张力稳定脊柱机器人的逆向静力优化模型预测控制
摘要：基于张力-压力结构的具有柔性脊柱的机器人相比传统刚性躯干设计具有潜在优势。然而，这些机器人由于高维非线性动力学和执行器约束，往往难以控制。本文提出了两种基于模型预测控制（MPC）和逆向静力学优化的张力-压力脊柱机器人控制器。这些控制器引入了两种不同的方法来处理控制问题的可计算性。第一种方法在MPC问题中使用了平滑项。第二种方法使用了一种新的逆向静力学优化算法，在某些张力-压力机器人中为该问题提供了可行解，以与MPC结合生成参考输入轨迹。跟踪逆向静力学参考输入轨迹可以显著减少调节参数的数量。这些控制器在二维和三维张力-压力脊柱的仿真验证中得到了验证。两种方法都表现出抗噪声和低跟踪误差的特点，且可用于不同的控制目标。这些结果首次证明了对这种结构进行闭环控制的可行性。
作者：Andrew P. Sabelhaus, Huajing Zhao, Edward L. Zhu, Adrian K. Agogino, Alice M. Agogino
论文ID：1806.08868
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-10-16