模型预测控制(MPC)笔记

模型预测控制是以针对受控体模型的迭代式、有限时域滚动（finite-horizon）最佳化为基础。在时间t时针对受控体的状态取样，并且针对未来一段很短的滚动时域[t,t+T]，计算使费用最小化的控制策略（数值最小化演算化）。特别会使用在线或是on the fly的计算来探索由目前状态演进的状态轨迹，并且（透过欧拉-拉格朗日方程）计算在时间t+T之前的费用最小化策略。控制策略只会实现其中的第一步，之后会再取样系统的状态，再由新的状态去计算新的控制策略，并且预测新的状态路径。预测的时间域会渐渐前进，因此模型预测控制也称为滚动域控制（receding horizon control）。虽然此方法不一定是最佳化的，但在实务上有不错的效果。有计多的学术研究致力于找到欧拉-拉格朗日形式方程的快速求解方式、找到MPC局部最佳解的全域稳定性，以提升模型预测控制的效果。有些情形下，理论学家在模型预测控制上的成果已差不多要赶上控制工程师的水准了