基于模型预测控制算法做自动驾驶车辆轨迹规划

设计了关于pid和mpc的控制实例，比较pid和mpc的输出特性

离散控制Matlab代码自主车辆MPC C ++中的自行车模型上的MPC 控制方法： 模型预测控制=后视最优控制+约束最优控制 在以下三种情况下，使用模型预测控制器以恒定的前进速度实现了车辆的横向控制： 直线控制 换道操纵 避障 系统状态 横向速度 偏航 偏航率 Y位置 转向角（在先前的时间步骤-增强SS矩阵后） 输入 转向角 代码实施 C ++用于使用MPC成本函数处理数据并获取新状态。 本征库用于矩阵计算。 该项目不使用任何优化库，并且通过采用成本函数的导数并将其等于零来计算输入转向命令。 然后使用离散时间状态空间方程式来计算新状态。 主文件可用于将轨迹类型更改为：直线，LaneChange或ObstacleAvoidance。 在这三种情况中的每一种情况下，都可以对主文件中的数据进行调整，以观察不同情况下的轨迹，例如车速，视界周期的长度，计算的时间步长等。 绘制完全在MATLAB中完成。 通过在C ++中调用MATLAB Engine并在MATLAB环境中复制数据，可将数据从C ++传递到MATLAB。 Animate.m是Matlab文件，可直接从C ++调用该文件以运行Mat

two_fmpcAB_delay.mdl

pmsm转矩预测控制（还有瑕疵，请指正）

状态空间方程是现代控制理论的基础,在预测控制算法中,当系统釆用状态方程表达式时,不需要像求解广义预测控制律一样在线求解Diophantine方程,并且使得MIMO系统的系统表达和公式的推导更为简洁和直观,有利于预测控制方法的稳定性分析,已被越来越的人所采用.

PowerPc MPC 5554 开发手册

其中为MPC模型预测控制仿真程序，为m文件，包含了对模型预测控制的理解，有助于结合理论

其中为MPC模型预测控制仿真程序，为m文件，包含了对模型预测控制的理解，有助于结合理论

一个C++写的mpc例子,矩阵运算使用的是armadillo线性代数库。