目录
写之前的话：
1. 车辆模型的建立
2. 车辆模型的线性化
3. 车辆模型离散化
4. 预测模型的建立
5.目标函数及约束
写之前的话：
前面我写到一些列的文章：
《无人驾驶车辆模型预测控制》之车辆运动学模型
《无人驾驶车辆模型预测控制》之基于运动学的MPC设计（一）
《无人驾驶车辆模型预测控制》之基于运动学的MPC设计（二）
本篇将介绍基于车辆动力学的MPC设计：主要从动力学模型的建立、预测模型的建立、目标 函数的建立、约束的建立来分别介绍。关于模型预测理论公式的推导细节可见
《无人驾驶车辆模型预测控制》之基于运动学的MPC设计（二）
0 仿真模型的搭建与结果
10m/h
20m/s 采样步长是0.05
20m/s 采样步长是0.02
针对结果参数调节,两个重要的设计参数是预测时域和控制时域，一般预测时域越长，控制精度越好，但是计算耗时就越大。合理的调节这两个参数，将有利于控制效果。同时也发现，选择不同的采样时间对控制精度同样有着重要影响。当Ts = 0.02s 时，跟踪误差更小。
1. 车辆模型的建立
经过整理、简化轮胎力为线性区，得到：
2. 车辆模型的线性化
3. 车辆模型离散化
4. 预测模型的建立
5.目标函数及约束
至此完成理论公式的建立。
这篇文章也不错，介绍Apollo的MPC设计，链接如下，方便大家参考：
Apollo代码学习(六)—模型预测控制(MPC)
