线性二次调节器法（LQR）-轨迹跟踪与控制学习笔记

 

 

运动学模型的离散状态空间方程：AX+BU

纵向位置变化率与纵向位置变化率的参考值之间的差值

横向位置变化率与横向位置变化率的参考值之间的差值

航向角变化率与航向角变化率的参考值之间的差值

控制量构成：

车辆的速度与参考速度的差值

前轮转角与参考前轮转角的差值

期望的系统响应特性有以下两点：

(1）跟踪偏差能够快速、稳定地趋近于零，并保持平衡；（）

(x要足够的小)

( 2）前轮转角控制输入尽可能小；()

(u要足够的小)

目标函数可以表示为跟踪过程累计的跟踪偏差与累计的控制输入的加权

 离散状态空间方程，步长为N

Q和R，半正定状态加权矩阵/正定的控制加权矩阵（通常为对角阵）

Q越大，跟踪偏差越快趋近于0

R越大，控制输入越小

数的优化求解，解出的最优控制规律u是关于状 态变量X的线性函数:

其中，P是式（3）黎卡提方程的解

 

 在车辆运动学模型中，可以将阿克曼转向三角形的对应转向角定为参考前轮转角δr

典型的多目标优化最优控制问题:

1. 多目标优化最优控制问题：这类问题旨在同时优化多个目标函数，如最小化控制成本、最大化系统性能等。在最优控制中，常见的多目标包括能耗、时间、舒适性、安全性等。通过权衡不同目标之间的权重关系，可以使用多目标优化算法来求解最优控制策略。

2. 多约束优化最优控制问题：这类问题中，需要在满足多个约束条件下寻找最优控制策略。约束条件可以包括系统动力学方程、控制系统的限制、安全性要求等。通过约束优化算法，可以确定满足约束的最优控制策略。

3. 多时间尺度优化最优控制问题：这类问题中，需要在不同时间尺度上优化控制策略。例如，在长期和短期时间尺度上优化控制决策，以实现整体性能最优。通过多时间尺度的优化算法，可以获得在不同时间尺度上的最优控制策略。

4. 多输入多输出（MIMO）最优控制问题：这类问题中，需要对多个输入变量和多个输出变量进行优化。在MIMO系统中，不同输入变量可能会影响多个输出变量，并且输出变量之间可能存在相互关联。通过多目标优化算法，可以求解MIMO系统中的最优控制策略。