基于ARM-Linux平台的显式模型预测控制算法实现

张 聚 蔡文豹 谢碧锋

(浙江工业大学信息工程学院，杭州 310023)

在ARM-Linux平台上对显式模型预测控制算法的实物仿真实现进行研究，以方便分析显式模型预测控制算法的实际控制效果.因为显式模型预测控制算法中的线性约束二次最优控制问题多参数二次规划求解是在离线计算部分计算完成的，本文讨论的是离线计算后的下一个步骤，即在线计算阶段.作者在对EMPC算法的实现中发现，由于该算法的大部分计算任务都已经在上位机的离线计算中完成，在在线计算过程中，实际的控制计算可以转化为纯粹数据搜索问题，本文对其具体的实现方式进行详细介绍.总体而言，本文得到的结果可以证明显式模型预测控制算法较好的控制效果及非常小的CPU资源占用率，以牺牲存储空间的代价来换取时间的优势，在实际应用中可以大大降低控制系统的硬软件成本.

显式模型预测的核心思想就是引入了多参数二次规划理论.在线性时不变对象的约束二次优化控制问题的求解中，对系统的状态区域(即参数区域)进行凸划分，根据最优问题求解其解，计算得到其状态与最优解之间的显式函数关系式，即状态分区上的最优控制律.它与传统的模型预测控制算法不同的是显式模型预测控制算法在离线计算阶段就计算得到了控制系统的状态分区及其对应分区上的显式线性规律.在线控制时，控制器计算只是通过得到的系统……