模型预测控制

人工智能【第37篇】模型预测控制MPC：AI的预测与规划能力作者的话：在前面的强化学习系列中，我们学习了如何让AI通过与环境交互来学习最优策略——这是无模型（Model-Free）的方法。但在许多实际应用中，我们拥有系统的动力学模型（如物理定律、运动学方程），这时可以使用模型预测控制（Model Predictive Control, MPC）。MPC利用模型预测未来，通过优化求解最优控制序列，具有可解释性强、安全性高、sample效率高等优点。本文将带你深入理解MPC的原理，并实现完整的MPC控制器！

StopTheWorld丶

【模型预测控制】基于MPC的二阶弹簧阻尼系统轨迹跟踪控制回顾所掌握的技能，发现之前更多的是在研究传统领域的知识，比如鲁棒控制H∞/μ、线性控制（PID、LQR、ADRC）、非线性控制（滑模、模糊）以及传统优化方法（粒子群、差分进化），发现还是需要补一些新兴领域的知识，如深度强化学习—新兴神经网络—模型预测控制等领域的知识，后续打算重点学习这三块，下一篇小论文就往人工智能方向靠。

BestOrNothing_2015

MPC模型预测控制：从基本概念到数学推导（基于 DR_CAN 课堂笔记整理）目录前言1️⃣ 什么是 MPCMPC 四要素2️⃣ MPC 为什么需要“预测”3️⃣ MPC 中的三个重要“区间”

BestOrNothing_2015

运动学模型推导 + 离散化 + 工程化版本（适用于前方单舵轮 AGV / 自动驾驶 / MPC）目录模型推导：前言一、自行车模型结构（Bicycle Model）二、速度分解 —— 最关键的一步三、无侧滑约束（No-Slip Constraint）

MATLAB - 小车倒立摆的非线性模型预测控制（NMPC）目录系列文章目录前言一、摆锤/小车组件二、系统方程三、控制目标四、控制结构五、创建非线性 MPC 控制器

【MPC学习笔记】02：MPC详细简介（Lecture 1_1 Unconstrained MPC）本笔记来自北航诸兵老师的课程课程地址：模型预测控制（2022春）lecture 1-1 Unconstrained MPC 接上一篇：【MPC学习笔记】01：MPC简介（Lecture 1_1 Unconstrained MPC）

MATLAB - 最优控制（Optimal Control）最优控制是动态系统满足设计目标的条件。最优控制是通过执行以下定义的最优性标准的控制律来实现的。一些广泛使用的最优控制方法有：

TinyMPC - CMU （卡耐基梅隆大学）开源的机器人 MPC 控制器CasADi - 最优控制开源 Python/MATLAB 库TinyMPC：资源受限微控制器上的模型预测控制

我是有底线的