算法分析（一）：MPC预测控制模型

1.MPC介绍

常见局部路径规划算法有DWA、TEB以及MPC等，其中MPC算法由于能够计算并优化未来一定时域内的控制输入，已成为时下移动机器人和自动驾驶领域内路径跟踪的主要应用算法之一。MPC虽然可以预测出时域内的状态和输入，但在实际应用时控制器只执行第一个控制输入，进而不断循环。

2.模型推导

本实验中推导的是差速模型小车，并用二次规划求最优解。
目标：预测出时域 p 范围内的状态量和控制量，状态量与参考量之间的误差最小，且相邻控制量之间的变化最小。
已知：当前状态：，
以及参考量：
在推导过程中所做离散化、线性化均是为了化为二次规划标准型，然后借助现有的二次规划算法进行求解。
此处回顾一下二次规化：
在最优化问题中，如果目标函数是二次函数，约束函数是线性函数时，这就是一个二次规划问题一个有n个变数与m个限制的二次规划问题可以用以下的形式描述。
首先给定：
一个n 维的向量 g
一个n × n 维的对称矩阵H（xT H x 是二次型）
一个m × n 维的矩阵A
一个m 维的向量 b
则此二次规划问题的目标即是在限制条件为 Ax ≤ b (不等式约束) 或 Ax = b (等式约束)的条件下，