显式预测控制是 Bemporad 等人在2002年提出来的一种面向小规模控制命题的快速 MPC 算法。主要思想是通过参数规划的思想,将优化求解的在线计算放到离线进行,从而提高在线计算的速度。本文从理论上对这种算法进行介绍,并用例子进行一些说明,最后会提到该方法的一些局限和改进。
理论推导
下面我们结合 [BMDP02],[FBD08] 和 [PRW07] 三篇文章的内容简单介绍一下 Explicit MPC 的原理。这里我们考虑一个离散的,线性时不变的状态空间模型:
x(t+1)=Ax(t)+Bu(t)
其中 x(k)∈Rnx 是系统状态, u(k)∈Rnu 是系统输入。 A,B 都是相应的系数矩阵。为简单起见,我们考虑一个从当前状态 x0 调节到原点的调节问题。同时我们要保证输入和状态都满足一定的约束,即
c−≤Cx(t)≤c¯
d−≤Du(t)≤d¯
对任何k∈N都满足。同时
C∈Rnoc×nx
且
D∈Rnic×nu
是常数矩阵,
c−,c¯
和
d−,d¯
都是常数向量。
然后 MPC 在没周期求解的 QP 命题为:
minu(0),...,u(N−1)x(0),...,x(N)x(N)TPx(N)+∑i=0N−1(x(i)TQx(i)+u(i)TRu(i))
s.t. x(t+1)=Ax(t)+Bu(t)