开发者说 | Apollo代码学习—MPC与LQR比较
知
识
点
敲黑板,本文需要学习的知识点有
正定矩阵 车辆运动学模型
对角矩阵 半正定矩阵
期望 最优控制
LQR (线性二次调解器)理论是现代控制理论中发展最早也最为成熟的一种状态空间设计法。特别
可贵的是,LQR可得到状态线性反馈的最优控制规律,易于构成闭环最优控制。
LQR 最优设计是指设计出的状态反馈控制器 K 要使二次型目标函数 J 取最小值,而 K 由权矩阵 Q 与
R 唯一决定,故此 Q、R 的选择尤为重要。
MPC(模型预测控制)是一种先进的过程控制方法,在满足一定约束条件的前提下,被用来实现
过程控制,它的实现依赖于过程的动态模型(通常为线性模型)。
在控制时域(一段有限时间)内,它主要针对当前时刻进行优化,但也考虑未来时刻,求取当前时
刻的最优控制解,然后反复优化,从而实现整个时域的优化求解。
本文由社区开发者——吕伊鹏撰写,对MPC与LQR进行了较为详细的比较,希 望 这 篇 文 给 感 兴 趣
的 同 学 带 来 更 多 帮 助 。
Apollo中用到了PID、MPC和LQR三种控制器,其中,MPC和LQR控制器在状态方程的形式、状
态变量的形式、目标函数的形式等有诸多相似之处,因此结合自己目前了解到的信息,将两者进
行一定的比较。
MPC(Model Predictive Control,模型预测控 制) 和LQR(Linear–Quadratic Regulator, 线
性二次调解器) 在状态方程、控制实现等方面,有很多相似之处,但也有很多不同之处,如工作时
评论6