Affiliation:
1. Lehrstuhl für Regelungstechnik , Friedrich-Alexander-Universität Erlangen-Nürnberg , Cauerstraße 7 , Erlangen , Deutschland
Abstract
Zusammenfassung
Dieser Beitrag stellt eine modellprädiktive Pfadfolgeregelung für die Kombination mit einer kollisionsfreien Bewegungsplanung für Roboter vor. Zwei Besonderheiten sind mit diesem Anwendungsfall verbunden. Zum einen wird keine hochgenaue Pfadfolge benötigt, solange die Bewegung kollisionsfrei ist. Somit kann die Pfadfolgeregelung vom geplanten Pfad abweichen, um die Zielkonfiguration effizienter zu erreichen. Zum anderen ist eine exakte Bewegung entlang des Pfades prinzipiell möglich, so dass mit Hilfe einer Referenztrajektorie rekursive Lösbarkeit und Stabilität garantiert werden kann. Die Vorteile zeigen sich vor allem bei graphbasierten Planungsverfahren, wo die berechneten Pfade typischerweise stückweise linear sind und eine exakte Pfadfolge sehr aufwändig ist. Die Anwendung der Methodik wird in Simulationen für einen Manipulator und einen mobilen Roboter gezeigt.
Subject
Electrical and Electronic Engineering,Computer Science Applications,Control and Systems Engineering
Reference28 articles.
1. Mathias Hauan Arbo, Esten Ingar Grøtli and Jan Tommy Gravdahl. On model predictive path following and trajectory tracking for industrial robots. In Proceedings of the IEEE International Conference on Automation Science and Engineering (CASE), pages 100–105, Xi’an (China), 2017.
2. James E Bobrow, Steven Dubowsky and JS Gibson. Time-optimal control of robotic manipulators along specified paths. The International Journal of Robotics Research, 4(3):3–17, 1985.
3. Martin Böck and Andreas Kugi. Real-time nonlinear model predictive path-following control of a laboratory tower crane. IEEE Transactions on Control Systems Technology, 22(4):1461–1473, 2014.
4. John Canny. The Complexity of Robot Motion Planning. MIT press, 1988.
5. Tobias Englert, Andreas Völz, Felix Mesmer, Sönke Rhein and Knut Graichen. A software framework for embedded nonlinear model predictive control using a gradient-based augmented Lagrangian approach (GRAMPC). Optimization and Engineering, 2019. doi.org/10.1007/s11081-018-9417-2.
Cited by
2 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献