模型预测控制matlab代码

以下是一个简单的模型预测控制（MPC）的 MATLAB 代码示例：

% 定义模型
A = [1.2, -0.4; 0.5, 0.2];
B = [1; 0];
C = [1, 0];
D = 0;

% 定义控制器参数
N = 10; % 预测时域
M = 2; % 控制时域
Q = diag([1, 1]); % 状态惩罚项
R = 1; % 输入惩罚项
x0 = [0; 0]; % 初始状态

% 构建 MPC 控制器
mpc_obj = mpc(A, B, C, D, 'Ts', 1, 'PredictionHorizon', N, 'ControlHorizon', M);
mpc_obj.Weights.OutputVariables = 1;
mpc_obj.Weights.ManipulatedVariables = R;
mpc_obj.Weights.ECR = Q;

% 进行模拟
t = 0:0.1:10;
u = zeros(1, length(t));
y = zeros(1, length(t));
x = x0;
for i = 1:length(t)
    % 更新 MPC 控制器
    mpc_obj.CurrentState = x;
    [u(i), info] = mpcmove(mpc_obj, x, [], y(i));
    if info ~= 0
        warning('MPC 未能收敛');
    end
    
    % 应用控制器
    y(i) = C * x + D * u(i);
    x = A * x + B * u(i);
end

% 绘制结果
subplot(2, 1, 1);
plot(t, y);
xlabel('时间');
ylabel('输出');
title('MPC 控制结果');

subplot(2, 1, 2);
plot(t, u);
xlabel('时间');
ylabel('输入');
title('MPC 控制输入');

在此示例中，我们首先定义了一个模型，然后使用 `mpc` 函数创建了一个 MPC 控制器。我们指定了预测时域为 10，控制时域为 2，状态惩罚项和输入惩罚项分别为 $Q=\text{diag}(1,1)$ 和 $R=1$。然后，我们使用 `mpcmove` 函数在每个时间步长上计算新的控制输入，并更新状态和输出。最后，我们绘制了输出和输入随时间的变化情况。

这只是一个简单的示例，实际的 MPC 控制器可能需要更复杂的模型、约束和优化目标。