1. 课程导入
模型预测控制（Model Predictive Control，MPC）在电机驱动领域正从学术研究快速走向工程落地。与传统的PI电流环相比，MPC利用电机离散模型预测未来若干拍的状态，通过在线求解优化问题直接得到逆变器开关或电压矢量，从而获得更快的动态响应、更自然的约束处理能力以及多目标协调能力。然而，MPC的“性能红利”并非免费：它把计算负担从控制器设计阶段转移到了每一个控制周期的实时执行阶段。本课程的核心，就是回答一个工程问题——如何让电机MPC在真实的微控制器上，以确定的周期、可接受的资源占用稳定运行。
一、学习目标：从“会推导”到“能落地”
本课程面向已经具备电机控制基础与MPC基本概念的读者，目标是建立一条从算法到芯片的完整能力链。学完之后，你应当能够：
- 理解电机MPC的预测模型、代价函数、约束与滚动优化机制，并能针对永磁同步电机（PMSM）写出离散预测方程；
- 掌握有限集MPC（FCS-MPC）、连续控制集MPC（CCS-MPC）以及显式MPC在实时性上的差异与适用边界；
- 能够对MPC算法进行定点化、查表化、并行化与近似简化，使其适配定点DSP、ARM Cortex-M或FPGA平台；
- 能够测量并分析单周期执行时间、抖动、中断延迟与最坏执行时间（WCET），并据此判断控制周期是否可收敛；
- 能够设计分层验证方案：从MATLAB/Simulink仿真，到处理器在环（PIL），再到硬件在环（HIL）与实机测试。
二、核心挑战：实时性、精度与资源的三方博弈
电机MPC实时实现的主要矛盾，可以概括为“算得准、算得快、算得起”三者难以同时满足。具体表现为以下几类挑战：
- 计算时间与开关频率的矛盾：FCS-MPC需要对逆变器全部有效电压矢量逐一预测与评估，两电平三相逆变器有7个基本矢量，三电平则多达27个，评估次数随电平数近似平方增长。
- 控制周期与预测步长的矛盾：缩短控制周期可提升带宽，但留给计算的时间窗口同步压缩；增加预测步长可改善稳态性能，却使计算量成倍上升。
- 定点化误差与数值稳定性：嵌入式平台常用定点运算，预测模型中的系数缩放、累加溢出与舍入误差会直接影响电流纹波与稳态精度。
- 参数敏感性与鲁棒性：MPC依赖电感、磁链、电阻等参数，参数失配会导致预测偏差，甚至引起稳态误差与振荡。
- 工程可验证性：实时系统的正确性不仅取决于算法，还取决于中断优先级、ADC采样时刻、PWM更新时刻与计算任务的时序配合。
常见误区：很多初学者把MPC实时实现等同于“把MATLAB代码翻译成C”。实际上，仿真中一个矩阵求逆或一次长循环，在微控制器上可能消耗数十微秒，直接决定控制周期能否成立。实时实现的第一步不是写代码，而是做计算预算。
三、整体知识框架：四层结构
本课程的知识体系可以组织为四个层次，自下而上依次是硬件与工具层、算法与建模层、实时优化层、验证与工程化层。下图给出了这四层之间的支撑关系与关键内容。
四层之间不是简单堆叠，而是相互约束：硬件资源决定优化空间，算法结构决定优化手段，优化结果又必须回到验证层接受时序与精度的双重检验。学习时建议“自下而上建基础，自上而下做验证”。
四、方法流程：一个MPC控制周期的时序解剖
理解实时实现，最有效的方式是把一个控制周期拆开看。以典型的两电平逆变器驱动PMSM为例，一个PWM周期内的任务链如下：
时刻 t0 : ADC触发，采样三相电流 ia/ib/ic 与母线电压、转速
时刻 t0+ : Clarke/Park变换，得到 id/iq（约1~3 μs）
时刻 t0+ : 读取电角度θ，查表或CORDIC计算sin/cos
时刻 t0+ : 预测模型计算：对每个候选电压矢量求 id(k+1)/iq(k+1)
时刻 t0+ : 代价函数评估：g = |id*-id|² + |iq*-iq|² + 开关惩罚
时刻 t0+ : 选择最优矢量，计算占空比或直接输出开关状态
时刻 t1 : 在PWM更新点写入比较寄存器，等待下一个周期
约束条件 : t1 - t0 必须小于控制周期，且留出20%~30%余量这条时间链上的每一段都可以成为优化对象：变换可以定点化，三角函数可以查表，预测可以并行，代价评估可以提前剪枝。优化的本质，是在“精度损失可接受”的前提下，把最坏执行时间压进预算。
五、案例场景：从仿真到实机的典型落差
考虑一个常见场景：在Simulink中，FCS-MPC的电流环控制周期设为50 μs，仿真波形良好。移植到主频200 MHz的Cortex-M4后，实测单周期执行时间达到78 μs，导致控制周期被迫放宽到100 μs，电流带宽下降，纹波增大。排查后发现三个主要耗时点：
| 耗时环节 | 仿真耗时 | 实机耗时 | 优化手段 |
|---|---|---|---|
| 三角函数计算 | 忽略 | 约12 μs | 查表+线性插值，降至约2 μs |
| 7矢量预测与评估 | 忽略 | 约45 μs | 定点化+循环展开，降至约18 μs |
| 浮点除法与开方 | 忽略 | 约15 μs | 改为倒数查表与近似，降至约3 μs |
| 中断与采样开销 | 未建模 | 约6 μs | ADC-DMA联动，降至约2 μs |
经验提示：实时优化通常遵循“先减数量、再降精度、最后并行”的顺序。减少候选矢量数量往往收益最大，定点化次之，并行化成本最高但上限也最高。
六、学习路径与复盘要点
建议按以下路径推进：先建立PMSM离散模型与MPC基本框架，再进入FCS-MPC的实时实现，随后学习CCS-MPC与显式MPC的工程取舍，最后集中攻克定点化、查表、并行与验证方法。每一章都应以“能否在目标芯片上跑通”为检验标准。
复盘时重点问三个问题：第一，我的控制周期预算是否明确，最坏执行时间是否留有余量；第二，我的模型参数是否经过辨识与在线校正；第三，我的验证是否覆盖了参数失配、负载突变与低转速工况。把这三个问题回答清楚，MPC才算真正从论文走进了电机控制器。