引用格式：
贺庆, 冀杰, 冯伟, 赵立军, 张博涵. 割草机器人自适应时域MPC路径跟踪控制方法[J]. 智慧农业(中英文), 2024, 6(3): 82-93.
DOI：10.12133/j.smartag.SA202401010
HE Qing, JI Jie, FENG Wei, ZHAO Lijun, ZHANG Bohan. Adaptive Time Horizon MPC Path Tracking Control Method for Mowing Robot[J]. Smart Agriculture, 2024, 6(3): 82-93.
DOI：10.12133/j.smartag.SA202401010
割草机器人自适应时域MPC路径跟踪控制方法
贺庆1， 冀杰1*， 冯伟2， 赵立军3， 张博涵1
（1.西南大学 工程技术学院，重庆 400715，中国；2.重庆市农业科学研究院 农业机械研究所，重庆 401329，中国；3.重庆文理学院 智能制造工程学院，重庆 402160，中国）
摘要：
［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。
关键词： 割草机器人；模型预测控制；路径跟踪；模糊控制；事件触发执行机制
文章图片
图1 割草机器人模型俯视图
Fig. 1 Top view of the mowing robot model
图2 自适应时域MPC控制系统结构框图
Fig. 2 Structural diagram of adaptive time horizon MPC control system
图3 前方参考路径的预瞄区域
Fig. 3 Preview area of the reference path ahead
图4 前方参考路径的预瞄区域曲度计算示意图
Fig. 4 Schematic diagram of the curvature calculation of the preview area of the reference path ahead
图5 前方参考路径的预瞄区域范围到达参考路径终点
Fig. 5 The extent of the preview area of the reference path ahead reaches the end of the reference path
图6 MPC预测时域对路径跟踪控制的影响
Fig. 6 Influence of MPC prediction horizon on path following
图7 控制时域对路径跟踪控制的影响
Fig. 7 Influence of control horizon on path following control
图8 自适应时域模块的模糊控制器输入和输出隶属度函数
Fig. 8 Membership function of input and output of fuzzy controller for adaptive time horizon module
图9 模糊控制器的输入和输出响应曲面
Fig. 9 Fuzzy controller input and output response surfaces
图10 割草机器人平台
Fig. 10 Mowing robot platform
图11 割草机构
Fig. 11 Structure of lawn mower
图12 割草机器人路径跟踪试验参考路径
Fig. 12 Reference path for path tracking test of mowing robot
图13 割草机器人路径跟踪实地测试
Fig. 13 Field testing of path tracking for mowing robots
图14 割草机器人期望路径的跟踪效果对比
Fig. 14 Comparison of tracking effects on the expected path of mowing robots
图15 割草机器人路径跟踪误差对比图
Fig. 15 Comparison chart of path tracking errors for mowing robots
图16 预瞄区域的曲度因子及曲度变化因子
Fig. 16 Curvature factor and curvature variation factor of the preview area
图17 自适应时域MPC的预测时域与控制时域自适应变化
Fig.17 Adaptive time horizon MPC with predictive time
图18 割草机器人路径跟踪中的参考路径曲率
Fig. 18 Reference path curvature in mowing robots path tracking
图19 自适应时域MPC控制器的事件触发执行次数变化
Fig. 19 Changes in event triggering execution times of adaptive time horizon MPC controller
冀杰 副教授
来源：《智慧农业（中英文）》2024年第3期
转载请联系编辑部授权
本期支持单位
推荐阅读
王天一副教授团队：基于景观格局的丘陵山区耕地生态风险评价——以重庆市潼南区为例（《智慧农业（中英文）》2024年第3期）
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
