MPC模型预测控制(1)最优化控制和基本概念

写博客第一天:今天是入简书以来第一次写博客,把学到的知识记录并复盘下来!此外,本次博客完全参考哔站大佬DR_CAN的视频的内容,感兴趣的小伙伴可以看看他的视频,对我有很大的帮助!链接DR_CAN

最优化控制和基本概念:

最优化控制(Optimal Control):Get the best performance within certain limitation    通俗来讲就是花最少的精力得到最满意的结果。

下图是一个典型的单输入单输出系统(SISO):

控制框图

假设该系统是一个轨迹跟踪控制系统,其中e为轨迹跟踪误差,u为控制输入,因此当\int_{0}^{t}e^2dt  越小时,就表明该控制器的跟踪性能越好;当\int_{0}^{t}u^2dt  越小时,就表明该控制器的输入越小,能量消耗就越低。基于此,我们可以引出代价(目标)函数(Cost/Objective Function):

                                                                                                    J=\int_{0}^{t} qe^2 +ru^2dt

其中q和r为权重系数,当q远远大于r时,控制器看重误差;当r远远大于q时,控制器看重输入,可根据现实中不同的控制系统要求调节。而最优控制的目标就是使得代价函数J最小。

接下来介绍一下多输入多输出系统,一个典型的多输入多输出系统可表达为:

                                                                                                    \frac{dx}{dt}=Ax+Bu

                                                                                                    Y=Cx

其代价函数就可以写为:

                                                                                                    J=\int_{0}^{\infty} E^TQE +U^TQUdt             

其中Q、R分别为调节矩阵。

例如:

                                                                                                   \frac{dx}{dt}  \begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}=A \begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}+B\begin{bmatrix}   u_{1}   \\   u_{2}  \end{bmatrix}

                                                                                                    \begin{bmatrix}   y_{1}   \\   y_{2}  \end{bmatrix}= \begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}

                                                                                                     R=\begin{bmatrix}   r_{1}   \\   r_{2}  \end{bmatrix}= \begin{bmatrix}   0   \\   0  \end{bmatrix}

                                                                                                      E=\begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}

                                                                                                      E^TQE=\begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}^T \begin{bmatrix}   q_{1} &0  \\    0 &q_{2}  \end{bmatrix}\begin{bmatrix}   x_{1}   \\   x_{2}  \end{bmatrix}= q_{1}x_{1}^2 +  q_{2}x_{2}^2

                                                                                                       U^TRU= r_{1}u_{1}^2 +  r_{2}u_{2}^2

其中q_{1}、 q_{2}、r_{1}、r_{2}为权重系数。

以上就是最优化控制的基本概念啦。了解了最优化控制,下一篇将介绍MPC预测控制器的原理和设计步骤!!!

                           

                                                                                                                                                                                                                  Effer 

                                                                                                                                                                                                  2021.10.19 

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容