一、MPC的优势
1.通过滚动优化策略在线求解局部最优问题
2.直接处理约束的能力
二、MPC的分类
1.线性模型预测控制(Linear Model Predictive Control, LMPC)
参数随时间变化,线性时变模型预测控制 (Linear-Time-Varying Model Predictive Control,LTV-MPC)
或线性参变模型预测控制(Linear-Parameter-Varying Model Predictive Control,LPV-MPC)
3.线性误差模型预测模型(linear error MPC,LEMPC) 据几何关系将运动学模型转换成误差模型,然后将误差模型线性化
3.非线性模型预测控制(Nonlinear Model Predictive Control, NMPC)由于路径跟踪控制系统是非线性系统,最突出的特点是,非线性模型被直接离散化为预测模型,没有线性化。
4.非线性误差模型预测控制(Nonlinear error Model Predictive Control, NEMPC),模型通过几何关系转化为非线性误差模型,状态变量是误差
三、对比结果
LMPC和LEMPC的实时性能很好,但它们对参考路径和定位误差的鲁棒性较差。当参考速度较高且参考路径的半径较小时,NMPC表现良好。它对定位误差也是稳健的。然而,NMPC的实时性能稍差。NEMPC有很多缺点。与LMPC和LEMPC一样,当参考速度较高且参考路径半径较小时,它的表现很差。它的实时性能也不够好。
参考:Review and Comparison of Path T racking Based on Model Predictive Control 2019,doi:10.3390/electronics8101077
https://cloud.tencent.com/developer/article/1690439
无人驾驶车辆的运动控制问题可以分为路径跟踪和轨迹跟踪两类 。两者区别在于路径跟踪问题中的参考路径与时间参数无关,通过设计侧向运动控制器使无人驾驶车辆的行驶路径趋近期望路径。而轨迹跟踪问题中的参考轨迹是依赖于时间参数的函数,需要同时考虑车辆的纵向位移和侧向位移误差,通过对车辆纵向和侧向运动的综合控制,使无人驾驶车辆在给定的时间到达对应的参考轨迹点。路径跟踪的实现相对于轨迹跟踪比较简单,可以理解为轨迹跟踪问题的简化情况。