利用一阶方法在嵌入式系统中高效在线更新模型预测控制

模型预测控制（MPC）通常以计算量大为特征，因为它需要在线求解优化问题；当其考虑在嵌入式系统中实现时，这一点尤为关键。为减轻优化算法的计算负担，多数求解器尽可能执行离线操作，典型做法是将昂贵矩阵的计算与分解离线完成并存储于嵌入式系统中。这提升了求解器效率，缺点是若 MPC 公式的某些要素发生在线改变，则需在线执行这些昂贵计算。本文提出一种高效算法，用于对应用于线性 MPC 公式的若干一阶优化方法中的关键矩阵进行分解，使其预测模型与代价函数矩阵能以较小计算代价在线更新。我们给出了将所提方法与文献中其他求解器应用于线性时变系统的对比结果。