腿足机器人运动控制原理与仿真实践教程 课件 第8章-四足机器人MPC控制(认知-使用).pptx

;MPC原理;本章介绍基于模型预测的腿足机器人运动控制方法，这是一种当前综合控制效果很好的算法，对比上一章节的VM优化方法，MPC方法在复杂地形适应上更有优势。这里介绍的MPC是基于MIT于2018年IROS论文开源的方法，虽然这套方法距今（2023年）已经过去4年了，但仍然算是当前最主流方法，尤其是配合后面章节的WBC算法，是腿足机器人控制领域一颗耀眼的明珠。

下面介绍的MPC方法保留原版MIT状态机框架和核心运动控制算法，舍弃掉MIT自己搭建动力学仿真平台、仿真与控制器间共享内存等繁琐的内容，将精力全部放在机器人算法学习上，比起直接学习MIT的论文与阅读代码效率更高，更适合初学者入门。

?;（1）简化机器人动力学建模

机器人的动力学模型是十分复杂、非线性的，而模型预测控制由于需要迭代求解最优，所以很耗时，这就是之前为什么MPC方法没有真正应用在腿足机器人运动控制上的原因。我们所说的模型预测控制根据模型是线性或者非线性可以区分为LinearMPC和NolinearMPC，相对于NMPC高维复杂的状态模型来说LMPC当前已经有很好的求解方案，且根据线性系统理论我们可以将LMPC方法转换为QP形式，进而通过qpOASES等开源库求解，这是求解速度最快也是最常用的方式，当然也有直接进行LMPC求解的库。腿足机器人运动控制器需要严格的高频伺服控制周期，而MPC求解速度一般远低于伺服周期，所以如何更快的求解出MPC是一个核心问题。

为了加快MPC求解速度，这里介绍的方法采用了如下策略：首先，机器人模型简化为质心集中于躯干，腿部无质量的单刚体模型，便于动力学更新；其次，将非线性动力学模型进行线性化，构建线性状态表达，从而将问题转换为凸优化形式。以上两个简化可实现MPC求解速度在30ms以内，搭配底层500Hz以上的伺服控制，保障了机器人的稳定运动。;完整控制框架图;仿真验证