模型预测控制(Model Predictive Control,MPC)是一种基于在线计算的控制优化算法,能够统一处理带约束的多参数优化控制问题。当被控对象结构和环境相对复杂时,模型预测控制需选择较大的预测时域和控制时域,因此大大增加了在线求解的计算时间,同时降低了控制效果。从现有的算法来看,模型预测控制通常只适用于采样时间较大、动态过程变化较慢的系统中。因此,研究快速模型预测控制算法具有一定的理论意义和应用价值。为减少MPC在线计算的复杂度和在线计算时间,本文提出了基于凸优化工具CVXGEN和在线优化的两种快速模型预测控制算法,并分析了算法的原理和性能。最后将上述两种算法分别应用于三自由度直升机中,与传统的模型预测控制以及显式模型预测控制算法进行对比,分析了两种快速预测控制算法各自的特性。本文的主要工作和成果如下:(1)分别综述了模型预测控制、快速模型预测控制和三自由度直升机控制方法的发展及研究现状。介绍了模型预测控制的基本原理和凸优化的相关理论,为下文的研究提供背景和理论基础。(2)针对显式模型预测控制无法处理规模较大的问题,提出了基于凸优化的快速模型预测控制算法。首先研究了凸优化工具CVXGEN的基本原理,将其与模型预测控制相结合生成一类问题的高速求解器,用于求解该类问题的模型预测控制问题。然后将该方法应用于简单的中小型数值实例,分析了算法的性能和快速求解问题的能力。(3)针对基于凸优化的快速模型预测控制算法不适用于所有规模的最优控制问题,提出了快速在线模型预测控制算法,其主要采用改进的内点法和热启动来降低在线计算的复杂度,从而减少在线计算时间。最后将该方法应用于大中小型数值问题中,通过仿真验证了其快速处理各类问题的能力。(4)在参数选取一致的情况下,将基于凸优化工具CVXGEN和在线优化的两种快速模型预测控制算法分别在三自由度直升机模型上进行仿真,并与传统的模型预测控制和显式模型预测控制算法进行比较。对比分析了各算法在控制性能、在线计算时间和误差等方面的差异,总结出各算法的优缺点。(5)最后,对全文进行归纳总结,并对下一步的工作和研究方向提出一些展望。