几种简单的控制算法对比【一看就会】【PID,LQR,MPC】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

好久不见。
上一篇文章详细介绍了三种控制算法的原理，让大家有了个基础的认识，但是实际过程中，如何根据实际工况进行使用，以及三种算法的各自优缺点，我们在这篇文章中总结。

一、各自特点

PID
优点：
最简单的算法，应用最广适应性最强的算法。
不需要任何模型，纯靠比例-积分-微分进行矫正。
缺点：
复杂的工况，非线性系统等难以解决。
LQR
线性二次最优控制。
需要精确的系统线性模型。（
）
通过数学优化计算成本函数，得到控制策略也就是控制增益矩阵。
不直接处理系统约束。（整个计算系统中没有约束直接参与）
只适用于线性系统。

MPC&NMPC
优点：
需要事先得到系统的模型，可以是线性也可以非线性。
能够处理系统的约束。（在优化模型中使用）
适用于复杂场景模型和非线性问题
缺点：
计算成本很高，需要滚动优化

二、应用场景和工况

PID
简单工况。
但输入输出
电机控制。
遇事不决，就用PID
在较为简答并且固定的工况下，不断调整三个系数，总能得到一个非常好的效果。
如果你毕设时，用自己创造的算法得不到一组特别好的实验数据时，可以用PID试一下。

LQR
适合模型精确的线性系统。
多输入输出
适用于机器人控制，机械臂控制。
算力要求较MPC小，且可以使用离线模型。
Apollo中的横向控制采用了LQR模型。
MPC
多输入多输出
多用于复杂，非线性系统，且受约束严格，比如自动驾驶领域，无人机领域等。

---

总结

先简单总结了一下，关于三种算法的相关特性和选择以及适用场景，我会在本篇文章中持续更新。