Tag: 优化控制

专业术语

什么是模型预测控制？

模型预测控制（Model Predictive Control, MPC）是一种基于动态模型的最优控制方法，通过实时求解有限时域内的优化问题来计算控制指令。其核心思想是在每个控制周期内，利用当前系统状态和预测模型，对未来一段时间内的系统行为进行滚动优化，并只执行第一个控制量。这种「预测-优化-执行」的闭环机制使其能够有效处理多变量约束条件下的控制问题，在自动驾驶领域尤其适用于轨迹跟踪和避障等复杂场景。 在自动驾驶产品开发中，MPC因其显式处理约束的能力而成为运动控制层的首选算法。例如在路径跟踪场景中，MPC可以同时考虑车辆动力学约束、道路边界约束和执行器限制，通过优化方向盘转角和加速度指令，实现安全舒适的轨迹跟踪。现代实现中常结合深度学习提升预测模型精度，如使用神经网络建模轮胎非线性特性。需要注意的是，MPC的计算复杂度较高，工程落地时需在预测时域长度、模型精度和实时性之间权衡。

专业术语

什么是H无穷控制？

H无穷控制（H∞ Control）是一种基于数学优化的鲁棒控制方法，旨在设计对系统不确定性和外部干扰具有强韧性的控制器。其核心思想是通过最小化系统传递函数的H无穷范数（即频率响应的最大增益），确保在最恶劣工况下仍能维持稳定性和性能指标。这种方法特别适用于模型存在参数摄动或未建模动态的情况，例如自动驾驶车辆在复杂道路环境中面临的传感器噪声、路面扰动等问题。 在自动驾驶领域，H无穷控制常被用于横向和纵向运动控制系统的设计。与传统的PID控制相比，H∞控制器能更好地处理车辆动力学模型的不确定性，如载重变化导致的质心偏移，或轮胎侧偏刚度的非线性特性。例如在路径跟踪场景中，通过将道路曲率变化视为系统干扰，H∞控制可显著降低轨迹跟踪误差，这对于保证L3级以上自动驾驶系统的舒适性和安全性至关重要。当前研究趋势正将H∞控制与模型预测控制（MPC）结合，形成兼顾鲁棒性和优化性能的混合控制架构。