目录
模型预测控制(MPC)是一种更加复杂的控制器，它非常依赖于数学优化。MPC一般分为三个步骤：
1、建立车辆模型；
2、利用优化引擎计算有限范围时间内的控制输入;
3、执行第一组控制输入;
MPC是一个重复的过程，它计算一系列控制输入，并优化改序列。但MPC控制器实际只实现了序列中的第一组控制输入，然后控制器再次重复该循环。
为什么不执行整个控制输入序列呢？是因为我们仅仅采用了近似测量与计算，如果实现了整个控制输入序列，实际产生的车辆状态与我们的模型会有很大的差异，必须在每个时间不断的重新评估控制输入的最优序列。
建立车辆模型
模型预估了一组控制输入应用与车辆会发生什么。
MPC预测越深入，控制器就越精确，但是需要的时间就越长，所以往往需要在速度和准确度之间做个平衡。
将模型输入优化引擎
优化引擎通过密集搜索空间来寻求最佳解决方案，优化引擎依赖于物理模型的约束条件来减小搜索空间。
优化引擎可以间接评估控制输入，首先对车辆轨迹进行建模，然后通过成本函数进行轨迹的评估，成本函数主要基于与目标轨迹的偏差、加速度、乘客的乘坐舒适度等。
模型控制预测(MPC)考虑了车辆模型，因此比PID控制器更加精确，它也适用与不同的成本函数，我们可以在不同的情况采用不同的成本函数。但是相对PID，MPC也更加的复杂，速度慢，难以实现，
分享到:
閱讀更多 半杯茶的小酒杯 的文章
