因为“Model Predictive Control: Theory, Computation, and Design”这本书内容还是非常详细的,这里借助一篇课程笔记讲一下模型预测控制的简要内容和概念。
这本书是斯坦福AA203“最优化与基于学习的控制”课程笔记’AA203: Optimal and Learning-based Control Course Notes - Course notes for AA203' by StanfordASL GitHub。这本笔记呢,私以为涉及概念比较全面,写的比较简洁,通俗易懂,同时也对最优控制与learning-based control的概念进行了介绍。
https://github.com/StanfordASL/AA203-Notesgithub.com#===========
MPC基本问题
模型预测控制解决的是一个有限时域最优控制问题,所以也被称作有限时域控制,算法的大概结构是:
1. 在每个采样时间t,求解有限时域的开环最优控制问题;
2. 在随后的采样间隔内[t, t+1)应用生成的最优输入信号;
3. 在下一个时刻t+1,基于上个状态的测量值求解新的最优控制问题。
考虑离散时间线性定常系统的原点调节问题