MPC在实践中的应用及本质理解

应用场景：

MPC即可以用于控制Control也可以用于规划Planning

MPC（MPC最后也是转化为QP问题进行求解，调用QP问题求解器。本质就是求二次型的极值，故代价函数J必须是二次型的形式）：

MPC的输入：

1，模型必须是线性模型，确保代价函数J是二次型，从而求极值即可获取预测时间段内的控制序列u,u是一个多维的向量，u={u(k),u(k+1),u(k+2),…,u(k+n)}。
2，约束必须是线性约束,这是拉格朗日算子要求的，用于求约束对于极值的影响。
3，初始状态
4，参考轨迹

MPC的输出：

预测的未来序列