MPC白话学习记录

从B站 DR_CAN 博主学来的
这里

前提：

1. x=Ax+Bu ,其中x表示状态是车辆的反馈量，如车速、位姿，角度等等，目的是输入给控制。u是控制的控制变量，是最终优化后输出的东西用于控制车，如横向加速度，车轮转角、方向盘转角、速度等。
   从上面公式可以看出控制表达式的特点：你中包含我，我中有你（状态既要输入，输出的控制变量又会反过来影响状态）

2. x长度可以和u不对应，比如x可以包含【位置x,位置y,yaw,speed】,u=【加速度a】如下所示： n个状态，p个控制量
   
   3： x(k)表示当前状态，u(k)表示当前输出控制量，x(k+1)表示在控制量u(k)下 被控对象（模型） 反馈回来的下一次状态

视频整体思路（三个视频总结）：

1：明确了目标函数/状态函数J 的目的，和怎么来的。
即：一个时间窗口下所有累计 状态平方误差+控制量平方误差+终端结束时差那一点的差 。注意：这时x(k),u(k)只是一个向量，如某一时间车轮速度，位置x,y,角度 :x(k)=[1m/s,2m,1m,0.2rad]

2:将单步x=Ax+Bu 推导为多步下的 输入输出控制表达式：Xk,Uk
目的：因为MPC是时间窗口下预测，所以不能在是单步

推导过程：

3：改造J 变成多时间步长

4：再将改造后多步长代价函数J 改写为符合二次规划可以计算的形式。
（为了求解改写）
注意：巧妙还在于消除了大X（k)矩阵，使得J，只包含一个变量矩阵U（k） 和xk常数。

各个矩阵规模：

此时u是单变量控制，若包含两个变量，则U（k）应该为61*