在这个视频中,我们将讨论模型预测控制器是如何工作的。控制器的控制问题,目的是计算植物,植物的输入输出遵循所需的参考。模型预测控制器的策略来计算这个输入是预测未来。这听起来像是算命,但让我们看看什么是真的。
MPC的使用模型对未来作出预测植物输出行为。它还使用一个优化器,确保预测未来植物输出跟踪所需的参考。下面的例子走过这些步骤。
假设这是一个自主车由一个MPC控制器控制保持在中间的车道上。MPC能够处理像这样的MIMO系统,但为了简单起见,我们假设加速器是固定的,车是旅游以恒定速度,只有方向盘角被调整来控制汽车的横向位置。我们将首先关注控制器如何使用汽车模型,随后我们将讨论优化器。
让我们使用这个情节展示汽车的横向位置。纵轴反映了当前时间。任何背后反映了过去,和价值观,它展示了未来的权利。中间的车道是参考。让我们用绿线显示在图。在当前时间,MPC控制器使用汽车模型来模拟汽车的路径下p时间步骤如果方向盘会转过身来,比方说,。
P是衡量未来多远MPC看着未来,被称为预测地平线。通常是由未来的时间或未来时间步骤的数目。MPC控制器需要找到最好的预测路径,是最接近参考。所以,它模拟多个这样的未来情景。然而,它不做这些模拟随机顺序;相反,它以系统的方式。这就是优化器进入画面。通过求解一个优化问题,MPC控制器试图最小化误差之间的引用和预测路径的车。它还试图最小化方向盘角的变化从一个时间步。因为如果急剧转方向盘,车可能成为乘客不舒服,特别是如果他们的胃是满的。 The cost function J of this optimization problem includes both these terms and is represented as a weighted squared sum of the predicted errors and steering wheel angle increments.
同时最小化代价函数,MPC也确保方向盘角度和汽车的位置保持在规定范围内。这些被称为约束。例如,有一个限制多远可以转方向盘。另一个约束条件是汽车的位置。为了防止事故发生,汽车应该留在车道不。
在当前时间步,MPC控制器是解决优化问题的预测地平线而满足约束。最小的预测路径J给出了最优解,因此决定了最优方向盘角序列,将汽车尽可能参考。在当前时间步,MPC的第一步只适用于这种最优序列的汽车和忽视了。基于应用的方向盘角度,汽车旅行一段距离。在下一个时间步,控制器的新测量汽车的横向位置。比MPC控制器可能会稍有不同的预测。这可能是由于一些不可测量的干扰作用于汽车。例如,它可能是风或湿滑的路面。现在预测地平线前移一个时间步和控制器重复相同的计算周期来计算最优方向盘角为下一个时间步。因为发动的性质预测地平线,MPC也称为滚动时域控制。
这里我们讨论了货币政策委员会的工作原理使用汽车的例子,但在教科书你会发现通用的术语用于MPC。例如,计算信号的控制器和发送到植物被称为操纵变量,而植物输出被称为输出变量。您可能还注意到一个状态估计量的反馈关系图。在汽车的例子中,我们假设可以测量汽车的横向位置。但如果你不能直接测量的一个系统,他们可以通过状态估计估计量和反馈给MPC控制器。找出更多关于状态估计,检查控制技术系列卡尔曼滤波器。
在这个视频中,我们使用汽车的例子来演示MPC如何使用汽车模型和优化器来调整方向盘角度,这样汽车遵循所需的参考。下一节,我们将讨论MPC控制器等设计参数样本,预测和控制的视野,约束和权重。
