无人驾驶车辆与模型预测控制(三)——模型预测控制算法基础

0 模型预测控制三个步骤

  1. 预测模型:根据历史信息、未来输入预测未来输出。
  2. 滚动优化:某一性能指标最优,反复在线优化。
  3. 反馈校正:基于测量对模型预测进行修正。

图例:

在这里插入图片描述

对于参考轨迹1,以时刻k作为当前时刻,预测[K,K+Np]的系统输出,通过求解以某目标的优化问题,得到预测控制量4,以该控制序列的第一个元素作为实际控制量。
下一时刻,重复该过程(滚动)。

根据所用模型不同,模型预测控制分为动态矩阵控制(DMC),模型算法控制(MAC)、广义预测控制(GPC)。对于无人驾驶车辆方向,重点在于基于状态空间模型的模型预测控制上。
在这里插入图片描述

非线性系统线性化方法

具体编程时的流程

  1. 先写出此系统的状态空间方程
  2. 转换为线性化模型
  3. 转换为预测模型
  4. 转换为二次规划问题
  5. 利用求解器求解该二次规划
    matlab程序中,控制量是[v,w]

非线性化方法

  1. 设定costfunction,以控制量序列为变量,轨迹跟踪误差为输出。
  2. 滚动优化进行求解(本质就是最优化问题)
    matlab程序中,控制量是[v,前轮偏角]

线性约束下的二次型规划控制

对于线性系统,如果去状态变量和控制变量的二次型函数的积分作为性能指标函数,则这种动态系统最优问题称为线性系统二次型性能指标的最优控制问题。
是一种状态反馈控制律。

LQR在无人驾驶车辆路径跟踪中的应用

无人驾驶中利用LQR构建前馈+反馈的控制系统:
控制量是[前轮偏角],速度v书中设置为了常数

  1. 根据参考轨迹获得前馈控制量(还未经过的轨迹的对应的控制量)
  2. 得到线性化的车辆状态空间方程(此方程与线性化方法中的方程一致)
    在这里插入图片描述
  3. 定义LQR评价函数
    在这里插入图片描述
  4. 引入拉格朗日乘子(运动约束),构造无约束的最优化问题
  5. 使用迭代公式进行求解控制量(从预测终点时刻向后迭代至当前位置时刻)
已标记关键词 清除标记
相关推荐
无人车辆轨迹跟踪入门必备 本书主要介绍模型预测控制理论与方法在无人驾驶车辆路径规划与跟踪控制方面的基础应用技术。由于模型预测控制理论数学抽象特点明显,初涉者往往需要较长时间的探索才能真正理解和掌握,进一步应用到具体研究,则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制基础方法,结合路径规划与跟踪实例给出了Matlab仿真代码和详细仿真步骤,并且融入了研究团队在本领域的研究成果。本书一方面可以作为地面无人车辆、空中无人机、无人艇及移动机器人等无人车辆模型预测控制的研究资料,同时也可以作为学习模型预测控制理论的应用教材。 本书主要介绍模型预测控制理论与方法在无人驾驶车辆运动规划与跟踪控制中的应用。由于模型预测控制理论数学抽象特点明显,初涉者往往需要较长时间的探索才能真正理解和掌握,而进一步应用到具体研究,则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制基础方法,结合运动规划与跟踪实例详细说明了预测模型建立、方法优化、约束处理和反馈校正的方法,给出了Matlab仿真代码和详细图解仿真步骤。所有代码都详细提供了详尽的注解,并且融入了研究团队在本领域的研究成果。
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页