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

• 系列文章目录
• 前言
• 一、模型预测控制的介绍
• 二、建立车辆模型
• • 1.建立车辆的运动学模型（model）
  • 2.转换成新的状态方程形式和输出方程形式
• 三、预测过程
• 四、设计优化函数【预测求解】
• • 1.设计优化的目标函数
  • 2.设计优化的约束条件（即：输出量的约束条件）
  • 3.建立优化问题
• 五、QP求解优化问题并控制输出
• 参考资料

前言

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