Fast computation strategy for model predictive control

Bu tez, var olan Model Öngörülü Kontrol (Model Predictive Control (MPC)) algoritmalarının yavaş çalışma sorunlarına odaklanmakta ve bu algoritmaların çevrimiçi optimizasyon hesaplama yükü sebebiyle yavaş cevap sorunlarının (yükselme zamanı, yerleşim zamanı ve tahmini) hesaplama yükünü azaltmadan hızlandırmak için bir yöntem önermektedir. Bu tezin önerilen yönteminde, orijinal MPC stratejisi, zaman domeninde bir tamsayı olan zaman ölçeklendirme faktörü kullanılarak bükülür. Amaç, hızlı mikroişlemcilerin hızlarından yararlanarak bu stratejiyi hızlandırmaktır. Bu amaç için kullanılan tamsayı zaman ölçeklendirme faktörü kullanılan mikroişlemcinin sınırına göre seçilir. Sistemin çözümü bu ölçekleme ile büzülür ve örneklenir. Standart MPC problemi, sistemin bu modifikasyonuna dayanmaktadır. Hızlı hesaplanan kontrol kanunu vektörlerinin ilk bileşenleri orijinal çevrimiçi optimizasyon örnekleme periyoduna kadar genişletilir ve bu periyotlarda sisteme uygulanır. Upsampled MPC (UMPC) olarak adlandırılan modifiye edilmiş MPC stratejisi orijinal MPC stratejisine göre istenilen çıkış değerlerine daha hızlı yerleşir ve aynı zamanda her bir örnekleme periyodunda daha hızlı bir tahmin sağlamaktır. Yöntem hızlı mikroişlemci ile daha uyumlu olduğundan ve UMPC'nin hızının kaynağı mikroişlemci olduğundan, bu metodla farklı zaman ölçekleme faktörleri için MPC algoritmalarının yavaş çalışma sorunu çözülür. Bu nedenle, UMPC'nin kontrol enerjisi daha düşüktür. Ayrıca, orijinal MPC ve UMPC stratejilerinin çevrimiçi optimizasyon örnekleme periyodları arasında serbest zaman periyodları oluşmaktadır. Bu serbest zaman periyodları, mevcut MPC algoritmalarının iyileştirilmesi için kullanılabilir.