MPC（模型预测控制，差分底盘距离）

参考博客地址：

https://blog.csdn.net/weixin_43879302/article/details/105880972?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.edu_weight

状态方程：

这里的状态方程是非线性化的，无法直接使用。需要在参考值ref处通过一阶泰勒公式进行展开，这个时候就可以得到A和B矩阵，是通过雅克比矩阵得到的。

这个地方并不是将整个过程线性化了，而是将误差进行了线性化。

注意这里多了一个O矩阵，是将偏差部分单独拿出来成立了一项。

控制量的参考值是0，所以没用。

位置的参考值是通过轨迹规划确定的，这个是与时间严格相关的。

这个时候的运动方程还是无法直接使用，需要进行离散化，形成一个递推公式。

状态预测过程：

只是一个滚动优化的过程。形成多个预测时域和控制时域。

这里的参考点是严格与时间相关的，从轨迹规划的图中根据时间找到位置。

通过二次规划器找到最优解，将第一项作为输出。

这是一种基于偏差的方法，具体需要见视频，内在逻辑是一样的。

https://www.bilibili.com/video/BV1HQ4y1P7bJ?p=8

最后

以上就是坦率胡萝卜最近收集整理的关于MPC（模型预测控制，差分底盘距离）的全部内容，更多相关MPC（模型预测控制内容请搜索靠谱客的其他文章。