063、模型预测控制（MPC）简介

飞控算法从入门到精通 | 063、模型预测控制（MPC）简介从一次炸机说起去年夏天，我在调试一架四旋翼的轨迹跟踪时，遇到了一个让我连续熬夜三天的怪问题。PID控制器在仿真里跑得飞起，姿态响应快得让人感动，但一上真机，只要轨迹曲率稍微大一点，电机就开始“嘶吼”，然后——炸了。事后分析日志，发现PID在遇到强耦合的横滚-偏航通道时，输出指令直接冲到了限幅值，而限幅后的控制量又导致姿态角速度超调，最终触发保护性降落——但降落时已经偏航了90度，桨叶直接啃到了地面。那段时间我反复问自己：PID到底缺了什么？后来我意识到，PID本质上是一个“事后诸葛亮”——它看到误差才去修正，永远在追赶。而我们需要的是“事前诸葛亮”：提前看到未来几步的轨迹，然后提前规划控制量。这就是模型预测控制（MPC）进入飞控视野的原因。MPC到底在干什么简单说，MPC的核心思想是：用模型预测未来，用优化求解现在。你有一个系统模型（比如四旋翼的动力学方程），你告诉它“未来N步内，我希望状态走到哪里”，然后MPC会算出一串控制输入（比如未来10个时间步的电机PWM值），使得预测的状态轨迹尽可能接近期望轨迹，同时满足各种约束（比如电机转速不能超过上限、姿态角不能超过安全范围）。最后，它只执行第一个控制量，下一时刻重新计算——这叫“滚动优化”。听起来很美好，但落地时全是坑。我见过不少同学把MPC当成万能药，结果代码跑在STM32H7上，一个控制周期要算200毫秒，飞控早炸了。所以这篇笔记，我想从工程实现的角度，把MPC的骨架拆开，重点