一种结合基于 DNN 的 NMPC 近似与 PI 控制的鲁棒控制方法：用于外骨骼 Squat 运动的应用
机器人学
2025-10-02 v1 系统与控制
系统与控制
摘要
非线性模型预测控制 (NMPC) 是一种精确控制器，但其沉重的计算负载常常阻止其在机器人系统中应用。一些研究尝试使用深度神经网络 (DNN) 近似 NMPC (NMPC-DNN)。然而，在出现意外扰动或运行条件不同于训练数据时，这种方法缺乏鲁棒性，导致跟踪误差较大。为此，首次将 NMPC-DNN 输出与 PI 控制器结合 (Hybrid NMPC-DNN-PI)。所提出的控制器通过应用于外骨骼机器人进行 Squat 运动进行验证，该运动具有复杂的动力学模型，关于鲁棒非线性控制设计的关注度有限。开发了包含三个活动关节 (踝关节、膝关节、髋关节) 的人类-机器人动力学模型，并使用超过 530 万个训练样本训练 DNN。结果表明，在 DNN 未见条件下，Hybrid NMPC-DNN-PI 的跟踪误差显著低于 NMPC-DNN。此外，外骨骼使用后人类关节力矩大幅降低，所研究案例下踝关节、膝关节和髋关节的均方根值分别降低了 30.9%、41.8% 和 29.7%。此外，Hybrid NMPC-DNN-PI 的计算成本比 NMPC 低 99.93%。
引用
@article{arxiv.2510.00188,
title = {A Novel Robust Control Method Combining DNN-Based NMPC Approximation and PI Control: Application to Exoskeleton Squat Movements},
author = {Alireza Aliyari and Gholamreza Vossoughi},
journal= {arXiv preprint arXiv:2510.00188},
year = {2025}
}