运动控制算法PID、LQR、MPC三者的原理及区别

目录

运动控制算法

一、PID（比例-积分-微分控制器）

二、LQR（线性二次调节器）

三、MPC（模型预测控制）

四、对比 

---

运动控制算法

一、PID（比例-积分-微分控制器）

原理：PID（Proportion Integral Differential）控制器基于控制偏差（即期望值与实际值之间的差值）来计算控制输入。它由三部分组成：

比例（P）：与当前偏差成正比，用于快速减小偏差。

积分（I）：与偏差的累积成正比，用于消除长期偏差，确保系统最终能达到期望值。

微分（D）：与偏差变化率成正比，用于预测未来偏差，提高系统响应速度和稳定性。

特点： 不需要系统模型。 实现简单，调节方便。 适用于广泛的控制系统。 难以处理复杂、高度非线性的系统。

二、LQR（线性二次调节器）

原理：LQR（Linear Quadratic Regulator）是一种最优控制策略，旨在最小化一个代价函数。代价函数通常包括系统状态与期望状态之间的偏差（二次项以确保对偏差的平方做出惩罚）和控制输入的成本。LQR假定系统是线性的并且目标函数是二次的，通过求解Riccati方程，计算出让代价函数最小化的控制律。

特点： 需要精确的系统线性模型。 通过数学优化求得控制策略。 适用于线性或近似线性系统。 不直接处理系统约束。

三、MPC（模型预测控制）

原理：MPC（model predictive control）基于系统模型预测未来一段时间内的行为，通过优化一个包含未来行为的代价函数来计算控制输入。每个控制周期内，只实施当前时刻计算得到的控制输入，然后基于新的测量数据再次进行预测和优化，形成闭环控制。

特点： 需要系统的模型，可以是线性或非线性的。 能够处理系统的约束（输入、输出、状态等）。 计算成本高，特别是对于大规模或非线性问题。 适用于复杂系统和约束条件严格的场景。

四、对比 

应用范围： PID：适用范围最广，尤其是在工业控制系统中。

LQR：更适用于需要精确模型和优化性能的场合，主要是线性或近似线性系统。

MPC：适用于复杂、高度非线性系统，特别是当系统存在严格约束时。

计算复杂性： PID：最低。 LQR：中等，需要求解Riccati方程。

MPC：最高，每个控制周期都需进行在线优化。

模型依赖性： PID：不依赖模型。 LQR：需要精确的线性模型。 MPC：需要模型，可以是线性或非线性的。

处理约束能力： PID：通常不直接处理约束。 LQR：不直接处理约束。 MPC：能够直接处理约束，是其主要优点之一。

总而言之，这三种控制策略在面对不同类型的控制需求和系统特性时各有千秋。选用哪种策略取决于系统的复杂度、性能需求、计算资源以及对约束的处理需要。