目錄
模型預測控制(MPC)是一種更加複雜的控制器，它非常依賴於數學優化。MPC一般分為三個步驟：
1、建立車輛模型；
2、利用優化引擎計算有限範圍時間內的控制輸入;
3、執行第一組控制輸入;
MPC是一個重複的過程，它計算一系列控制輸入，並優化改序列。但MPC控制器實際只實現了序列中的第一組控制輸入，然後控制器再次重複該循環。
為什麼不執行整個控制輸入序列呢？是因為我們僅僅採用了近似測量與計算，如果實現了整個控制輸入序列，實際產生的車輛狀態與我們的模型會有很大的差異，必須在每個時間不斷的重新評估控制輸入的最優序列。
建立車輛模型
模型預估了一組控制輸入應用與車輛會發生什麼。
MPC預測越深入，控制器就越精確，但是需要的時間就越長，所以往往需要在速度和準確度之間做個平衡。
將模型輸入優化引擎
優化引擎通過密集搜索空間來尋求最佳解決方案，優化引擎依賴於物理模型的約束條件來減小搜索空間。
優化引擎可以間接評估控制輸入，首先對車輛軌跡進行建模，然後通過成本函數進行軌跡的評估，成本函數主要基於與目標軌跡的偏差、加速度、乘客的乘坐舒適度等。
模型控制預測(MPC)考慮了車輛模型，因此比PID控制器更加精確，它也適用與不同的成本函數，我們可以在不同的情況採用不同的成本函數。但是相對PID，MPC也更加的複雜，速度慢，難以實現，
分享到:
閱讀更多 半杯茶的小酒杯 的文章
