简介这份资源面向轨迹优化初学者与航空航天、机器人方向的研究者围绕GPOPS-II这一基于伪谱方法的通用最优路径规划工具提供快速上手与模板化使用支持。GPOPS-II擅长处理多阶段动力系统问题如航天器轨道设计、再入路径规划与机器人避障路径求解资源中的快速参考文档可帮助读者理解基函数、节点、约束与目标函数等核心概念。压缩包共191个文件约12.74MB以160个m脚本文件为主体辅以png与eps结果图、pdf参考文档、txt说明及多平台mex可执行文件覆盖算法实现、绘图输出与跨系统运行需求。目前已有1654人学习下载。读者可借助模板快速搭建优化任务通过脚本与示例理解伪谱离散化流程并参考结果图验证轨迹光滑度与约束满足情况为深入研究或二次开发提供可复用的工程起点。1. GPOPS-II 轨迹优化模板从“跑不通”到“跑得稳”的第一道坎如果你做的是机械臂轨迹规划、无人机航迹生成或者车辆轨迹数据处理大概率听过 GPOPS-II 这个名字。它是一套基于 MATLAB 的最优控制求解工具箱核心思路是把连续时间的轨迹优化问题通过高斯伪谱法离散成非线性规划问题再交给 IPOPT 或 SNOPT 求解。听起来很顺但真正上手的人都知道第一次跑官方示例之外的自己的问题十有八九会翻车——要么报错说边界条件不匹配要么迭代几千步不收敛要么解出来的轨迹抖得像心电图。这篇东西不讲教科书式的原理推导而是围绕“GPOPS-II 轨迹模板”这个关键词把一套能复用的工程化模板拆开讲清楚。所谓模板不是复制粘贴就完事而是把连续系统动力学、路径约束、事件约束、初值猜测这几个最容易出问题的环节做成可替换、可调试的结构。适合已经装好 GPOPS-II、能跑通官方例子但一到自己问题就卡住的从业者。读完你应该能搭出一个自己的轨迹优化模板知道每个参数改了会发生什么以及不收敛时先查哪里。2. 拆解 GPOPS-II 模板的四个核心结构动力学、约束、猜测、求解器2.1 连续动力学函数为什么必须单独成文件GPOPS-II 的入口是gpops函数但真正决定问题规模的是你写的连续动力学函数。常见做法是把动力学写成一个独立的.m文件输入是t、x、u、p输出是dx。很多人图省事直接把动力学写成匿名函数塞进主脚本结果调试时连断点都打不进去。我一般会这样组织function dx dynamics_arm(t, x, u, p) % 二连杆机械臂动力学状态为 [q1; q2; dq1; dq2] % 输入为关节力矩 [tau1; tau2] % p 为物理参数结构体m1, m2, l1, l2, g q x(1:2); dq x(3:4); tau u; % 质量矩阵 M11 (p.m1 p.m2) * p.l1^2 p.m2 * p.l2^2 2 * p.m2 * p.l1 * p.l2 * cos(q(2)); M12 p.m2 * p.l2^2 p.m2 * p.l1 * p.l2 * cos(q(2)); M22 p.m2 * p.l2^2; M [M11, M12; M12, M22]; % 科氏力与重力项 C [-p.m2 * p.l1 * p.l2 * sin(q(2)) * (2 * dq(1) * dq(2) dq(2)^2); p.m2 * p.l1 * p.l2 * sin(q(2)) * dq(1)^2]; G [(p.m1 p.m2) * p.g * p.l1 * cos(q(1)) p.m2 * p.g * p.l2 * cos(q(1) q(2)); p.m2 * p.g * p.l2 * cos(q(1) q(2))]; ddq M \ (tau - C - G); dx [dq; ddq]; end逻辑说明这个函数把状态导数显式写出来方便在gpops报错时单独调用检查。参数p用结构体传避免位置参数顺序写错。注意M \ (tau - C - G)比inv(M)数值上更稳这是血泪经验。参数说明m1、m2是连杆质量l1、l2是长度g取 9.81。这些值如果量级差太多比如一个 0.1 一个 100求解器会很难受建议先归一化。2.2 路径约束和事件约束的写法差异GPOPS-II 的约束分两类路径约束在path函数里写事件约束在event函数里写。路径约束是整条轨迹上都要满足的比如关节力矩上限、末端执行器不能碰地面事件约束是起点和终点要满足的比如初始位置、终端速度为零。function phaseout path_constraint(input) % 路径约束力矩上限和末端位置限制 tau input.phase.control; q input.phase.state(:, 1:2); % 力矩约束 phaseout.path [tau(:, 1) - 50; -tau(:, 1) - 50; tau(:, 2) - 30; -tau(:, 2) - 30]; % 末端 y 方向位置不低于 0.1 l1 0.5; l2 0.4; y_end l1 * sin(q(:, 1)) l2 * sin(q(:, 1) q(:, 2)); phaseout.path [phaseout.path; 0.1 - y_end]; end逻辑说明phaseout.path是一个列向量每个元素都要求小于等于零。所以写约束时统一写成表达式 0的形式不要一会儿大于一会儿小于否则很容易搞反。参数说明力矩上限 50 和 30 是示例值实际要按你的电机堵转力矩留 20% 余量。末端位置约束用0.1 - y_end表示y_end 0.1。事件约束的写法类似但输入是input.phase.initialstate和input.phase.finalstate输出是phaseout.event。常见错误是把事件约束写成路径约束结果求解器在中间点也强行满足导致无解。2.3 初值猜测模板里最容易被忽略的“后悔药”GPOPS-II 对初值猜测非常敏感。官方例子通常给一个简单的线性猜测就能收敛但你的问题如果非线性强线性猜测基本等于自杀。我一般会在模板里留一个guess函数用简单的比例控制或者多项式插值生成初值。function guess initial_guess(t, p) % 用五次多项式生成关节角度初值速度初值取零 tf t(end); q0 [0; 0]; qf [pi/2; pi/4]; s t / tf; h 10 * s.^3 - 15 * s.^4 6 * s.^5; q_guess q0 (qf - q0) * h; dq_guess zeros(size(q_guess)); guess.state [q_guess, dq_guess]; guess.control zeros(length(t), 2); end逻辑说明五次多项式保证起止速度和加速度为零比线性猜测平滑得多。guess.state的列顺序必须和bounds里状态定义顺序一致否则会报维度错误。参数说明q0和qf是起止关节角按你的任务改。如果轨迹中间有障碍可以在h上叠加一个正弦项绕开但别加太多否则初值本身就不满足动力学。2.4 求解器选项IPOPT 和 SNOPT 怎么选GPOPS-II 支持 IPOPT 和 SNOPT 两种 NLP 求解器。IPOPT 开源、免费、对初值宽容一些但速度慢SNOPT 快、精度高但对初值敏感且需要许可证。我一般先用 IPOPT 调通再换 SNOPT 加速。setup.name arm_trajectory; setup.functions.continuous dynamics_arm; setup.functions.phaseout path_constraint; setup.functions.initialguess initial_guess; setup.nlp.solver ipopt; setup.nlp.ipoptoptions.maxiterations 2000; setup.nlp.ipoptoptions.tolerance 1e-6; setup.derivatives.supplier sparseCD; setup.mesh.tolerance 1e-4; setup.mesh.maxiterations 10; output gpops2(setup);逻辑说明sparseCD是稀疏中心差分比默认的sparseFD精度高但计算量稍大。mesh.tolerance控制网格自适应迭代的收敛阈值设得太小会一直细化网格设得太大解不精确。参数说明maxiterations2000 是 IPOPT 的上限如果经常撞到这个数说明初值或约束有问题。tolerance1e-6 是 NLP 收敛容差一般够用。mesh.maxiterations10 表示最多细化 10 次超过还不收敛就停。3. 从零搭一个 GPOPS-II 轨迹模板文件结构与调试顺序3.1 模板目录怎么放才能一眼看懂我习惯把模板拆成五个文件放在同一个目录下文件名作用是否必须main.m设置边界、调用 gpops2是dynamics_xxx.m连续动力学是path_xxx.m路径约束否无约束可不写event_xxx.m事件约束否无事件可不写guess_xxx.m初值猜测否但强烈建议写这样拆的好处是当gpops2报错时你可以单独调用dynamics_xxx检查导数是否合理单独调用guess_xxx看初值是否满足边界。很多人把所有东西塞进一个脚本报错后只能一行行注释效率极低。3.2 边界条件设置bounds里的坑比想象多bounds结构体是 GPOPS-II 最容易写错的地方。它分phase.initialtime、phase.finaltime、phase.initialstate、phase.finalstate、phase.control、phase.path等字段。每个字段都是两列第一列是下界第二列是上界。bounds.phase.initialtime.lower 0; bounds.phase.initialtime.upper 0; bounds.phase.finaltime.lower 1; bounds.phase.finaltime.upper 3; bounds.phase.initialstate.lower [0, 0, 0, 0]; bounds.phase.initialstate.upper [0, 0, 0, 0]; bounds.phase.finalstate.lower [pi/2, pi/4, 0, 0]; bounds.phase.finalstate.upper [pi/2, pi/4, 0, 0]; bounds.phase.control.lower [-50, -30]; bounds.phase.control.upper [50, 30]; bounds.phase.path.lower [-inf, -inf, -inf, -inf, -inf]; bounds.phase.path.upper [0, 0, 0, 0, 0];逻辑说明初始状态上下界相等表示固定如果想让某个状态自由把上下界设成-inf和inf。路径约束的上下界要和path_xxx函数输出的维度一致否则会报path dimension mismatch。参数说明finaltime给一个范围而不是固定值让求解器自己找最优时间。如果任务要求固定时间上下界设成相等即可。控制上下界就是力矩限幅别设太大否则解出来的力矩虽然数学上最优但物理上电机根本给不出来。3.3 调试顺序先让动力学跑通再谈优化我见过太多人一上来就调gpops2报错后完全不知道从哪查。正确的顺序是第一步单独调用dynamics_xxx给一组合理的x和u看dx是不是有限值。如果出现NaN或Inf说明动力学里有除零或开方负数。第二步单独调用guess_xxx把guess.state和guess.control画出来看是否满足边界。如果初值本身就不满足边界求解器第一步就会卡住。第三步把setup.mesh.maxiterations设成 1只跑一次网格看 NLP 是否收敛。如果不收敛把setup.nlp.ipoptoptions.maxiterations设成 100看迭代过程卡在哪。第四步逐步放开mesh.maxiterations观察解的变化。如果每次细化后解都剧烈变化说明网格自适应有问题可以手动加密网格。% 手动加密网格示例 setup.mesh.phase.fraction [1/5, 1/5, 1/5, 1/5, 1/5]; setup.mesh.phase.colpoints [4, 4, 4, 4, 4];逻辑说明fraction是每段网格占总时间的比例colpoints是每段的配点数。配点数越多离散精度越高但 NLP 规模也越大。一般 4 到 6 个配点够用。参数说明如果轨迹变化剧烈比如有快速启停把对应时间段的fraction调大或者增加colpoints。但别一上来就全局加配点先试 4 个不够再加。4. GPOPS-II 轨迹模板避坑五个让求解器翻车的常见操作4.1 现象报错Error using gpops2 (line xxx) Path constraint dimension mismatch原因path_xxx函数输出的phaseout.path列数和bounds.phase.path的上下界列数不一致。常见于你改了路径约束数量但忘了同步改bounds。解决在path_xxx函数里加一句size(phaseout.path)打印和bounds.phase.path.lower的长度对一下。建议把路径约束数量写成一个变量在main.m和path_xxx里共用。4.2 现象求解器迭代几千步不收敛exitflag为负原因初值猜测太差或者约束之间互相矛盾。比如你要求末端位置精确到某个点同时又要求末端速度为零但动力学根本做不到。解决先把事件约束放宽比如末端位置允许 ±0.01 误差看是否能收敛。如果能再逐步收紧。另外检查初值猜测是否满足动力学可以用ode45从初值积分一遍看轨迹是否合理。4.3 现象解出来的控制量抖得厉害像方波原因网格配点太少或者路径约束在控制量上加了硬限幅导致解在边界上反复切换。解决增加colpoints到 6 或 8或者在控制量上加入平滑惩罚项。GPOPS-II 支持在setup.functions.continuous里返回phaseout.integrand可以把控制量的平方积分进去让解更平滑。phaseout.integrand 0.01 * (u(:,1).^2 u(:,2).^2);逻辑说明这个积分项会加到目标函数里权重 0.01 是我试出来的经验值太大轨迹会变慢太小起不到平滑作用。参数说明权重按你的控制量量级调。如果力矩是几十牛米0.01 合适如果是几百用 0.001。4.4 现象gpops2跑了一半 MATLAB 卡死内存爆了原因网格细化次数太多NLP 变量数指数增长。或者动力学函数里有大矩阵求逆每次调用都分配新内存。解决限制mesh.maxiterations不超过 10colpoints不超过 8。动力学里预分配矩阵避免在函数内动态扩容。如果还爆把setup.derivatives.supplier从sparseCD改成sparseFD牺牲一点精度换内存。4.5 现象换了一组物理参数后之前能收敛的模板突然不收敛了原因参数量级变化导致 NLP 条件数变差。比如质量从 1 变成 1000力矩约束还是 ±50相当于把可行域压扁了。解决把所有参数归一化到 1 附近。质量除以最大质量长度除以最大长度时间除以总时间。归一化后重新调约束上下界。这是最容易被忽略但最有效的一招。5. 用 GPOPS-II 做机械臂轨迹规划的进阶技巧从能跑到好用5.1 把绝对轨迹误差ATE作为评价指标嵌进模板轨迹优化跑通只是第一步解出来的轨迹好不好用得有个量化指标。做机械臂的时候我习惯在模板里加一个后处理函数计算实际轨迹和期望轨迹的绝对轨迹误差ATE。具体做法是用ode45把优化得到的控制量代回动力学积分出实际状态再和优化解的状态逐点做差。function ate compute_ate(output, dynamics, p) % output 是 gpops2 的返回结构 % 取优化解的时间和状态 t_opt output.result.solution.phase.time; x_opt output.result.solution.phase.state; u_opt output.result.solution.phase.control; % 用 ode45 重新积分 [t_sim, x_sim] ode45((t,x) dynamics(t, x, interp1(t_opt, u_opt, t, linear, extrap), p), ... t_opt, x_opt(1,:)); % 计算位置部分的 ATE pos_error x_sim(:, 1:2) - x_opt(:, 1:2); ate mean(sqrt(sum(pos_error.^2, 2))); end逻辑说明interp1把优化得到的离散控制量插值成连续函数ode45重新积分。如果 ATE 很大说明优化解对动力学不满足可能是配点太少或者约束太松。参数说明interp1的linear可以换成spline但样条插值可能引入过冲导致积分不稳定。我一般先用线性不够再换。5.2 用热启动加速相似任务如果你要反复求解结构相同、只是起止点不同的轨迹可以用上一次的解作为下一次的初值猜测。这就是热启动。GPOPS-II 的output.result.solution里存了网格和状态可以直接喂给下一次的setup.guess。% 第一次求解 output1 gpops2(setup); % 第二次求解用第一次的解作为初值 setup.guess output1.result.solution; output2 gpops2(setup);逻辑说明热启动能大幅减少迭代次数尤其是任务相似的时候。但要注意如果两次任务的边界条件差太多热启动反而会拖慢收敛甚至导致不收敛。参数说明判断能不能热启动看两次任务的起止状态差是否小于总行程的 20%。超过这个数老老实实用多项式初值。5.3 一个我踩过的坑别在动力学里做插值早期为了省事我在动力学函数里直接对实验数据做插值结果每次求解器调用动力学都要查表速度慢不说还因为插值不光滑导致导数不连续求解器直接罢工。后来改成先把实验数据拟合成分段多项式把系数存成参数传进去问题才解决。教训就是动力学函数里只做加减乘除和三角函数任何查表、插值、文件读取都放到外面。GPOPS-II 会频繁调用动力学里面每多一个操作求解时间就翻倍。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源面向轨迹优化初学者与航空航天、机器人方向的研究者围绕GPOPS-II这一基于伪谱方法的通用最优路径规划工具提供快速上手与模板化使用支持。GPOPS-II擅长处理多阶段动力系统问题如航天器轨道设计、再入路径规划与机器人避障路径求解资源中的快速参考文档可帮助读者理解基函数、节点、约束与目标函数等核心概念。压缩包共191个文件约12.74MB以160个m脚本文件为主体辅以png与eps结果图、pdf参考文档、txt说明及多平台mex可执行文件覆盖算法实现、绘图输出与跨系统运行需求。目前已有1654人学习下载。读者可借助模板快速搭建优化任务通过脚本与示例理解伪谱离散化流程并参考结果图验证轨迹光滑度与约束满足情况为深入研究或二次开发提供可复用的工程起点。1. GPOPS-II 轨迹优化模板从“跑不通”到“跑得稳”的第一道坎如果你做的是机械臂轨迹规划、无人机航迹生成或者车辆轨迹数据处理大概率听过 GPOPS-II 这个名字。它是一套基于 MATLAB 的最优控制求解工具箱核心思路是把连续时间的轨迹优化问题通过高斯伪谱法离散成非线性规划问题再交给 IPOPT 或 SNOPT 求解。听起来很顺但真正上手的人都知道第一次跑官方示例之外的自己的问题十有八九会翻车——要么报错说边界条件不匹配要么迭代几千步不收敛要么解出来的轨迹抖得像心电图。这篇东西不讲教科书式的原理推导而是围绕“GPOPS-II 轨迹模板”这个关键词把一套能复用的工程化模板拆开讲清楚。所谓模板不是复制粘贴就完事而是把连续系统动力学、路径约束、事件约束、初值猜测这几个最容易出问题的环节做成可替换、可调试的结构。适合已经装好 GPOPS-II、能跑通官方例子但一到自己问题就卡住的从业者。读完你应该能搭出一个自己的轨迹优化模板知道每个参数改了会发生什么以及不收敛时先查哪里。2. 拆解 GPOPS-II 模板的四个核心结构动力学、约束、猜测、求解器2.1 连续动力学函数为什么必须单独成文件GPOPS-II 的入口是gpops函数但真正决定问题规模的是你写的连续动力学函数。常见做法是把动力学写成一个独立的.m文件输入是t、x、u、p输出是dx。很多人图省事直接把动力学写成匿名函数塞进主脚本结果调试时连断点都打不进去。我一般会这样组织function dx dynamics_arm(t, x, u, p) % 二连杆机械臂动力学状态为 [q1; q2; dq1; dq2] % 输入为关节力矩 [tau1; tau2] % p 为物理参数结构体m1, m2, l1, l2, g q x(1:2); dq x(3:4); tau u; % 质量矩阵 M11 (p.m1 p.m2) * p.l1^2 p.m2 * p.l2^2 2 * p.m2 * p.l1 * p.l2 * cos(q(2)); M12 p.m2 * p.l2^2 p.m2 * p.l1 * p.l2 * cos(q(2)); M22 p.m2 * p.l2^2; M [M11, M12; M12, M22]; % 科氏力与重力项 C [-p.m2 * p.l1 * p.l2 * sin(q(2)) * (2 * dq(1) * dq(2) dq(2)^2); p.m2 * p.l1 * p.l2 * sin(q(2)) * dq(1)^2]; G [(p.m1 p.m2) * p.g * p.l1 * cos(q(1)) p.m2 * p.g * p.l2 * cos(q(1) q(2)); p.m2 * p.g * p.l2 * cos(q(1) q(2))]; ddq M \ (tau - C - G); dx [dq; ddq]; end逻辑说明这个函数把状态导数显式写出来方便在gpops报错时单独调用检查。参数p用结构体传避免位置参数顺序写错。注意M \ (tau - C - G)比inv(M)数值上更稳这是血泪经验。参数说明m1、m2是连杆质量l1、l2是长度g取 9.81。这些值如果量级差太多比如一个 0.1 一个 100求解器会很难受建议先归一化。2.2 路径约束和事件约束的写法差异GPOPS-II 的约束分两类路径约束在path函数里写事件约束在event函数里写。路径约束是整条轨迹上都要满足的比如关节力矩上限、末端执行器不能碰地面事件约束是起点和终点要满足的比如初始位置、终端速度为零。function phaseout path_constraint(input) % 路径约束力矩上限和末端位置限制 tau input.phase.control; q input.phase.state(:, 1:2); % 力矩约束 phaseout.path [tau(:, 1) - 50; -tau(:, 1) - 50; tau(:, 2) - 30; -tau(:, 2) - 30]; % 末端 y 方向位置不低于 0.1 l1 0.5; l2 0.4; y_end l1 * sin(q(:, 1)) l2 * sin(q(:, 1) q(:, 2)); phaseout.path [phaseout.path; 0.1 - y_end]; end逻辑说明phaseout.path是一个列向量每个元素都要求小于等于零。所以写约束时统一写成表达式 0的形式不要一会儿大于一会儿小于否则很容易搞反。参数说明力矩上限 50 和 30 是示例值实际要按你的电机堵转力矩留 20% 余量。末端位置约束用0.1 - y_end表示y_end 0.1。事件约束的写法类似但输入是input.phase.initialstate和input.phase.finalstate输出是phaseout.event。常见错误是把事件约束写成路径约束结果求解器在中间点也强行满足导致无解。2.3 初值猜测模板里最容易被忽略的“后悔药”GPOPS-II 对初值猜测非常敏感。官方例子通常给一个简单的线性猜测就能收敛但你的问题如果非线性强线性猜测基本等于自杀。我一般会在模板里留一个guess函数用简单的比例控制或者多项式插值生成初值。function guess initial_guess(t, p) % 用五次多项式生成关节角度初值速度初值取零 tf t(end); q0 [0; 0]; qf [pi/2; pi/4]; s t / tf; h 10 * s.^3 - 15 * s.^4 6 * s.^5; q_guess q0 (qf - q0) * h; dq_guess zeros(size(q_guess)); guess.state [q_guess, dq_guess]; guess.control zeros(length(t), 2); end逻辑说明五次多项式保证起止速度和加速度为零比线性猜测平滑得多。guess.state的列顺序必须和bounds里状态定义顺序一致否则会报维度错误。参数说明q0和qf是起止关节角按你的任务改。如果轨迹中间有障碍可以在h上叠加一个正弦项绕开但别加太多否则初值本身就不满足动力学。2.4 求解器选项IPOPT 和 SNOPT 怎么选GPOPS-II 支持 IPOPT 和 SNOPT 两种 NLP 求解器。IPOPT 开源、免费、对初值宽容一些但速度慢SNOPT 快、精度高但对初值敏感且需要许可证。我一般先用 IPOPT 调通再换 SNOPT 加速。setup.name arm_trajectory; setup.functions.continuous dynamics_arm; setup.functions.phaseout path_constraint; setup.functions.initialguess initial_guess; setup.nlp.solver ipopt; setup.nlp.ipoptoptions.maxiterations 2000; setup.nlp.ipoptoptions.tolerance 1e-6; setup.derivatives.supplier sparseCD; setup.mesh.tolerance 1e-4; setup.mesh.maxiterations 10; output gpops2(setup);逻辑说明sparseCD是稀疏中心差分比默认的sparseFD精度高但计算量稍大。mesh.tolerance控制网格自适应迭代的收敛阈值设得太小会一直细化网格设得太大解不精确。参数说明maxiterations2000 是 IPOPT 的上限如果经常撞到这个数说明初值或约束有问题。tolerance1e-6 是 NLP 收敛容差一般够用。mesh.maxiterations10 表示最多细化 10 次超过还不收敛就停。3. 从零搭一个 GPOPS-II 轨迹模板文件结构与调试顺序3.1 模板目录怎么放才能一眼看懂我习惯把模板拆成五个文件放在同一个目录下文件名作用是否必须main.m设置边界、调用 gpops2是dynamics_xxx.m连续动力学是path_xxx.m路径约束否无约束可不写event_xxx.m事件约束否无事件可不写guess_xxx.m初值猜测否但强烈建议写这样拆的好处是当gpops2报错时你可以单独调用dynamics_xxx检查导数是否合理单独调用guess_xxx看初值是否满足边界。很多人把所有东西塞进一个脚本报错后只能一行行注释效率极低。3.2 边界条件设置bounds里的坑比想象多bounds结构体是 GPOPS-II 最容易写错的地方。它分phase.initialtime、phase.finaltime、phase.initialstate、phase.finalstate、phase.control、phase.path等字段。每个字段都是两列第一列是下界第二列是上界。bounds.phase.initialtime.lower 0; bounds.phase.initialtime.upper 0; bounds.phase.finaltime.lower 1; bounds.phase.finaltime.upper 3; bounds.phase.initialstate.lower [0, 0, 0, 0]; bounds.phase.initialstate.upper [0, 0, 0, 0]; bounds.phase.finalstate.lower [pi/2, pi/4, 0, 0]; bounds.phase.finalstate.upper [pi/2, pi/4, 0, 0]; bounds.phase.control.lower [-50, -30]; bounds.phase.control.upper [50, 30]; bounds.phase.path.lower [-inf, -inf, -inf, -inf, -inf]; bounds.phase.path.upper [0, 0, 0, 0, 0];逻辑说明初始状态上下界相等表示固定如果想让某个状态自由把上下界设成-inf和inf。路径约束的上下界要和path_xxx函数输出的维度一致否则会报path dimension mismatch。参数说明finaltime给一个范围而不是固定值让求解器自己找最优时间。如果任务要求固定时间上下界设成相等即可。控制上下界就是力矩限幅别设太大否则解出来的力矩虽然数学上最优但物理上电机根本给不出来。3.3 调试顺序先让动力学跑通再谈优化我见过太多人一上来就调gpops2报错后完全不知道从哪查。正确的顺序是第一步单独调用dynamics_xxx给一组合理的x和u看dx是不是有限值。如果出现NaN或Inf说明动力学里有除零或开方负数。第二步单独调用guess_xxx把guess.state和guess.control画出来看是否满足边界。如果初值本身就不满足边界求解器第一步就会卡住。第三步把setup.mesh.maxiterations设成 1只跑一次网格看 NLP 是否收敛。如果不收敛把setup.nlp.ipoptoptions.maxiterations设成 100看迭代过程卡在哪。第四步逐步放开mesh.maxiterations观察解的变化。如果每次细化后解都剧烈变化说明网格自适应有问题可以手动加密网格。% 手动加密网格示例 setup.mesh.phase.fraction [1/5, 1/5, 1/5, 1/5, 1/5]; setup.mesh.phase.colpoints [4, 4, 4, 4, 4];逻辑说明fraction是每段网格占总时间的比例colpoints是每段的配点数。配点数越多离散精度越高但 NLP 规模也越大。一般 4 到 6 个配点够用。参数说明如果轨迹变化剧烈比如有快速启停把对应时间段的fraction调大或者增加colpoints。但别一上来就全局加配点先试 4 个不够再加。4. GPOPS-II 轨迹模板避坑五个让求解器翻车的常见操作4.1 现象报错Error using gpops2 (line xxx) Path constraint dimension mismatch原因path_xxx函数输出的phaseout.path列数和bounds.phase.path的上下界列数不一致。常见于你改了路径约束数量但忘了同步改bounds。解决在path_xxx函数里加一句size(phaseout.path)打印和bounds.phase.path.lower的长度对一下。建议把路径约束数量写成一个变量在main.m和path_xxx里共用。4.2 现象求解器迭代几千步不收敛exitflag为负原因初值猜测太差或者约束之间互相矛盾。比如你要求末端位置精确到某个点同时又要求末端速度为零但动力学根本做不到。解决先把事件约束放宽比如末端位置允许 ±0.01 误差看是否能收敛。如果能再逐步收紧。另外检查初值猜测是否满足动力学可以用ode45从初值积分一遍看轨迹是否合理。4.3 现象解出来的控制量抖得厉害像方波原因网格配点太少或者路径约束在控制量上加了硬限幅导致解在边界上反复切换。解决增加colpoints到 6 或 8或者在控制量上加入平滑惩罚项。GPOPS-II 支持在setup.functions.continuous里返回phaseout.integrand可以把控制量的平方积分进去让解更平滑。phaseout.integrand 0.01 * (u(:,1).^2 u(:,2).^2);逻辑说明这个积分项会加到目标函数里权重 0.01 是我试出来的经验值太大轨迹会变慢太小起不到平滑作用。参数说明权重按你的控制量量级调。如果力矩是几十牛米0.01 合适如果是几百用 0.001。4.4 现象gpops2跑了一半 MATLAB 卡死内存爆了原因网格细化次数太多NLP 变量数指数增长。或者动力学函数里有大矩阵求逆每次调用都分配新内存。解决限制mesh.maxiterations不超过 10colpoints不超过 8。动力学里预分配矩阵避免在函数内动态扩容。如果还爆把setup.derivatives.supplier从sparseCD改成sparseFD牺牲一点精度换内存。4.5 现象换了一组物理参数后之前能收敛的模板突然不收敛了原因参数量级变化导致 NLP 条件数变差。比如质量从 1 变成 1000力矩约束还是 ±50相当于把可行域压扁了。解决把所有参数归一化到 1 附近。质量除以最大质量长度除以最大长度时间除以总时间。归一化后重新调约束上下界。这是最容易被忽略但最有效的一招。5. 用 GPOPS-II 做机械臂轨迹规划的进阶技巧从能跑到好用5.1 把绝对轨迹误差ATE作为评价指标嵌进模板轨迹优化跑通只是第一步解出来的轨迹好不好用得有个量化指标。做机械臂的时候我习惯在模板里加一个后处理函数计算实际轨迹和期望轨迹的绝对轨迹误差ATE。具体做法是用ode45把优化得到的控制量代回动力学积分出实际状态再和优化解的状态逐点做差。function ate compute_ate(output, dynamics, p) % output 是 gpops2 的返回结构 % 取优化解的时间和状态 t_opt output.result.solution.phase.time; x_opt output.result.solution.phase.state; u_opt output.result.solution.phase.control; % 用 ode45 重新积分 [t_sim, x_sim] ode45((t,x) dynamics(t, x, interp1(t_opt, u_opt, t, linear, extrap), p), ... t_opt, x_opt(1,:)); % 计算位置部分的 ATE pos_error x_sim(:, 1:2) - x_opt(:, 1:2); ate mean(sqrt(sum(pos_error.^2, 2))); end逻辑说明interp1把优化得到的离散控制量插值成连续函数ode45重新积分。如果 ATE 很大说明优化解对动力学不满足可能是配点太少或者约束太松。参数说明interp1的linear可以换成spline但样条插值可能引入过冲导致积分不稳定。我一般先用线性不够再换。5.2 用热启动加速相似任务如果你要反复求解结构相同、只是起止点不同的轨迹可以用上一次的解作为下一次的初值猜测。这就是热启动。GPOPS-II 的output.result.solution里存了网格和状态可以直接喂给下一次的setup.guess。% 第一次求解 output1 gpops2(setup); % 第二次求解用第一次的解作为初值 setup.guess output1.result.solution; output2 gpops2(setup);逻辑说明热启动能大幅减少迭代次数尤其是任务相似的时候。但要注意如果两次任务的边界条件差太多热启动反而会拖慢收敛甚至导致不收敛。参数说明判断能不能热启动看两次任务的起止状态差是否小于总行程的 20%。超过这个数老老实实用多项式初值。5.3 一个我踩过的坑别在动力学里做插值早期为了省事我在动力学函数里直接对实验数据做插值结果每次求解器调用动力学都要查表速度慢不说还因为插值不光滑导致导数不连续求解器直接罢工。后来改成先把实验数据拟合成分段多项式把系数存成参数传进去问题才解决。教训就是动力学函数里只做加减乘除和三角函数任何查表、插值、文件读取都放到外面。GPOPS-II 会频繁调用动力学里面每多一个操作求解时间就翻倍。希望帮到你。本文还有配套的精品资源点击获取
