割草机器人自适应时域MPC路径跟踪控制方法

[目的/意义]传统路径跟踪模型预测控制(Model Predictive Control,MPC)大多采用固定时域,较少考虑道路弯曲和曲率变化的影响,使得机器人在曲线路径作业过程中的跟踪效果和适应性都较差。因此,设计了一种自适应时域MPC控制器并使其满足自主割草等复杂作业要求。[方法]首先,根据割草机器人的速度确定前方参考路径的预瞄区域,并计算预瞄区域内的参考路径曲度因子和曲度变化因子,分别用于描述曲率和曲率变化大小。然后,将二者作为模糊控制器的输入信息,用于自适应调节MPC的预测时域,同时,根据预测时域及曲度变化因子调整控制时域,以增强控制器对路径弯曲变化的适应性并降低计算资源。此外,设计一种MPC事件触发执行机制,进一步提升MPC的实时性。[结果和讨论]与固定时域的MPC进行对比试验,自适应时域MPC控制器的最大横向误差绝对值和最大航向误差绝对值分别控制在11 cm和0.13 rad以内,其平均求解时间比最大时域MPC减少10.9 ms。[结论]自适应时域MPC不仅能够保证割草机器人对曲线路径的跟踪精度,同时降低了MPC求解计算量并提高了控制实时性,解决了固定时域MPC的控制精度与计算量之间的矛盾。