基于膜计算的搬运机器人轨迹规划和模型预测控制OA北大核心CSTPCD

针对复杂环境下搬运机器人存在轨迹规划效率低、跟踪控制误差较大及系统不稳定的问题,提出基于膜计算及模型预测的搬运机器人轨迹优化控制方法。首先,针对传统动态窗口算法在速度采样空间中采用均匀等分的方式进行采样,导致轨迹规划效率低的问题,设计了一种基于膜计算粒子群算法改进的搬运机器人动态窗口算法。借助粒子群的随机性和膜计算的分布式并行计算能力对传统动态窗口算法进行优化设计,不断迭代得到最优路径;其次,针对搬运机器人系统模型的非线性特点,采用线性模型预测控制方法完成轨迹跟踪,通过构建预测模型、设定目标函数及设计积分器来完成高精度轨迹跟踪。实验结果表明,在稀疏障碍物和复杂障碍物2种实验场景中,改进后的算法在路径长度、时间及步数上平均减少了15.07%、6.72%、7.68%,且所提的模型预测控制方法在跟踪精度、系统鲁棒性方面都具有一定的优势。