MPC控制器(一)

MPC

1. MPC主要概念

1.1 MPC:模型预测控制

1. MHC：滚动时域控制
2. RHC：后退时域控制
3. DMC：动态矩阵控制
4. GPC：广义预测控制
   
   MPC工作机理：在每一个采样时刻K，获取当前的测量信息，在线的求解一个有限时域。即在有限时间的优化问题。并且将得到的控制序列里面的第一个值作用到被控对象里，在一个采样过程中，重复上述过程，用新的测量值刷新优化问题，重新求解，这种在线的、不断迭代的获取这个优化序列是mpc和传统控制最主要的一个区别。

1.2 控制中的约束

实际系统中存在各种各样的约束

1. 机械约束
2. 性能约束（超额）
3. 安全约束（温度、压力）

最优的控制量往往接近约束。

经典控制理论处理约束的办法：
（1）遇到问题就提出约束条件
（2）设置目标点在有效远离约束的地方
（3）在低于最高标准的条件下运作
经典控制理论没有系统解决控制约束问题，MPC就是比较系统解决控制约束的一种方法。
（1）一开始就把约束放到设计里
（2）设置的目标不用放的很远
（3）能够整体优化系统

1.3 MPC现实应用

设置的约束：
（1）避免碰到车
（2）在车道里
（3）不要打滑
（4）油门限制
目标：快速行驶一圈

问题：发生一些意外状况，比如看不到一个车在角落，必须引入反馈
处理办法：
（1）不断更新周围环境的信息，得到一个控制序列
（2）将控制序列的第一个元素u(k)到这个控制器里
（3）不断重复这个过程

1.4 理论基础

2. 模型预测控制主要框架

首先将过去的$u_{k-1}$输入到模型里得到一系列输出$y_k,y_{k+1},...,y_{k+p}$然后返回到和参考轨迹相减得到future error，将future error、代价函数、约束输入到优化器得到当前输入$u_{k|k}^{\ast }$，不断重复上述过程。