MPC
1. MPC主要概念
1.1 MPC:模型预测控制
- MHC:滚动时域控制
- RHC:后退时域控制
- DMC:动态矩阵控制
- GPC:广义预测控制
MPC工作机理:在每一个采样时刻K,获取当前的测量信息,在线的求解一个有限时域。即在有限时间的优化问题。并且将得到的控制序列里面的第一个值作用到被控对象里,在一个采样过程中,重复上述过程,用新的测量值刷新优化问题,重新求解,这种在线的、不断迭代的获取这个优化序列是mpc和传统控制最主要的一个区别。
1.2 控制中的约束
实际系统中存在各种各样的约束
- 机械约束
- 性能约束(超额)
- 安全约束(温度、压力)
最优的控制量往往接近约束。
经典控制理论处理约束的办法:
(1)遇到问题就提出约束条件
(2)设置目标点在有效远离约束的地方
(3)在低于最高标准的条件下运作
经典控制理论没有系统解决控制约束问题,MPC就是比较系统解决控制约束的一种方法。
(1)一开始就把约束放到设计里
(2)设置的目标不用放的很远
(3)能够整体优化系统
1.3 MPC现实应用
设置的约束:
(1)避免碰到车
(2)在车道里
(3)不要打滑
(4)油门限制
目标:快速行驶一圈
问题:发生一些意外状况,比如看不到一个车在角落,必须引入反馈
处理办法:
(1)不断更新周围环境的信息,得到一个控制序列
(2)将控制序列的第一个元素u(k)到这个控制器里
(3)不断重复这个过程
1.4 理论基础
2. 模型预测控制主要框架
首先将过去的
u
k
−
1
u_{k-1}
uk−1输入到模型里得到一系列输出
y
k
,
y
k
+
1
,
.
.
.
,
y
k
+
p
y_{k},y_{k+1},...,y_{k+p}
yk,yk+1,...,yk+p然后返回到和参考轨迹相减得到future error,将future error、代价函数、约束输入到优化器得到当前输入
u
k
∣
k
∗
u^{*}_{k|k}
uk∣k∗,不断重复上述过程。