是否可以在真实机器人上在线使用这种gekko MPC 方法？
Is it possible to use this gekko MPC method online on a real robot?
我想在真实的机器人上做一些轨迹跟踪，我想用MPC，所以我找到了这个gekko。我可以模拟我的机器人和其他东西，但是否可以实时使用它，因为我发现计算最佳解决方案需要一些时间，而且我不太确定如何明智地编码，如果你只需获取第一个输入并将其提供给真实系统，然后使用传感器读数更新状态值，然后再次使用 m.solve() 函数，依此类推。
提前致谢
是的，Gekko 确实可以进行实时控制，但您需要注意一些事项：
- 周期时间：应用程序必须读取传感器，计算模型更新（估计），优化未来的移动计划（控制），并实施移动计划在规定的周期时间内。如果您的循环时间快于 10 Hz，您可能需要查看 LQR 控制器或其他更快的方法。
- 模型形式：非线性模型的计算时间会更长，或者可能不会收敛。线性模型通常用于许多行业，因为它快速可靠。
- 水平长度：您需要足够长的水平长度来预测影响当前移动的未来约束
- 水平分辨率：控制器第一步需要与循环时间一致。未来的预测步骤可以是任何步长。
- 本地解决： 如果您在 Raspberry Pi 等嵌入式硬件上实现 MPC，本地解决可能比远程解决慢。您可以使用远程解决到 public 服务器 (
remote=True)，在 Windows 或 Linux (remote=True server='http://10.0.0.10') 中设置您自己的本地服务器，否则在嵌入式硬件上本地求解 (remote=False)。您在创建 gekko 对象 (m=GEKKO(remote=False)) 时设置 remote 和 server。
有很多实时MPC代码和一个应用Temperature Control Lab (TCLab) on the course for Machine Learning and Dynamic Optimization。下面是 MPC 的实际应用。
这是设备：
我想在真实的机器人上做一些轨迹跟踪，我想用MPC，所以我找到了这个gekko。我可以模拟我的机器人和其他东西，但是否可以实时使用它，因为我发现计算最佳解决方案需要一些时间，而且我不太确定如何明智地编码，如果你只需获取第一个输入并将其提供给真实系统，然后使用传感器读数更新状态值，然后再次使用 m.solve() 函数，依此类推。
提前致谢
是的，Gekko 确实可以进行实时控制，但您需要注意一些事项：
- 周期时间：应用程序必须读取传感器，计算模型更新（估计），优化未来的移动计划（控制），并实施移动计划在规定的周期时间内。如果您的循环时间快于 10 Hz，您可能需要查看 LQR 控制器或其他更快的方法。
- 模型形式：非线性模型的计算时间会更长，或者可能不会收敛。线性模型通常用于许多行业，因为它快速可靠。
- 水平长度：您需要足够长的水平长度来预测影响当前移动的未来约束
- 水平分辨率：控制器第一步需要与循环时间一致。未来的预测步骤可以是任何步长。
- 本地解决： 如果您在 Raspberry Pi 等嵌入式硬件上实现 MPC，本地解决可能比远程解决慢。您可以使用远程解决到 public 服务器 (
remote=True)，在 Windows 或 Linux (remote=True server='http://10.0.0.10') 中设置您自己的本地服务器，否则在嵌入式硬件上本地求解 (remote=False)。您在创建 gekko 对象 (m=GEKKO(remote=False)) 时设置remote和server。
有很多实时MPC代码和一个应用Temperature Control Lab (TCLab) on the course for Machine Learning and Dynamic Optimization。下面是 MPC 的实际应用。
这是设备：