多阶段鲁棒非线性模型预测控制的下肢外骨骼机器人
机器人学
2025-09-29 v1
摘要
外骨骼机器人的使用因肌肉骨骼损伤数量的增加而日益增多。然而，其有效性在很大程度上取决于控制系统的设计。由于人机系统存在不确定性，设计鲁棒控制器具有挑战性。在各种控制策略中，模型预测控制（MPC）是一种强大的方法，因其能够处理约束并优化性能。先前的研究已采用基于线性化的方法在外骨骼上实现鲁棒MPC，但由于机器人动力学的非线性，这些方法可能会降低性能。为填补这一空白，本文提出了一种鲁棒非线性模型预测控制（RNMPC）方法，即多阶段NMPC，通过求解非线性优化问题来控制一个两自由度外骨骼。该方法使用多个场景来表示系统不确定性。研究重点在于摆动阶段的人机交互力最小化，特别是当机器人承载未知载荷时。仿真和实验测试结果表明，所提出的方法显著提升了鲁棒性，优于非鲁棒NMPC。在各种不确定性下，它实现了更低的跟踪误差和交互力。例如，当2 kg未知载荷与外部扰动相结合时，多阶段NMPC的大腿和小腿交互力的RMS值相比非鲁棒NMPC分别降低了77%和94%。
引用
@article{arxiv.2509.22120,
title = {Multi-stage robust nonlinear model predictive control of a lower-limb exoskeleton robot},
author = {Alireza Aliyari and Gholamreza Vossoughi},
journal= {arXiv preprint arXiv:2509.22120},
year = {2025}
}
备注
12 pages, 11 figures, 2 tables, under review at the journal of "Transactions of the Canadian Society for Mechanical Engineering"