无人驾驶车辆与模型预测控制（三）——模型预测控制算法基础
发布时间
阅读量：
阅读量
0 模型预测控制三个步骤
- 预测模型：基于已有数据推算系统响应。
- 滚动优化：采用滚动窗口策略实现性能指标最优，在线持续更新参数。
- 反馈校正：通过动态反馈机制不断调整预测结果以适应实际测量值。
图例：
对于参考轨迹1，在时刻k作为当前时刻时，在时间区间[K, K+Np]内对系统输出进行预测。基于某一优化目标求解相应的优化任务后可获得预测控制量4，并将其控制序列的第一个元素作为实际施控量使用。在下一计算周期重复上述步骤（滚动法）。
根据所采用的不同模型, 模型预测控制主要包括动态矩阵控制(DMC)、模型算法控制(MAC)以及广义预测控制(GPC)等方法。针对无人驾驶车辆的方向, 其核心则聚焦于基于状态空间模型的预测控制策略。
非线性系统线性化方法
具体编程时的流程
- 首先建立此系统对应的动态方程，并将其转化为状态空间表达式。
- 将系统模型进行线性化处理。
- 建立相应的预测模型。
- 将其转化为二次规划问题。
- 通过求解器求解上述二次规划问题。
在Matlab程序设计中，默认设置下所使用的控制变量包括v和w两个参数。
非线性化方法
- 定义cost function为目标函数，并将其设定期望的量序列作为自变量，在系统中实现轨迹跟踪误差作为输出变量。
- 滚动优化问题即建立基于滚动预测模型的最优控制策略，并通过求解该模型来实现系统性能的提升。
matlab程序中采用决策变量向量形式表示控制量u=[v, 前轮偏角]。
线性约束下的二次型规划控制
考虑线性系统时，在将状态变量与控制变量的二次型积分用作性能标准的情形下，则该类动态系统的最优化问题被称为基于二次型性能指标的状态反馈最优控制系统。
LQR在无人驾驶车辆路径跟踪中的应用
无人驾驶中基于LQR设计前馈-反馈控制系统：其中控制量设定为[前轮偏角]和速度v，并将其常数值作为参数。
- 基于参考轨迹确定前馈控制量（对应未被处理的轨迹的状态量）
- 通过线性化处理获得了车辆的状态空间模型（该模型与现有线性化方法所得的结果一致）
- 定义LQR评价函数
- 采用拉格朗日乘子法引入运动约束条件，并建立无约束形式的最优化模型。
- 采用递推关系式计算控制变量，并通过逆推的方式逐步计算直至当前位置时刻。
全部评论 (0)
还没有任何评论哟~