了解模型预测控制2--什么是模型预测控制(MPC)

本文链接：https://blog.csdn.net/qq_35611242/article/details/126454058

本节，我们将讨论模型预测控制器的工作原理。

在控制问题中，控制器的目标是计算被控对象的输入，使得被控对象输出遵循期望的参考信号。模型预测控制器计算此输入的策略是预测未来。

这听起来像算命，但让我们看看它究竟是什么。MPC使用被控对象模型来预测未来的被控对象输出行为，它还使用优化器，确保预测的未来被控对象输出跟踪所需的参考信号。

以下示例介绍了这些步骤。比如说这是一辆由MPC控制器控制的自动驾驶汽车，让它保持在这条车道的中间位置。MPC可以处理MIMO系统，但为了简单起见，我们将假设加速度是固定的，纵向速度是恒定的，并且仅调整方向盘角度以控制汽车的横向位置。

我们将首先关注控制器如何使用汽车模型，稍后我们将讨论优化器。汽车的横向位置如下图右上方所示，垂直轴反映当前时间。它之前的代表过去,右边的值展示了未来。车道的中间是参考，我们用绿线在图上显示。当前，如果方向盘像这样的转动过程，MPC控制器使用汽车模型在接下来p时间步骤仿真汽车的路径, 就像在下图看到的那样。P是对MPC展望未来前景的衡量标准，被称为预测范围。它通常由未来的时间长度或未来时间步数表示。MPC控制器需要找到最接近参考输入的最佳预测路径。因此，它模拟了多个未来场景，但是，它不是以随机顺序进行这些仿真。相反，它以系统的方式做仿真，这时就是优化器介入的地方了。

通过解决优化问题，MPC控制器试图最小化汽车的参考轨迹和预测路径之间的误差。它还试图从一个时间步到下一个时间步时，方向盘角度的变化最小。因为如果转向方向盘急剧转动,可能乘客会对乘坐感到不舒服。该优化问题的目标函数J包括这两项并且表示为预测误差和方向盘角度增量的加权平方和。在最小化目标函数的同时，MPC还确保方向盘角度和汽车位置保持在规定的范围内，这些被称为约束。例如，方向盘转动的程度有限制。

另一个限制因素是汽车的位置。为了防止发生事故，汽车应该留在车道内而不是离开公路。在当前时间步，MPC控制器正在解决预测范围内的优化问题，同时满足约束。具有最小J的预测路径给出了最优解，由此确定最佳方向盘角度序列,使汽车尽可能接近参考信号。

在当前时间步，MPC仅将该最佳序列的第一步应用于汽车并忽略其余部分。基于采用的方向盘角度，汽车行驶一段距离。在下一个时间步，控制器获得新的汽车横向位置的测量值。它可能与MPC控制器之前预测的略有不同，这可能是由于一些无法测量的干扰作用于汽车。例如，它可能是风或路面湿滑。

现在预测范围向前移动一个时间步，控制器重复相同的计算周期，以计算下一个时间步的最佳方向盘角度。由于预测范围的前向移动性质，MPC也被称为滚动时域控制。

在这里，我们使用汽车示例讨论了MPC的工作原理，但在教科书中，您将找到用于MPC的通用术语。例如，由控制器计算并发送到被控对象的信号称为操纵变量，而被控对象输出则称为输出变量。您可能还会在反馈图中注意到状态估算器。在汽车的例子中，我们假设汽车的横向位置可以被测量。但是如果你不能直接测量系统的状态，可以通过状态估计器估计它们并反馈给MPC控制器。要了解有关状态估算器的更多信息，请查看有关卡尔曼滤波器的系列文章。