Python调用qpsolvers.solve_qp求解MPC二次规划返回None问题

开发者阿泽

2026-8-29

问题背景

Matlab环境下开发模型预测控制（MPC）逻辑时，调用内置二次规划求解函数quadprog求解优化问题，核心调用语句如下：

deltaU = quadprog(H,f,M,gamma)

各输入矩阵维度匹配要求：H为30×30矩阵，f为30×1矩阵，M为180×30矩阵，gamma为180×1矩阵，代码在Matlab中运行正常，可返回维度为30×1的正确结果向量。
将逻辑迁移到Python环境时，选用qpsolvers库提供的二次规划求解器实现相同功能，导入依赖代码如下：

import numpy as np
import qpsolvers
from qpsolvers import solve_qp

参照Matlab调用逻辑编写的求解语句为：

sol_qp = solve_qp(H, f, M, gamma)

运行后返回结果为NoneType对象，无法得到预期求解结果。使用官方自带示例测试求解器可正常运行，核对传入矩阵维度与Matlab端完全一致，不存在维度不匹配问题。因字符数限制，无法在正文中粘贴包含完整矩阵定义的全部代码。

排查与解决方法

solve_qp返回None的核心原因是求解器判定当前问题求解失败，Matlab与Python端结果不一致基本是由两个环境下求解器的默认规则、参数要求差异导致，按以下优先级排查即可：

修正二次项矩阵H的对称性与正定性
Matlab的quadprog会自动对输入的非对称H矩阵做对称化修正，对轻微奇异的H也会做数值鲁棒性处理；但qpsolvers支持的绝大多数后端求解器，要求输入的二次项矩阵必须是严格对称半正定/正定矩阵，传入非对称、接近奇异的H会直接导致求解失败静默返回None。
传入求解器前先对H做预处理：
```
# 强制对称化
H = 0.5 * (H + H.T)
# 叠加极小单位矩阵，避免MPC迭代过程中H出现数值奇异
H += 1e-8 * np.eye(H.shape[0], dtype=np.float64)
```
统一约束定义、参数类型与传参方式
- Matlabquadprog中该调用格式对应的不等式约束为 M * deltaU ≤ gamma，qpsolvers中对应约束的参数名是G和h，即约束形式为G @ x ≤ h，使用位置传参很容易因为版本差异出现参数顺序错位，必须显式指定参数名传参。
- qpsolvers对输入数组类型敏感，如果传入的是整数型numpy数组，很容易触发后端数值计算错误静默失败，所有矩阵传入前必须转为float64类型，同时一维向量要展平，避免出现维度冗余。
- 不要依赖默认求解器后端，显式指定适配MPC场景的OSQP后端（需提前通过pip install osqp安装），避免因默认后端未安装导致静默返回None。
  修正后的调用代码如下：
```
# 统一转换为浮点型，展平一维向量
f = f.astype(np.float64).flatten()
M = M.astype(np.float64)
gamma = gamma.astype(np.float64).flatten()
# 显式指定参数名与求解器
sol_qp = solve_qp(P=H, q=f, G=M, h=gamma, solver='osqp')
```
调整求解容差，打开日志定位问题
Matlabquadprog默认的数值判定容差更宽松，Python端多数求解器默认容差更严格，MPC问题中如果约束边界处于可行域临界点，很容易被误判为无可行解。调用时可以打开求解日志，适当放宽容差：
```
sol_qp = solve_qp(
    P=H, q=f, G=M, h=gamma,
    solver='osqp',
    eps_abs=1e-3,
    eps_rel=1e-3,
    verbose=True
)
```
开启verbose=True后，求解器会打印完整迭代过程与错误提示，如果存在约束冲突、矩阵数值异常等问题，会直接输出明确的失败原因，无需盲目排查。

内容的提问来源于stack exchange，提问作者Jorge