什么是模型预测控制 (MPC)?
模型预测控制 (MPC),也称为移动时域控制或后退时域控制,是一种广泛使用的控制策略,已应用于许多领域,包括过程控制、机器人和自治系统。MPC 的中心原则是使用系统的数学模型预测未来的行为,然后利用该知识产生控制动作以最大化某些性能目标。由于多年的不断改进和改进,MPC 现在可以处理日益复杂的系统和困难的控制问题。如下图所示,在每个控制区间,MPC 算法计算控制范围的开环序列,以优化预测范围内的对象行为。
MPC 的最新发展之一是机器学习技术的集成,导致基于机器学习的 MPC (ML-MPC) 的发展。在这种方法中,机器学习算法用于估计系统模型、进行预测和优化控制动作。机器学习和 MPC 的这种结合有可能显着提高控制性能和效率。
在这篇博文中,我们将比较基于模型的 MPC(标准 MPC)和 ML-MPC,突出它们的优点和缺点。
基于模型的 MPC
基于模型的 MPC 背后的基本思想是在每个时间步制定和解决优化问题。优化问题考虑了系统的当前状况、预测的未来行为和期望的性能目标。然后对系统进行最佳控制,并在以下时间步长