2021-08-16

MPC介绍

1、什么是MPC

MPC全称为Model Predictive Control,其控制思想大致如上图所示。MPC本质上是采用优化方法来解决问题，利用过程的模型来预测未来可能的发展，并选择一个好的控制。其实在日常生活中，我们经常应用到这类算法。

• 例子：下棋。
  无论象棋还是围棋，都有它自身的规则，比如”马“走日字，在过去、现在还是未来，都遵循一样的游戏规则，这就可以看作MPC中的过程模型。当我们需要走下一步时，我们一般是如何思考的？往往不是只看当下的这一步，而是会根据游戏规则，想到接着的几步，然后确定当前最好的一步棋这便是MPC的思想。

2、MPC与最优控制和PID控制的不同

• MPC与最优控制的不同：MPC虽然也采用了优化方法来求解问题，但是其不同之处在于，MPC仅考虑未来几个时间的步；而最优控制往往会考虑整个时间域。
• MPC与传统PID的不同：首先PID不需要模型，是基于误差的一种方法，控制作用在误差产生之后；在多输入多输出系统中，各个控制回路的耦合使得PID参数的整合困难；MPC需要模型来预测未来的行为，且可以处理约束问题。

3、MPC中一些相关概念

• 模型、预测、控制含义
  
• 凸集、凸函数、凸优化
  这三个在MPC中比较重要的概念，为了保证MPC求解出来的局部最优为全局最优，需要保证其优化问题为凸优化问题。
  凸集：如果集合内的连接任意两点的线段上的点都在集合内，则为凸集。如下图所示：
  
  凸函数：如果集合S是一个凸集，且f满足以下关系，则f为凸函数。
  
  凸优化：如果f是凸函数，且S为凸集，则该优化问题为凸优化。
• 控制时域和预测时域
  刚开始了解MPC时，在控制时域和预测时域的理解上有些模棱两可。常用Nc表示控制时域，Np表示预测时域，Nc<=Np。其实两者很简单，如这篇文章的第一张图上所示，当我们预测未来Np个时间步的发展时，我们会确定Nc个时间步的控制量，而Nc到Np这段时间的控制量等于第Nc个时间步的控制量。为什么要这样做呢？当在实现一个具体的MPC控制时，会发现随着Nc的变大，方程的维数会增大，从而加大了计算的时间，所以选择较小时间步内的控制量。
  有一个很好的例子来理解：便于理解的解释：在制定工作计划时，根据工作进度（系统状态）、工作目标（参考值）、工作能力和任务难度（系统模型），安排未来5天计划（控制时域），5天以后和第5天计划一样后，预测未来10天（预测时域）的工作，在觉得安排可以的前提下（代价函数），将在下一天执行该天的计划。并且在每一天进行相同的预测安排。
• 最重要的一点
  介绍了MPC的一些相关理论知识和概念，有一点最后但是很重要的是，在每个控制节点，我们只采用第一个时间步的控制量；到了以后的控制节点，进行类似的操作。就好比下棋，虽然每次会考虑后面几步的发展，但是执行的只有未来的第一步；后来进行如此操作。