MPC、LMPC、LEMPC、NMPC、 NEMPC

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。