不同求解器性能对比：无人驾驶车辆模型预测控制

第7.4.2小节中的MPC实现部分，提供了quadprog、OSQP、qpOASES和CVXGEN四种常见的二次型优化问题求解器。为了研究不同求解器的性能差异，在7.4.1节所设计的仿真环境中，分别进行了10组对比仿真实验，如表7.3所示。

表7.3　求解器性能对比实验的设计

实现对比仿真所使用的MATLAB代码及CarSim Par文件详见附件。这10组对比实验的优化求解时间汇总如图7.12所示。使用不同求解器进行路径跟踪的偏差对比如图7.13所示。

图7.12　不同求解器的优化时间对比(www.xing528.com)

图7.13　使用不同求解器进行路径跟踪的偏差对比

从图7.12可以看出，CVXGEN优化求解的效率最高，优化时间不超过5 ms，而且当预测时域为20和40时，优化时间基本保持恒定，符合高速无人驾驶车辆控制以及实车应用的需求。对于OSQP、qpOASES和quadprog三个求解器，优化求解时间随预测时域Np的增加而增长，而且MATLAB提供的quadprog在四个求解器中耗时最长。从图7.12还可以看出，qpOASES的优化效率略高于OSQP，且具有热起动功能的qpOASES求解器性能更佳。

从图7.13可以看出，路径跟踪过程中OSQP、qpOASES和quadprog的跟踪偏差基本重合，说明其求解精度基本一致。CVXGEN的跟踪偏差明显更小，体现出其更高的求解精度。