模型預測控制參數調整問題

目錄

一、預測時域的調整問題

二、控制時域

三、采樣周期

四、限制問題

五、

的真實含義

一、預測時域

的調整問題

預測時域作為 MPC 的重要參數之一，即預測的為來時間步長的數量，表示控制器對未來狀态的預測程度。若車速一定時，當預測時域很大時，控制器可以預測較遠的距離，但會産生較大的誤差，降低軌迹跟蹤精度；當預測時域較小時，在車輛轉向輪的轉向角速度限制的影響下，車輛又會因無法及時轉向而造成軌迹跟蹤失敗，是以不同的預測時域産生的控制效果不同。選擇一個合适的預測時域，控制器能夠更好地預測系統未來輸出，根據目前誤差及時修正系統輸入信号。

綜合考慮跟蹤精确性和行駛穩定性，在低速時采用較小的預測時域，而高速情況下采用較大的預測時域有良好的跟蹤精确性和行駛穩定性。這是因為在模型預測算法中，當預測時域較大時，控制器會考慮更多的未來軌迹趨勢變化，造成跟蹤精度下降。我建議預測範圍選擇20-30。

二、控制時域

控制時域的變化對控制器跟蹤效果影響較小，主要是因為回報校正控制器僅将控制增量的第 1 個元素作用于系統。根據經驗，我們将控制時域一般選為預測時域的10%到20%。

三、采樣周期

通過選擇采樣周期，我們确定控制器執行控制算法的速率。如果太大，當出現幹擾時，控制器無法足夠快地對幹擾做出反應。如果采樣時間太短，則控制器對幹擾和設定值的變化的反應會更快，但是會導緻過多的計算負荷。

四、限制問題

限制可以是軟限制也可以是硬限制，不能違反硬限制但可以違反軟限制。假設MPC控制器通過調節油門踏闆來控制這輛車的速度，由于油門踏闆的移動量存在實體限制，是以我們希望有一個嚴格的限制條件，是以油門踏闆的位置保持在一定的範圍内。我們可能還想強制速度保持在某些值之間，但是對輸入和輸出都施加嚴格的限制并不是一個好的主意，因為這些限制可能會互相沖突，導緻無法解決優化問題。

我們建議輸出限制設定為軟限制，并避免對輸入和輸入的變化率産生硬限制。

五、

的真實含義

我們在進行公式推導過程中，經常會遇到一個參數“

”，剛開始進行學習的朋友會感覺到很迷茫。

其實推導過程中括号裡面的

是

的縮寫 ,

是系統目前的時刻，

是采樣周期。假設車輛的速度為

,那麼車輛在預測時域内走過的距離為

。