准研一，准备做混动方向，先学一下MPC相关知识
DR_CAN的视频：【MPC模型预测控制器】1_最优化控制和基本概念：
【MPC模型预测控制器】1
1.最优化控制 Optimal Control
最优化控制的目的 Motivation:
在约束条件下达到最优的系统表现 Get the best performance within certain limitation
- 约束条件：物理限制等等；
- 最优：综合分析的结果，不是绝对的。
举个例子：汽车变道的轨迹选择
如上图所示，有两条线路可以选择，红色的线路1行驶距离短，速度快，较为舒适，绿色的线路2考虑到了紧急避障，需要迅速变道。因而在这个问题中，最优结果是相对的，不是绝对的。
2.数学模型 Mathematical Model
将上述的车辆行驶轨迹用数学模型表示。
2.1 SISO模型
SISO (Single Input Single Output，单输入单输出) 用以下系统框图表示：
r(t)：系统参考值
u(t)：输入
y(t)：输出
e(t)：误差 e(t) = y(t) - r(t)
从轨迹追踪的角度来看：
越小，跟踪效果越好（误差越小）
越小，输入越小（输入越小）
引入代价函数（Cost Function）：
最优化的过程即设计控制器的 
，使得 
取得最小值
和 
均为调节参数，
时，更看重误差，
时，更看重能耗。
2.2 MIMO模型
再扩展至MIMO（Multiple Input Multiple Output，多输入多输出）用状态空间表示：
例：
参考值 
误差 
其中 
和 
是调节矩阵，
、
、
、
为调节系数。
3.模型预测概念
通过模型来预测系统在某一未来时间段内的表现来进行优化控制。
注：多用于数位控制，多采用离散型状态空间表达式，即 
离散时采用欧拉法
（在k时刻）
步骤：
Step1：估计/测量读取当前系统状态（可测量则测量，不可测量则估计）
Step2：基于 
进行最优化
如下图所示：
~ 
预测区间 Predictive Horizon
~ 
控制区间 Control Horizon
的选取即为最优化问题
代价函数
终端误差 Terminal Cost 表示最终代价（预测时间最末端误差的代价）
Step3：只取 
(只选取 
时刻作为预测结果，因为预测存在局限性)
在预测 
点的时候，预测区间和控制区间向右移动一时刻，以此预测未来的表现，这个过程叫做滚动优化控制 Receding Horizon Control
MPC特点：
- 在每一步都需要进行一次最优化计算，因此对控制器计算能力要求较高
- 求解最优化问题时，会考虑系统的约束
