model predictive control toolbox™ 提供了用于开发模型预测控制 (mpc) 的函数、app、simulink® 模块和参考示例。对于线性问题，该工具箱支持隐式、显式、自适应和增益调度 mpc 的设计。对于非线性问题，您可以实现单级和多级非线性 mpc。该工具箱提供了可部署的优化求解器，同时还允许您使用自定义求解器。
您可以在 matlab® 和 simulink 中通过运行闭环仿真来评估控制器性能。对于自动驾驶，您还可以使用提供的 misra c® 和 iso 26262 合规的模块和示例快速实现车道保持辅助、路径规划、路径跟随和自适应巡航控制等应用。
该工具箱支持 c 和 cuda® 代码以及 iec 61131-3 结构化文本生成。
mpc 设计器
使用 mpc 设计器以交互方式设计隐式 mpc 控制器，使用 simulink control design™ 线性化您的 simulink 模型，使用仿真场景验证控制器性能，并比较多种设计的响应。
文档 |
预测模型设定
通过以下方法以解析方式指定预测模型：使用 control system toolbox™ 或 symbolic math toolbox™、通过 simulink control design 对 simulink 模型进行线性化，或通过 system identification toolbox™ 和 deep learning toolbox™ 使用测量数据。
闭环仿真
通过使用符合 iso 26262 和 misra c 标准的 simulink 模块在 simulink 中运行闭环仿真或在 matlab 中使用命令行函数来评估控制器性能。使用 simulink test™ 自动对多个场景进行测试。
产品资源:
“住友工程机械在不牺牲挖掘机动力性能的情况下实现了 15% 的油耗降低。这种效率的提升是因为我们使用 model predictive control toolbox 改进了控制设计，使得发动机的转速波动减少了 50%。”
eisuke matsuzaki，住友重工
