系列文章目录
提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
TODO:写完再整理
文章目录
前言
认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对XXX做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章
提示：以下是本篇文章正文内容
一、模型预测控制的介绍
MPC的方法本质就是建立车辆的运动学模型，然后用优化理论解决控制的问题。
MPC原理深入了解可以看看我下面两个博客
【control】模型预测控制（MPC）
【控制control】机器人运动控制器----基于模型预测控制MPC方法
.
.
二、建立车辆模型
1.建立车辆的运动学模型（model）
其中，状态方程作为预测方程，用于表征系统输入会对系统状态带来什么样的影响，输出方程用于控制输出
.
.
2.转换成新的状态方程形式和输出方程形式
.
.
三、预测过程
根据状态方程，我们可以推导出系统每一轮输入输出的关系，实现在有限步长内的状态预测，下面分别推导每一步的状态方程和输出方程。
.
.
四、设计优化函数【预测求解】
1.设计优化的目标函数
优化的目标函数设计的核心思想
系统状态尽可能与参考的系统状态偏差为0，同时控制输出量的增量变化尽可能的小。
目标函数的求解方式
优化的目标函数要设计成二次规划QP的形式，二次规划QP的形式由利于快速求解。
.
.
2.设计优化的约束条件（即：输出量的约束条件）
控制输出量的增量是不可以任意变化的，需要满足一些约束，这些约束条件就是优化的目标函数的约束条件
.
.
3.建立优化问题
.
.
五、QP求解优化问题并控制输出
使用QP求解器解算上述的优化问题，在迭代求解的过程中，得到在有限步长的控制量输出，并取第一个控制量作为当前的控制输出
参考资料
https://blog.csdn.net/Travis_X/article/details/115593493
