连续体机械手鲁棒控制器

线松弛下精度不降

针对驱动线反复使用后变长的问题，设计选择性控制方案，将Koopman算子线性化与模型预测控制结合，在驱动线松弛时仍保持高精度。

Wang, Haodong · Liang, Wenyu · Liang, Boyuan · Ren, Hongliang · 杜志江 · Wu, Yan

IEEE Transactions on Industrial Electronics 2023

技术优势

线松弛精度不降

当驱动线松弛时，切换至基于Koopman算子的模型预测控制，利用升维线性化捕捉非线性，避免线性控制器精度下降。

无需精确逆运动学

通过Koopman算子从数据中辨识模型，绕过了机械建模策略中逆运动学难以求解的问题，控制律可直接基于线性化模型设计。

计算效率高

采用选择性控制方案，仅在驱动线松弛时才运行计算量较大的K-MPC，线紧绷时使用简单线性控制器，降低整体计算负载。

应用场景

• 机器人控制：为连续体机械手提供鲁棒位置控制，克服驱动线变长导致的精度下降，直接应用于机器人控制。
• 具身智能：以数据驱动的Koopman模型提升物理交互中的控制鲁棒性，使机械手在未知线状态下仍保持精确位姿。
• 工业机器人：在工业环境中长期使用后驱动线松弛，该方案能自动切换控制策略，维持生产所需的定位精度。