最优二次型小节

最优二次型与MPC很相似。有着相同的损失函数，唯一不是十分相同的就是在最优二次型的里面不含有硬约束。

当然如果控制步长为一，并且带有一段预瞄距离，则LQR转变成了单步的模型预测控制。

废话不说，我发行除了求解LQR比较麻烦以外，这LQR就没有什么复杂的（这里必须要吐槽一下自动控制原理第六版，因为里面求解的K矩阵与目前Apollo代码，相差较大

无奈之下，只能按照泛函去推导，推导过后仍发现不一样，最终我妥协了，我还是按照matlab官方文档去求解反馈矩阵）

实际上LQR就一个公式：

X(K+1) = AX(K)+BU(K)

将U(K) = -kX(k) 

而在自动控制原理书中从泛函角度分析，构建哈密顿函数，通过欧拉方程求解最优控制u，

若实际中包含软约束，则u是拉格朗日系数lamda的函数。

u = f(lamda)

假设lamada = px ，则可以将u变换成了kx的形式。

今天同事问为什么一定是u= -kx ，为什么不是 u=kx呢？原因是将u=-kx带入得到：

X(K+1) = (A-BK)X(K) ;

其中我们希望A-BK要小于0 ；

相当于：

X(K+1) = -KX(K) ;

绘制x(k+1) 与x(k)的图可知。只有A-BK <0 ,该条曲线横跨2、4项限，最终可以收敛，否则一直发散。

具体怎么求的，就不再严格推导了。因为发现推导方法，一人一个，最终求解方法决定参考apollo的方法了。