这三个是自动控制领域最具代表性的算法，分别属于经典控制、现代最优控制和模型预测控制三大类，常用于机器人、自动驾驶、工业控制等场景。
- 1、PID（比例 - 积分 - 微分控制器） · 核心思想：基于当前误差 + 历史误差累积 + 误差变化趋势计算控制量，是最经典的反馈控制。 组成： P（比例）：对当前偏差快速响应，偏差越大，控制力度越强。 I（积分）：消除稳态误差，让系统最终收敛到目标值。 D（微分）：预测偏差变化趋势，抑制超调与振荡。 · 特点：结构简单、参数易调、计算量小，是工程界的 “万金油”，但难以处理多变量耦合和硬约束。 · 典型场景：温度控制、电机调速、无人机姿态稳定等简单单输入单输出系统。
- 2、LQR（线性二次调节器） · 核心思想：基于状态空间模型，通过最小化一个包含 “状态偏差” 和 “控制能量” 的二次代价函数，得到全局最优控制律。 · 关键：需要精确的系统线性模型，能同时处理多输入多输出（MIMO）系统，兼顾控制精度和能耗。 · 特点：理论最优、响应快、超调小，但对模型精度敏感，且无法直接处理输入 / 输出约束，计算复杂度高于 PID。 · 典型场景：飞行器姿态控制、机器人平衡控制、线性化后的工业过程控制。
- 3、MPC（模型预测控制）
- · 核心思想：利用系统模型预测未来一段时域内的状态，在每个控制周期内求解一个有限时域优化问题，只执行第一步控制量，滚动优化。 · 关键优势：显式处理约束（如电机最大扭矩、速度限制），能应对非线性和不确定性，适合复杂多变量系统。 · 特点：鲁棒性强、适应性好，但计算量大，对硬件算力要求高，需要实时求解优化问题。 典型场景：自动驾驶、化工过程控制、智能电网、机器人轨迹跟踪等复杂约束场景。