere el desarrollo de sistemas de conducción autónoma utilizando bloques prediseñados de Simulink que cumplen con los estándares ISO 26262 y MISRA C. Los bloques prediseñados permiten realizar planificación de rutas, seguimiento de rutas, control de crucero adaptativo y otras aplicaciones.

Solvers de optimización lineales, no lineales y personalizados compatibles con Model Predictive Control Toolbox.

Solvers de optimización de MPC

Seleccione entre solvers de QP integrados de conjuntos activos, puntos interiores y enteros mixtos, o bien, utilice solvers de NLP de Optimization Toolbox. Si prefiere, utilice solvers FORCESPRO de Embotech, o un solver personalizado propio.

Controlador de MPC con un modelo de Deep Learning utilizado para predicción.

Especificación de modelos de predicción

Especifique modelos de predicción analíticamente con Control System Toolbox o Symbolic Math Toolbox, linealizando un modelo de Simulink con Simulink Control Design, o bien a través de datos medidos con System Identification Toolbox y Deep Learning Toolbox.

Informe sobre recomendaciones de parámetros de diseño de MPC.

Estimación de estados y revisión de diseño

Estime el estado de un controlador a partir de salidas medidas utilizando el estimador de estados proporcionado, o un estimador de estados personalizado. Detecte posibles problemas de estabilidad y solidez en un diseño de MPC lineal utilizando la función de diagnóstico integrada.

Explorador de la librería de Model Predictive Control Toolbox en Simulink.

Simulación de lazo cerrado

Evalúe el rendimiento de un controlador ejecutando simulaciones de lazo cerrado, en Simulink con bloques de Simulink conformes con ISO 26262 y MISRA C, y en MATLAB con funciones de línea de comandos. Automatice las pruebas para varios escenarios con Simulink Test.

Informe de generación de código (con código generado) del bloque del controlador de MPC.

Generación de código

Genere automáticamente código C/C++ y CUDA de producción, o texto estructurado de IEC 61131-3, a partir de controladores de MPC diseñados en MATLAB y Simulink. Despliegue el código en diversas plataformas, tales como ECU, GPU y PLC.

“Sumitomo Construction Machinery logró reducir el consumo de combustible en un 15% sin sacrificar el rendimiento dinámico de la excavadora. El aumento de la eficiencia se debió, en parte, a una reducción del 50% en las fluctuaciones de velocidad del motor con Model Predictive Control Toolbox y las mejoras en nuestro diseño de sistemas de control.”.

Obtenga una versión de prueba gratuita

30 días de exploración a su alcance.


Solicitar más información

Díganos cómo podemos ayudar.