MPC_ln_detail1——无约束线性MPC

分三章学习MPC的理论细节。推荐北航诸兵老师的课程。笔者在此基础上加入自己的理解。放个链接在这：模型预测控制（2022春）lecture 1-2 Unconstrained MPC_哔哩哔哩_bilibili

无约束线性MPC

• LTI system：$x(k+1)=Ax(k)+Bu(k)$
• 定义：$x(i|k)$：向后预测 i步长，$x(0|k)=x(k),u(0|k)=u(k)$。
  所以，$$x(i|k)=Ax(i-1|k)+A^{i-1}Bu(0|k)+A^{i-2}Bu(1|k)+\cdots +Bu(i-1|k)$$
  写成矩阵形式$X(k)$和$U(k)$，有：$$X(k)=Fx(k)+\Phi U(k)$$
• Cost funtion:

可解得，$$U^{\ast }(k)=-({\Phi }^{T}Q\Phi +R{)}^{-1}{\Phi }^{T}QFx(k)$$
执行第一项，

• EXAMPLE:

离线计算优化，公式确定。

• 闭环系统中：$$x(k+1)=(A-B{K}_{mpc})x(k)$$
  前提：系统稳定可控（根判别法，连续：$(A-B{K}_{mpc})$根实部小于0；离散：$(A-B{K}_{mpc})$根位于单位圆内）当预测无法反映系统整体趋势时，即N（contrrol horizon）过小时，会导致系统不稳定，从而无法正确预测。最优并不能保证系统稳定

由上可知，优化本身并不能保证系统稳定。若每次滚动优化后都进行一次稳定性判断，过于繁琐。故我们需要寻找一种机制避免次次计算判断。
按上述分析，令$N=\infty$即可。
事实上，可以有严格数学证明：
我们选择使用lyapunov function直接判别法证明：

$N=\infty$时，cost funtion变为：

在$k+1$时刻，至少存在一组可行解（上一次优化控制量$u$等于下次实际控制量，即从k+1时刻起预测完全符合下一时刻）：
$$u(i|k+1)=u^{\ast }(i+1|k)$$
$$x(i|k+1)=x^{\ast }(i+1|k)$$
该可行解不一定是最优解，但最优解小于等于该可行解。使用$J^{\ast }$代表最优解，$J$代表当前可行解。由于上一次优化控制量$u$等于下次实际控制量，即从k+1时刻起预测完全符合下一时刻，故后边轨迹均相等相减后只剩初始k时刻的cost值。
所以有：
$$J^{\ast }(k+1)-J^{\ast }(k)\le J(k+1)-J^{\ast }(k)=-||x(1|k)|{|}_Q^2-||u(0|k)|{|}_R^2$$
容易看出，该结果负定。符合离散系统lyapunov function直接判别法。得证。

• 解无穷u的无约束线性MPC：

1. 困扰：$Q和R$均为无穷维矩阵，无法计算。
2. 由discrete-time lyapunov function，$J(k)$极限为有限值。
   

以上，我们将无限时域的问题转化成了有限时域问题。
此时$Q=diag[q,q,...q,K],R=diag[r,r,r,...r]$
3. 一个例子：