轨迹优化入门提升 — Pyomo

最新推荐文章于 2025-11-24 17:52:36 发布

原创

最新推荐文章于 2025-11-24 17:52:36 发布 · 817 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#无人机 #机器人 #自动化

1. 简介

Pyomo是由美国Sandia国家实验室开发的基于Python的开源优化建模工具箱

支持从线性规划(LP)、混合整数规划(MIP)到非线性规划(NLP)、动态优化 (DAE) 等多种优化问题

在轨迹优化方面，Pyomo的核心优势是:

支持连续时间系统建模
可与Python生态无缝结合，实现数据驱动与优化融合
求解器接口丰富(如 IPOPT、KNITRO、BARON 等)，灵活度极高

Pyomo.DAE工具箱由Michael Bynum等人开发，面向动态优化/轨迹优化

官方文档链接: https://pyomo.readthedocs.io/en/6.8.0/modeling_extensions/dae.html

2. 快速入门

以Race Car Problem (赛车最短时间加速-减速问题) 为例，展示 Pyomo-DAE 的典型建模过程

问题建模如下：

$\begin{array}{l} \underset{u}{\min}\,\,t_f\\ s.t. \,\dot{x}=v\\ \,\,\quad\, \dot{v}=u-Rv^2\\ \,\,\quad\, -3\leqslant u\leqslant 1\\ \,\,\quad\, x\left( 0 \right) =0, v\left( 0 \right) =0\\ \,\,\quad\, x\left( t_f \right) =L, v\left( t_f=0 \right)\\ \end{array}$