先上参考链接

【运动控制】Apollo6.0的mpc_controller解析

Apollo MPC OSQP Solver

详细的车辆横向动力学模型推导参考我另一篇博客

Apollo control模块横向控制原理及核心代码逐行解析

因为和上述链接里LQR控制的代码及框架类似，因此在此仅代码不赘述，主要介绍原理

MPC横纵向控制原理

一.mpc_controller框架

代码参见apollo/modules/control/controller/mpc_controller.cc

1.1 注册控制器

\modules\control\conf\control_conf.pb.txt里active_controllers: MPC_CONTROLLER
active_controllers: MPC_CONTROLLER

在这里激活不同的控制器。

LQR+PID 激活 LON_CONTROLLER + LAT_CONTROLLER

MPC控制只激活 MPC_CONTROLLER，横纵向耦合控制

1.2 InitializeFilters

初始化3个lpf低通滤波器

digital_filter_：二阶数字滤波器，用于对方向盘角度控制指令滤波

lateral_error_filter_：均值低通滤波器，对横向误差CTE进行滤波，滤波窗口大小mean_filter_window_size在control_conf.pb.txt种被定义为10个周期

heading_error_filter_：均值低通滤波器，对航向误差进行滤波，滤波窗口大小mean_filter_window_size同lateral_error_filter_

1.3 Init

1.3.1 LoadControlConf

LoadControlConf：加载控制配置文件中的参数到MPCLatController类的数据成员中

1.3.2 初始化车辆状态方程矩阵

车辆横向状态方程
X'=AX+Bu+B1*(φdes)'
初始化
A矩阵中常项，含速度项的后续继续处理；
B矩阵全常项，并 x ts进行离散化；
B1初始化为4x1的0矩阵；
X状态矩阵初始化为4x1的0矩阵；
MPC中的Q矩阵初始化4x4的矩阵，从配置文件读取；
MPC中的R矩阵初始化为1x1的单位矩阵，从配置文件读取；

1.3.3 调用InitializeFilters初始化3个低通滤波器

1.3.4 LoadMPCGainScheduler

从控制配置加载增益调度表

总共有4个增益调度表

lat_err_interpolation_：加载控制配置文件中的横向误差随车速的增益表到MPCController类数据成员，车速越大，Q矩阵中横向误差的权重系数就越小

heading_err_interpolation_：加载控制配置文件中的航向误差随车速的增益表到MPCController类数据成员，车速越大，Q矩阵中航向误差的权重系数就越小，低速偏重于横向误差，高速偏重于航向误差。

feedforwardterm_interpolation_：前馈项的增益表

steer_weight_gain_scheduler：控制量的增益表，R矩阵中控制量的惩罚系数 x 这个根据车速插值出来的ratio，车速越高，控制量的惩罚系数越大，ratio越大

1.4 ComputeControlCommand

UpdateState

函数作用：
1.计算横向控制所需的各个误差项，量放入debug指针；
2.更新车辆的状态矩阵matrix_state_，直接从上一步debug指针中取出横向/航项误差/误差率

UpdateMatrix

主要是更新车辆状态方程里的矩阵A,B1中与速度相关的项
matrix_a_
matrix_c_

FeedforwardUpdate

steer_angle_feedforwardterm_
主要是更新车辆状态方程里的前馈项里包含速度相关项

利用gain_scheduler根据当前车速更新

横向误差惩罚系数，航向误差惩罚系数，前馈控制量，MPC控制量惩罚系数

定义各种过程矩阵及滚动时域的矩阵序列

调用MpcOsqp优化求解器

输入各种参数及约束，调用\modules\common\math\mpc_osqp.cc
调用MpcOsqp类的成员函数solve求解，求解的结果放入control控制序列里，取出第一个时刻的控制量下发。
这个控制量先进行转速限幅，滤波，再百分比限幅，最后下发。

1.5 UpdateState

函数作用：
1.调用ComputeLateralErrors计算横向控制所需的各个误差项，量放入debug指针；
2.更新车辆的状态矩阵matrix_state_，直接从上一步debug指针中取出横向/航项误差/误差率

1.6 UpdateMatrix

主要是更新车辆状态方程里的矩阵A,B1中与速度相关的项
matrix_a_
matrix_c_

1.7 FeedforwardUpdate

steer_angle_feedforwardterm_
主要是更新车辆状态方程里的前馈项里包含速度相关项

1.8 ComputeLateralErrors

计算横向误差相关量放入debug指针

二. mpc_osqp求解器

OSQP二次规划优化求解器,求解MPC问题，代码位于apollo/modules/common/math/mpc_osqp.cc里，定义了MpcOsqp类，主要实现了OSQP优化求解MPC问题的功能。

2.1 框架

2.2 带参构造函数MpcOsqp

输入矩阵Ad,Bd,Q,R,初始状态阵X0,控制量上下边界，状态量上下边界，参考状态(0矩阵)，最大迭代次数mpc_max_iteration_，预测时域周期数horizon_，求解精度mpc_eps_，用输入参数去初始化类对象的数据成员

MpcOsqp::MpcOsqp(const Eigen::MatrixXd &matrix_a,const Eigen::MatrixXd &matrix_b,const Eigen::MatrixXd &matrix_q,const Eigen::MatrixXd &matrix_r,const Eigen::MatrixXd &matrix_initial_x,const Eigen::MatrixXd &matrix_u_lower,const Eigen::MatrixXd &matrix_u_upper,const Eigen::MatrixXd &matrix_x_lower,const Eigen::MatrixXd &matrix_x_upper,const Eigen::MatrixXd &matrix_x_ref, const int max_iter,const int horizon, const double eps_abs): matrix_a_(matrix_a),matrix_b_(matrix_b),matrix_q_(matrix_q),matrix_r_(matrix_r),matrix_initial_x_(matrix_initial_x),matrix_u_lower_(matrix_u_lower),matrix_u_upper_(matrix_u_upper),matrix_x_lower_(matrix_x_lower),matrix_x_upper_(matrix_x_upper),matrix_x_ref_(matrix_x_ref),max_iteration_(max_iter),horizon_(horizon),eps_abs_(eps_abs) {state_dim_ = matrix_b.rows();control_dim_ = matrix_b.cols();ADEBUG << "state_dim" << state_dim_;ADEBUG << "control_dim_" << control_dim_;num_param_ = state_dim_ * (horizon_ + 1) + control_dim_ * horizon_;
}

state_dim_是状态矩阵的维度，等于矩阵Bd的行数

control_dim_是控制矩阵的维度，等于矩阵Bd的列数

num_param_是OSQP求解器待求解的变量X包含的参数个数

2.3 CalculateKernel

计算二次规划标准形式中的矩阵P

void MpcOsqp::CalculateKernel(std::vector<c_float> *P_data,std::vector<c_int> *P_indices,std::vector<c_int> *P_indptr) {// col1:(row,val),...; col2:(row,val),....; ...std::vector<std::vector<std::pair<c_int, c_float>>> columns;columns.resize(num_param_);size_t value_index = 0;// state and terminal statefor (size_t i = 0; i <= horizon_; ++i) {for (size_t j = 0; j < state_dim_; ++j) {// (row, val)columns[i * state_dim_ + j].emplace_back(i * state_dim_ + j,matrix_q_(j, j));++value_index;}}// controlconst size_t state_total_dim = state_dim_ * (horizon_ + 1);for (size_t i = 0; i < horizon_; ++i) {for (size_t j = 0; j < control_dim_; ++j) {// (row, val)columns[i * control_dim_ + j + state_total_dim].emplace_back(state_total_dim + i * control_dim_ + j, matrix_r_(j, j));++value_index;}}CHECK_EQ(value_index, num_param_);int ind_p = 0;for (size_t i = 0; i < num_param_; ++i) {// TODO(SHU) Check thisP_indptr->emplace_back(ind_p);for (const auto &row_data_pair : columns[i]) {P_data->emplace_back(row_data_pair.second);    // valP_indices->emplace_back(row_data_pair.first);  // row++ind_p;}}P_indptr->emplace_back(ind_p);
}

这个函数没有完全看明白，不过前两个for循环很好理解，就是将Q，R矩阵塞到QP问题的海森矩阵P里

2.4 CalculateGradient

计算二次规划标准形式中的矩阵q

// reference is always zero
void MpcOsqp::CalculateGradient() {// populate the gradient vectorgradient_ = Eigen::VectorXd::Zero(state_dim_ * (horizon_ + 1) + control_dim_ * horizon_, 1);for (size_t i = 0; i < horizon_ + 1; i++) {gradient_.block(i * state_dim_, 0, state_dim_, 1) =-1.0 * matrix_q_ * matrix_x_ref_;}ADEBUG << "Gradient_mat";ADEBUG << gradient_;
}

不过这里呢，因为Apollo输入的参考状态矩阵matrix_x_ref始终是0其实这个q也始终是0矩阵吧

2.5 CalculateEqualityConstraint

计算二次规划约束中的矩阵Ac

void MpcOsqp::CalculateEqualityConstraint(std::vector<c_float> *A_data,std::vector<c_int> *A_indices,std::vector<c_int> *A_indptr) {static constexpr double kEpsilon = 1e-6;// block matrixEigen::MatrixXd matrix_constraint = Eigen::MatrixXd::Zero(state_dim_ * (horizon_ + 1) + state_dim_ * (horizon_ + 1) +control_dim_ * horizon_,state_dim_ * (horizon_ + 1) + control_dim_ * horizon_);Eigen::MatrixXd state_identity_mat = Eigen::MatrixXd::Identity(state_dim_ * (horizon_ + 1), state_dim_ * (horizon_ + 1));ADEBUG << "state_identity_mat" << state_identity_mat;matrix_constraint.block(0, 0, state_dim_ * (horizon_ + 1),state_dim_ * (horizon_ + 1)) =-1 * state_identity_mat;ADEBUG << "matrix_constraint";ADEBUG << matrix_constraint;Eigen::MatrixXd control_identity_mat =Eigen::MatrixXd::Identity(control_dim_, control_dim_);for (size_t i = 0; i < horizon_; i++) {matrix_constraint.block((i + 1) * state_dim_, i * state_dim_, state_dim_,state_dim_) = matrix_a_;}ADEBUG << "matrix_constraint with A";ADEBUG << matrix_constraint;for (size_t i = 0; i < horizon_; i++) {matrix_constraint.block((i + 1) * state_dim_,i * control_dim_ + (horizon_ + 1) * state_dim_,state_dim_, control_dim_) = matrix_b_;}ADEBUG << "matrix_constraint with B";ADEBUG << matrix_constraint;Eigen::MatrixXd all_identity_mat =Eigen::MatrixXd::Identity(num_param_, num_param_);matrix_constraint.block(state_dim_ * (horizon_ + 1), 0, num_param_,num_param_) = all_identity_mat;ADEBUG << "matrix_constraint with I";ADEBUG << matrix_constraint;std::vector<std::vector<std::pair<c_int, c_float>>> columns;columns.resize(num_param_ + 1);int value_index = 0;// state and terminal statefor (size_t i = 0; i < num_param_; ++i) {  // colfor (size_t j = 0; j < num_param_ + state_dim_ * (horizon_ + 1);++j)  // rowif (std::fabs(matrix_constraint(j, i)) > kEpsilon) {// (row, val)columns[i].emplace_back(j, matrix_constraint(j, i));++value_index;}}ADEBUG << "value_index";ADEBUG << value_index;int ind_A = 0;for (size_t i = 0; i < num_param_; ++i) {A_indptr->emplace_back(ind_A);for (const auto &row_data_pair : columns[i]) {A_data->emplace_back(row_data_pair.second);    // valueA_indices->emplace_back(row_data_pair.first);  // row++ind_A;}}A_indptr->emplace_back(ind_A);
}

按照分块矩阵往Ac里塞A,B,I

Eigen库Eigen::MatrixXd定义矩阵分块操作函数.block()的用法

2.7 CalculateConstraintVectors

计算二次规划约束中的上边界，下边界矩阵l,u

void MpcOsqp::CalculateConstraintVectors() {// evaluate the lower and the upper inequality vectorsEigen::VectorXd lowerInequality = Eigen::MatrixXd::Zero(state_dim_ * (horizon_ + 1) + control_dim_ * horizon_, 1);Eigen::VectorXd upperInequality = Eigen::MatrixXd::Zero(state_dim_ * (horizon_ + 1) + control_dim_ * horizon_, 1);for (size_t i = 0; i < horizon_; i++) {lowerInequality.block(control_dim_ * i + state_dim_ * (horizon_ + 1), 0,control_dim_, 1) = matrix_u_lower_;upperInequality.block(control_dim_ * i + state_dim_ * (horizon_ + 1), 0,control_dim_, 1) = matrix_u_upper_;}ADEBUG << " matrix_u_lower_";for (size_t i = 0; i < horizon_ + 1; i++) {lowerInequality.block(state_dim_ * i, 0, state_dim_, 1) = matrix_x_lower_;upperInequality.block(state_dim_ * i, 0, state_dim_, 1) = matrix_x_upper_;}ADEBUG << " matrix_x_lower_";// evaluate the lower and the upper equality vectorsEigen::VectorXd lowerEquality =Eigen::MatrixXd::Zero(state_dim_ * (horizon_ + 1), 1);Eigen::VectorXd upperEquality;lowerEquality.block(0, 0, state_dim_, 1) = -1 * matrix_initial_x_;upperEquality = lowerEquality;lowerEquality = lowerEquality;ADEBUG << " matrix_initial_x_";// merge inequality and equality vectorslowerBound_ = Eigen::MatrixXd::Zero(2 * state_dim_ * (horizon_ + 1) + control_dim_ * horizon_, 1);lowerBound_ << lowerEquality, lowerInequality;ADEBUG << " lowerBound_ ";upperBound_ = Eigen::MatrixXd::Zero(2 * state_dim_ * (horizon_ + 1) + control_dim_ * horizon_, 1);upperBound_ << upperEquality, upperInequality;ADEBUG << " upperBound_";
}

2.8 Solve

根据输入的矩阵求解二次规划，求解结果取出控制序列放入cmd中，然后cmd中第一个控制量就可以用于控制了。

bool MpcOsqp::Solve(std::vector<double> *control_cmd)

Apollo MPC横纵向耦合控制学习笔记相关推荐

自动驾驶横纵向耦合控制-复现Apollo横纵向控制
自动驾驶横纵向耦合控制-复现Apollo横纵向控制基于动力学误差模型,使用mpc算法,一个控制器同时控制横向和纵向,实现横纵向耦合控制 matlab与simulink联合仿真,纵向控制已经做好油门刹 ...
小狐狸横版游戏开发学习笔记（上）
小狐狸横版游戏开发学习笔记(上) 目录小狐狸横版游戏开发学习笔记(上) 1.关于如何创建Tilemap 2.关于地图格子之间出现间隙的问题 3.如何设置自己想要的控制按键 4.如何解决玩家移动过程中 ...
运动学习与控制-学习笔记（三）——运动控制理论
运动学习与控制-学习笔记(三)--运动控制理论一.理解控制理论以及两个重要概念 1.Motor Control Theory 2.两个重要概念:Coordination,Degree of Free ...
电机控制学习笔记——PMSM数学模型
电机控制学习笔记--PMSM数学模型 0 引言 1 电压方程和磁链方程 2 转矩方程和运动方程参考文献 0 引言要实现对永磁同步电机的精准控制,首先需要对永磁同步电机进行建模,获得其电压方程. ...
滑模控制学习笔记（六）
滑模控制学习笔记(六) 等效滑模控制等效滑模控制器设计等效控制设计滑模控制设计仿真实例等效滑模控制滑模控制率可由等效控制uequ_{eq}ueq和切换鲁棒控制uswu_{sw}usw ...
海气耦合模态--学习笔记
海气耦合模态–学习笔记热带海气耦合 Bjerknes正反馈机制: 1.赤道流的存在使得海盆西侧(西太平洋海域)温度高于东侧,造成温跃层结构的东西差异 2.西侧的热源加热驱动大气环流深对流,加强了纬 ...
三相永磁同步电机的矢量控制学习笔记一
三相永磁同步电机的矢量控制学习笔记1 一内容三相永磁同步电机CPMSM)是一个强搞合.复杂的非线性系统,为了能够更好地设计先进的 PMSM 矢量控制算法,建立合适的数学模型就显得尤为重要.本次学 ...
滑模控制学习笔记（三）
滑模控制学习笔记(三) 基于趋近律的滑模控制几种典型的趋近律等速趋近律指数趋近律幂次趋近律一般趋近律基于趋近律的控制器设计仿真实例状态空间模型建立滑模控制器模型建立仿真结果基于趋 ...
滑模控制学习笔记（四）
滑模控制学习笔记(四) 基于上界的滑模控制系统描述控制器设计仿真实例基于准滑动模态的滑模控制仿真实例基于上界的滑模控制系统描述考虑二阶非线性系统如下:θ¨=f(θ,θ˙)+g(θ, ...

Apollo MPC横纵向耦合控制学习笔记