İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Kontrol teorisi›Model Predictive Control
Machine learningOptimal Control

Model Predictive Control

Ayrıca şöyle bilinir: MPC, Receding Horizon Control

Model Predictive Control (MPC), gelecekteki sistem davranışını sonlu bir ufukta öngörmek ve her kontrol adımında bir optimizasyon problemi çözmek için açık bir süreç modeli kullanan gelişmiş bir kontrol stratejisidir. İlk olarak 1978'de Richalet ve arkadaşları tarafından biçimlendirilen MPC, kısıtlamaları doğal olarak ele alması ve birden çok hedefi eş zamanlı olarak optimize edebilmesi nedeniyle kimya tesislerinden otonom araçlara kadar süreç kontrol endüstrilerinde baskın yaklaşım haline gelmiştir.

ScholarGate
  1. Machine learning
  2. v1
  3. 3 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Model Predictive Control
Uyarlanabilir KontrolGenişletilmiş Kalman Fil…Geri Beslemeli Doğrusall…Hamilton-Jacobi-Bellman…Lineer Kuadratik Regülat…Aktif Bozucu Reddetme Ko…Doğrudan Tork KontrolüAlan Kontrolü (FOC)H-sonsuz KontrolüYinelemeli Öğrenme Kontr…

+4 tane daha

Ne zaman kullanılır

Kısıtlamaları açıkça ele almanız (örn. valf sınırları, güvenlik sınırları), birden çok ilişkili değişkeni (çok değişkenli kontrol) yönetmeniz veya bozulmaların ve doğrusal olmama durumlarının önemli olduğu durumlarda MPC kullanın. En iyi, hesaplama süresinin gerçek zamanlı optimizasyona izin verdiği, yavaş ila orta düzey dinamiklere sahip sistemler için etkilidir. Tipik uygulamalar arasında kimyasal proses kontrolü, HVAC sistemleri, güç santralleri ve otonom sürüş yer alır. Mikrosaniye kontrol hızları gerektiren veya yüksek doğrulukta bir proses modeli mevcut olmayan sistemler için MPC'den kaçının.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Açık optimizasyon yoluyla girdi ve durum kısıtlamalarını doğal olarak ele alır.
  • Birden çok girdiyi ve çıktıyı otomatik olarak koordine eden çok değişkenli kontrol sağlar.
  • Geriye doğru ufuk geri besleme döngüsü nedeniyle bozulmalara ve model uyumsuzluğuna karşı dayanıklıdır.
  • Gelecekteki referans yörünge veya ayar noktası değişikliklerinin dahil edilmesine izin verir.
  • Geleneksel PID ayarlamasına kıyasla ayarlaması kolaydır (maliyet fonksiyonu ağırlıkları).
Sınırlılıklar
  • Hesaplama açısından pahalıdır; her adımda optimizasyon problemini çözmek çok hızlı sistemler için uygulanamaz olabilir.
  • Doğru bir proses modeli gerektirir; zayıf model doğruluğu performansı önemli ölçüde düşürür.
  • Doğrusal olmayan MPC dışbükey değildir ve yerel minimumlara takılıp kalabilir.
  • Özellikle kısıtlı problemler için kararlılık ve fizibilite garantileri önemsizdir.

SSS

Geriye doğru ufuk ilkesi nedir ve neden önemlidir?

Geriye doğru ufuk ilkesi, sonlu bir gelecek penceresi üzerinde bir optimizasyon problemi çözmek, yalnızca ilk kontrol eylemini uygulamak ve ardından pencereyi ileri kaydırmak anlamına gelir. Bu mekanizma, her adımda hataları ve bozulmaları düzelten bir geri besleme döngüsü oluşturarak, model mükemmel olmasa bile MPC'yi dayanıklı hale getirir.

Öngörü ufku uzunluğunu nasıl seçerim?

Bir kural olarak, öngörü ufkunun sistemin baskın zaman sabitinin yerleşme süresinin 3-5 katı olarak ayarlanması önerilir. Çok kısa olması kısa görüşlü davranışa yol açar; çok uzun olması ek fayda sağlamadan hesaplamayı artırır ve fizibilite sorunlarına neden olabilir. Ampirik ayarlama veya açık döngü yanıt analizi yardımcı olur.

MPC doğrusal olmayan sistemleri ele alabilir mi?

Evet, Doğrusal Olmayan MPC (NMPC) doğrusal olmayan sistem modellerini ele alabilir. Ancak, optimizasyon dışbükey olmayan hale gelir ve daha yavaş olan ve yerel minimumlara yakınsayabilen iteratif çözücüler gerektirir. Nominal bir yörünge etrafında doğrusallaştırma veya yaklaştırma yöntemleri genellikle hesaplama süresini azaltmak için kullanılır.

MPC'yi uygulamak için hangi yazılım araçları mevcuttur?

Popüler araçlar arasında MATLAB Model Predictive Control Toolbox, Simulink, CasADi (optimizasyon için) gibi açık kaynak paketler ve EMSO ve gProms gibi özel ticari platformlar yer alır. Yerleşik sistemler için ACADO gibi kütüphaneler ve hızlı kuadratik programlama çözücüleri (örn. qpOASES), gerçek zamanlı uygulamayı sağlar.

Kaynaklar

  1. Richalet, J., Rault, A., Testud, J., & Papon, J. (1978). Model predictive heuristic control. Automatica, 14(5), 413-428. DOI: 10.1016/0005-1098(78)90001-8 ↗
  2. Garcia, C. E., Prett, D. M., & Morari, M. (1989). Model predictive control: Theory and practice. Automatica, 25(3), 335-348. DOI: 10.1016/0005-1098(89)90002-2 ↗
  3. Mayne, D. Q., Rawlings, J. B., Rao, C. V., & Scokaert, P. O. (2000). Constrained model predictive control: Stability and optimality. Automatica, 36(6), 789-814. DOI: 10.1016/S0005-1098(99)00214-9 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Model Predictive Control. ScholarGate. https://scholargate.app/tr/control-theory/model-predictive-control

İlişkili yöntemler

Uyarlanabilir KontrolGenişletilmiş Kalman Filtresi (EKF)Geri Beslemeli DoğrusallaştırmaHamilton-Jacobi-Bellman DenklemiLineer Kuadratik Regülatör (LQR)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Uyarlanabilir KontrolKontrol teorisi↔ karşılaştır
  • Genişletilmiş Kalman Filtresi (EKF)Kontrol teorisi↔ karşılaştır
  • Geri Beslemeli DoğrusallaştırmaKontrol teorisi↔ karşılaştır
  • Hamilton-Jacobi-Bellman DenklemiKontrol teorisi↔ karşılaştır
  • Lineer Kuadratik Regülatör (LQR)Kontrol teorisi↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Aktif Bozucu Reddetme KontrolüUyarlanabilir KontrolDoğrudan Tork KontrolüGeri Beslemeli DoğrusallaştırmaAlan Kontrolü (FOC)H-sonsuz KontrolüHamilton-Jacobi-Bellman DenklemiYinelemeli Öğrenme KontrolüLineer Kuadratik Regülatör (LQR)Pontryagin Maksimum İlkesiOlasılıksal Yol HaritasıHızlı Keşfeden Rastgele AğaçZiegler-Nichols Ayarlama Yöntemi

Benzer yöntemler

Lineer Kuadratik Regülatör (LQR)Pontryagin Maksimum İlkesiUyarlanabilir KontrolGeri Beslemeli DoğrusallaştırmaYinelemeli Öğrenme KontrolüH-sonsuz KontrolüKayar Mod KontrolüStokastik Dinamik Programlama

İlgili referans kavramlar

Optimal KontrolMatematiksel OptimizasyonDoğrusal Olmayan ProgramlamaDışbükey OptimizasyonMarkov Karar SüreçleriPolitika Gradyan Yöntemleri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Model Predictive Control (Model Predictive Control). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/control-theory/model-predictive-control · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Jacques Richalet
Subfamily
Optimal Control
Year
1978
Type
algorithm
İlişkili yöntemler
Uyarlanabilir KontrolGenişletilmiş Kalman Filtresi (EKF)Geri Beslemeli DoğrusallaştırmaHamilton-Jacobi-Bellman DenklemiLineer Kuadratik Regülatör (LQR)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil