第四章 模型预测控制概论
各位同学，今天我们来聊聊模型预测控制（MPC）这个主题。说实话，我第一次接触MPC是在做电机驱动项目的时候，当时被它的名字唬住了——"预测"？听起来像是能掐会算似的。后来真正用起来才发现，它其实没那么玄乎。
4.1 MPC的发展历史
模型预测控制不是凭空冒出来的。它的根，扎在工业过程控制里。
上世纪70年代，石油化工行业最先用上了MPC。那时候叫"动态矩阵控制"（DMC），说白了就是用一个模型去预测系统未来的行为，然后根据这个预测来调整当前的控制量。我当年读研时翻过一篇1978年的论文，那算法写得真是...嗯，一言难尽，但思路已经非常清晰了。
到了90年代，MPC开始往快速系统渗透。电机控制就是其中之一。为什么？因为电机是个典型的约束系统——电流有限、电压有限、开关频率有限。传统PID处理这些约束很吃力，但MPC天生就会处理约束。
我个人觉得，MPC在电机控制领域真正爆发是在2010年以后。那时候DSP和FPGA的性能上来了，算力不再是瓶颈。我记得2015年做第一个MPC项目时，用的还是TMS320F28335，跑一个预测步长要花50微秒，勉强够用。现在呢？随便一个C2000系列都能轻松跑起来。
关键时间节点：
- 1970s：工业过程控制中首次提出MPC概念
- 1980s：DMC、MAC等算法成熟，在化工领域广泛应用
- 1990s：开始向电力电子和电机控制领域渗透
- 2000s：有限集模型预测控制（FCS-MPC）被提出
- 2010s至今：随着芯片性能提升，MPC在电机控制中逐渐实用化
4.2 MPC的基本原理
MPC的核心就三个词：预测模型、滚动优化、反馈校正。咱们一个一个说。
4.2.1 预测模型
预测模型是什么？就是你得知道系统下一步会怎么走。对于永磁同步电机，我们通常用它的离散状态空间模型来做预测。
举个例子，电机的电流动态可以写成：
i_d(k+1) = i_d(k) + Ts * (-R/L * i_d(k) + ω_e * i_q(k) + u_d(k)/L)
i_q(k+1) = i_q(k) + Ts * (-ω_e * i_d(k) - R/L * i_q(k) - ψ_f/L * ω_e + u_q(k)/L)这个公式看着复杂，其实意思很简单：根据当前电流和电压，算出下一时刻的电流。我在项目中经常用这个模型做预测，效果还不错。但要注意，模型越精确，预测越准，但计算量也越大。这是个trade-off。
4.2.2 滚动优化
滚动优化是MPC最核心的思想。说白了就是：走一步看一步，但永远只看未来几步。
具体做法是：在每个控制周期，我们根据当前状态，预测未来N步的系统行为，然后找一个最优的控制序列。但只执行第一步，下一步再重新算一遍。
你想想看，这和传统控制有什么不同？传统PID是"看到误差再调整"，MPC是"提前算好怎么走"。我刚开始做的时候也觉得这有点浪费算力，但后来发现，正是这种"提前规划"让MPC能处理约束和优化问题。
我的经验：预测步长N一般取3-5就够了。取太大，计算量爆炸，而且预测误差累积反而不好。我曾经试过N=10，结果跑起来抖得厉害，后来改成N=3就稳了。
4.2.3 反馈校正
模型总是不完美的。电机参数会变，负载会变，温度会变。所以MPC必须要有反馈校正机制。
反馈校正的做法是：用实际测量值和模型预测值之间的误差，来修正后续的预测。最简单的做法就是加一个误差补偿项。
我记得有一次做实验，电机跑着跑着温度上来了，电阻变大，模型预测的电流和实际电流差了20%。幸亏有反馈校正，不然系统早就失控了。从那以后，我对反馈校正格外重视。
4.3 MPC与传统控制的对比
咱们来做个对比，看看MPC和传统PID到底差在哪。
| 对比项 | 传统PID控制 | 模型预测控制 |
|---|---|---|
| 控制思路 | 根据误差调整 | 根据预测规划 |
| 约束处理 | 困难，需要额外限幅 | 天然支持，直接纳入优化 |
| 多变量控制 | 需要解耦，复杂 | 天然支持多输入多输出 |
| 计算量 | 小，微控制器轻松跑 | 大，需要较强算力 |
| 动态响应 | 一般，有超调 | 快，可预测性高 |
| 参数整定 | 三个参数，经验为主 | 权重矩阵，物理意义明确 |
| 鲁棒性 | 对模型误差不敏感 | 依赖模型精度，需反馈校正 |
从这张表能看出来，MPC和PID各有千秋。PID简单可靠，适合要求不高的场合。MPC复杂但强大，适合高性能、多约束的场景。
我个人习惯是：能用PID解决的，就别上MPC。但如果你遇到以下情况，那MPC就是你的不二之选：
- 系统有明确的约束（比如电流不能超过额定值）
- 需要同时控制多个变量（比如d轴和q轴电流）
- 对动态响应有苛刻要求（比如伺服系统）
- 希望优化某个性能指标（比如最小化损耗）
避坑指南：我曾经在一个项目里强行用MPC替代PID，结果因为模型参数不准，系统反而更差了。后来我学乖了：先评估模型精度，再决定是否用MPC。模型误差超过10%，建议先用PID或者加鲁棒补偿。
4.4 小结
这一章我们聊了MPC的发展历史、基本原理和与传统控制的对比。说白了，MPC就是用模型预测未来，用优化选择最优，用反馈修正误差。它不是什么魔法，而是一套系统化的控制方法论。
下一章，我们会深入永磁同步电机的数学模型，为后续的MPC设计打好基础。到时候我会手把手带大家推导模型，还会分享一些我在项目中踩过的坑。咱们下章见。