# 要靠谱啊千万千万【MPC模型预测控制器】1_最优化控制和基本概念_哔哩哔哩_bilibili背景知识State Space状态空间Feedback Control反馈控制Advanced控制理论和卡尔曼滤波DR_CAN的个人空间-DR_CAN个人主页-哔哩哔哩视频一、最优控制1.定义最优控制在满足各种物理约束如电机转速上限、电池电量的前提下找到一种控制策略让系统的某个性能指标如飞行时间最短、最省电、最精准达到极致最大或最小。2.SISO单输入单输出1参数r(t)期望值y(t)实际输出值ey(t)-r(t)误差等于实际y减去期望ru(t)控制的输入值控制指令的控制量笔记里的框图2cost function目标MPC要让这个J总代价最小3结果q与r是两个调节参数3.【引入MIMO前的背景】状态空间【Advanced控制理论】2_状态空间_State Space_哔哩哔哩_bilibili数学记号如下关于阻尼里边B可以理解为摩擦系数1题目阻尼摩擦系数B外部给的输入u(t)f(t),向右的正方向x然后列牛二定理拉普拉斯变换把微分变成乘法引入状态空间从二阶微分方程 mx¨Bx˙kxf(t) 变成状态空间2解得系统的空间状态方程接下来都是计算步骤3总结1.传递函数2.状态方程4)重要的参数概念4.MIMO多输入多输出MIMO的cost function其中通过设置权重矩阵 Q、R的不同数值可灵活调整无人机对跟踪精度与能量消耗的侧重程度。二、MPC基本概念最终ppt1.MPC概念通过模型来预测系统在某一未来时间段内的表现 来进行优化控制有个离散型状态空间表达2.核心想法MPC最优控制理论滚动重算优化体现在动态体现在最后得到让J最小的那一组u之后只取当前k时刻的Uk3.关于离散型的这个状态方程解读1参数Uk控制量2为啥离散型3哪些已知哪些未知数4.MPC里边的优化最优控制和MPC关系5.整个流程1估计/测量当前系统状态Xk2基于一组一组模拟出来的Uk Uk1...以及根据离散状态方程算出来的对应XkXk1...带入J损失方程最优化得到一组U使得J最小离散型J的方程如下(3)第二步骤里得到最优解时刻的Uk Uk1 Uk2但是只取当前时刻Uk6.帮助理解动态的整个过程