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,
閱讀更多 半杯茶的小酒杯 的文章