[发明专利]一种机器人模型预测控制方法

权利要求书

1.一种机器人模型预测控制方法，其特征在于，包括步骤：

S1、构建机器人运动学模型；

S2、对机器人运动学模型采用前向欧拉法进行离散处理；

S3、根据离散处理后的模型，预测状态量、控制量输出；

S4、构造机器人运动学模型的代价函数形式；

S5、基于预测校正内点法，求取需要施加给执行端的最优控制量速度和角速度。

2.根据权利要求1所述的机器人模型预测控制方法，其特征在于，步骤S 1中构建机器人运动学模型的方法包括：

(1)构建以角速度为控制量的运动学模型，如下式为：

(x,y,θ)表示机器人的当前姿态，V表示机器人的速度；表示机器人X轴方向速度，表示机器人Y轴方向速度，表示角速度；

(2)将运动学误差模型线性化：

令

X表示机器人的状态量，u表示机器人的控制量；r表示期望量；期望轨迹姿态中的(x_r,y_r)通过B样条路径规划获得，θ_r通过通过对(x_r,y_r)导数得到，V_r通过B样条上速度规划得到，ω_r通过参考轨迹上点的期望速度和曲率半径得到，公式为

机器人运动学模型写成为：

机器人运动学模型的一阶泰勒展开式为：

系统的误差模型状态空间方程为：

其中：

3.根据权利要求2所述的机器人模型预测控制方法，其特征在于，步骤S2中采用前向欧拉法进行离散处理的方法包括：

其中

4.根据权利要求3所述的机器人模型预测控制方法，其特征在于，步骤S3中预测状态量、控制量输出的方法包括：

(1)控制量最终输出公式：

Δu(k_V)、Δu(k_ω)表示k时刻需要施加给执行端的最优控制量速度V和角速度ω；

(2)将离散状态空间方程通过一定计算推到处含有Δu项的状态空间方程：

扩展状态空间方程：

扩展输出方程：

N_u表示控制量的个数，N_X表示状态量的个数，为系数矩阵,E为单位矩阵；

(3)预测输出：

......

其中

令

则输出写成向量形式：Y＝Ψξ(k)+γΔU；

预测输出方程包括当前时刻状态误差，上一时刻控制量增量误差，N_u个未来控制量增量；如果知道当前时刻的姿态位置误差及历史时刻的控制量增量误差，再通过计算得到未来N_c个控制量增量，就得到未来N_p个周期的预测输出。