模型預測算法是在歐美等國家興起的應用于工業領域的一種優化控制算法。目前經過多年的發展，在工業領域、智能控制領域等都有應用。随着算法的理論的完善，其已經成為工業領域内經常使用的一種經典算法。雖然在各個領域算法的應用存在差異。但他們都遵循預測模型、滾動優化、和回報校正的基本原理。并且，近年來在汽車工業尤其是在車輛智駕駛技術上，模型預測算法的應用越來越受歡迎。很多科研機構利用了模型預測的原理進行了智能車輛的軌迹跟蹤控制研究，下面将詳細闡述模型預測算法的原理。
（1）預測模型
預測模型是模型預測控制的基礎，它能夠通過控制系統中被控平台提供的目前系統狀态資訊，再加上未來的控制輸入變量，預測到未來的被控平台的狀态。預測模型的形式沒有确定的形式要求，可以是狀态空間方程、傳遞函數也可以是階躍響應模型、脈沖響應模型模糊模型等。根據被控對象和需要預測的狀态選擇合适的預測模型，對于車輛方向而言，模型預測控制選擇狀态空間模型比較合适。
（2）滾動優化
預測控制中的優化與通常的離散最優控制算法不同，不是采用一個不變的全局最優目标，而是采用滾動式的有限時域優化政策。在每一采樣時刻，根據該時刻的優化性能名額，求解該時刻起有限時段的最優控制率。計算得到的控制作用序列也隻有目前值是實際執行的，在下一個采樣時刻又重新求取最優控制率。也就是說，優化過程不是一次離線完成的，而是反複線上進行的，即在每一采樣時刻，優化性能名額隻涉及從該時刻起到未來有限的時間，而到下一個采樣時刻，這一優化時段會同時向前推移。
通過滾動優化政策，始終在實際的基礎上建立新的優化目标，兼顧了對未來有限時域内的理想優化和實際不确定性的影響。這要比建立在理想條件下的傳統最優控制更加實際和有效。
（3） 回報校正
**預測控制求解的是一個開環優化問題。**在預測控制中，采用預測模型進行過程輸出值的預估隻是一種理想的方式，對于實際過程，由于存在非線性、時變、模型失配和幹擾等不确定因素，使基于模型的預測不可能準确地與實際相符。是以，在預測控制中，通過輸出的測量值與模型的預估值進行比較，得出模型的預測誤差，再利用模型預測誤差來校正模型的預測值，進而得到更為準确的将來輸出的預測值。正是這種由模型加回報校正的過程，使預測控制具有很強的抗幹擾和克服系統不确定的能力。不斷根據系統的實際輸出對預測輸出做出修正，使滾動優化不但基于模型，而且利用回報資訊，構閉環優化控制。
跟據上面所提三要素，模型預測算法的控制原理如上圖 所示。控制過程中，存在一條期望的參考軌迹。在整個控制時域中，令 k 時刻為目前時刻。控制器結合目前系統的測量值和預測模型，預測未來一段時域内 [K,k+p]（也被稱為預測時域）系統的輸出。通過求解滿足目标函數以及各種限制的優化問題，得到 [K,K+M]（這段時間為控制時域，控制時域的時間段要比預測時域時間段要短）時域内的一系列控制變量序列。并将該時控制系列中的第一個元素作為被控對象的實際控制量，當來到下一時刻 k +1時重複上述過程。如此滾動的完成一個個帶限制的優化問題。以此實作對被控對象的持續控制。
模型預測控制器原理框圖如上圖所示，包含了 MPC 控制器、被控車輛、狀态估計三個基本子產品。其中，MPC 控制器結合預測模型、目标函數和限制條件進行最優化求解。得到目前時刻的最優控制序列，将其輸入到被控平台中，被控平台執行接受到的控制指令，然後将目前時刻的狀态量觀測值輸入給狀态估計器。而狀态估計器将會對于那些沒有辦法直接觀測的狀态量進行估計，如地面附着系數。将狀态量輸入到 MPC 控制器，再次進行最優化求解，得到下一時刻被控平台所需的控制變量。如此循環，構成了完整的模型預測控制過程。