大型索驱动并联机器人线性MPC控制策略

"MPC模型预测控制在大型电缆驱动并联机器人中的应用，结合PID控制器，提供了冗余控制策略。" 本文研究的是针对大型电缆驱动并联机器人的模型预测控制（MPC）策略，这种机器人通常在低速运行，低速工作状态能够降低系统的非线性程度，使得MPC在预测范围内更适用。论文提出了一种线性MPC方法，并将其与两种常见的控制策略——滑模控制和PID+控制进行了对比。 模拟实验旨在比较不同控制器在干扰抑制性能上的表现，结果表明，提出的MPC控制器性能更优。MPC控制器将控制限制（如电缆张力限制）直接纳入控制设计，使控制器能更好地利用机器人的能力。这一点是其他方法无法比拟的，因为它们可能在达到约束条件时无法灵活调整。 此外，MPC策略还解决了动力学冗余问题，即如何有效地利用多自由度系统中的多余驱动力来优化任务执行。传统的做法是先计算所需 wrench（力矩），然后应用张力分布方法。而MPC则将冗余解决作为控制策略的一个组成部分，这使得控制策略更加集成且高效。 关键词：模型预测控制，MPC，电缆驱动并联机器人，线性MPC，滑模控制，PID控制，控制限制，干扰抑制，冗余控制，动力学冗余，张力分布。 MPC是一种先进的控制理论，它基于对系统未来行为的预测来制定当前的控制决策。在大型电缆驱动的并联机器人中，由于其结构复杂、动态特性复杂，MPC的优势在于它可以处理复杂的约束条件，同时优化多个性能指标。通过在线优化算法，MPC可以在满足约束的同时最小化某种成本函数，如能量消耗或控制力的波动。 滑模控制是一种鲁棒控制策略，适用于存在不确定性或扰动的系统，它通过切换控制律来抵消这些不确定性。然而，滑模控制可能导致控制信号的快速变化，可能会引起系统的振荡。 PID控制是一种广泛应用的反馈控制方式，由比例(P)、积分(I)和微分(D)三个部分组成，能够有效补偿系统误差。然而，对于具有非线性和约束的复杂系统，PID控制可能无法达到最优性能。 结合PID的MPC策略则试图结合两者优点，利用PID的简单稳定性和MPC的前瞻性和约束处理能力，从而提高系统的整体控制性能。在大型电缆驱动并联机器人中，这种结合可以实现更精确、更稳定的运动控制，同时充分利用系统的动力学特性。