Cos'è il controllo MPC?

Controllo MPC

Il controllo predittivo del modello (MPC) si è evoluto dalle sue origini come algoritmo di controllo euristico applicato nei processi industriali negli anni '70 in una nuova disciplina accademica con un ricco contenuto teorico e pratico.

Il controllo predittivo affronta i problemi di controllo con requisiti di ottimizzazione. Negli ultimi 30 anni, il successo del controllo predittivo in processi industriali complessi ha pienamente dimostrato il suo enorme potenziale nella gestione di complessi problemi di controllo di ottimizzazione vincolata.

Il controllo MPC è un metodo di controllo dell'ottimizzazione a ciclo chiuso-in tempo reale. Il vantaggio principale di questo algoritmo è il suo funzionamento iterativo online, che ottiene continuamente le quantità di controllo ottimali attuali. Inoltre, può stabilire funzioni obiettivo per soddisfare molteplici vincoli come attuatori del veicolo, slittamento e dinamica.

Tuttavia, le prestazioni di tracciamento sono estremamente sensibili all'accuratezza del modello predittivo. Inoltre, a causa degli elevati requisiti computazionali del controllo predittivo del modello non lineare, non è adatto per ambienti di guida ad alta-velocità.

Attualmente, molti ricercatori hanno linearizzato modelli di veicoli non lineari, ma ciò garantisce solo la precisione del tracciamento all’interno delle regioni lineari del veicolo e dei pneumatici.

I controller MPC, noti anche come controller di dominio rolling-time, considerano il modello dinamico non lineare del sistema di controllo e prevedono il comportamento dell'output del sistema in un intervallo di tempo futuro. Risolvendo il problema del controllo ottimo vincolato, il sistema minimizza l'errore di tracciamento nell'intervallo di tempo futuro, rendendo questo metodo robusto.

Gli algoritmi di controllo predittivo del modello hanno le caratteristiche di base della modellazione predittiva, dell'ottimizzazione progressiva e della correzione del feedback. I metodi di ricerca tradizionali spesso ignorano o semplificano i vincoli cinematici e dinamici, ma tali vincoli influiscono in modo significativo sulle prestazioni di controllo.

I metodi di controllo predittivo del modello possono incorporare esplicitamente i vincoli cinematici e dinamici del veicolo nella funzione obiettivo di ottimizzazione.

Sfruttando le funzionalità di ottimizzazione continua e di correzione del feedback di MPC, l'impatto dei ritardi di sistema-a circuito chiuso può essere effettivamente ridotto o addirittura eliminato. Inoltre, le informazioni sulla traiettoria futura fornite dal processo di pianificazione possono essere utilizzate per ottimizzare il controllo del movimento, migliorando così le prestazioni di controllo.

Wang Weiran et al. ha progettato un metodo di controllo predittivo adattivo basato sulle funzioni di Laguerre.

Questo metodo è composto da due parti: un modulo MPC adattivo per il tracciamento preciso della traiettoria e un modulo funzione Laguerre per ridurre significativamente i calcoli.

Nel modulo MPC adattivo viene introdotto un algoritmo ricorsivo dei minimi quadrati per identificare i parametri del modello del sistema, migliorando così l'accuratezza e la robustezza del sistema. Tuttavia, quando l'AUV opera in ambienti complessi, questo metodo può comportare un aumento significativo del carico computazionale.