Control Predictivo Basado en Modelos para el Seguimiento de Posición y Orientación en una Arquitectura Multicapa para un Robot Móvil Omnidireccional de Tres Ruedas
Autores: Villalba-Aguilera, Elena; Blesa, Joaquim; Ponsa, Pere
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Control Predictivo Basado en Modelos para el Seguimiento de Posición y Orientación en una Arquitectura Multicapa para un Robot Móvil Omnidireccional de Tres Ruedas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Diseño
Implementación
Control Predictivo Basado en Modelos
MPC
Arquitectura
Trayectoria
Robótica
Simulación
Experimental
Rendimiento
Orientación
Velocidad
Esquema de control
MATLAB
Optimización
Controladores PID
Velocidades de las ruedas
Modelo cinemático
Restricciones del actuador
Estimación del estado
Dinámica del motor
Escenario del mundo real
Regulación
Posición
Coordenadas
Capas jerárquicas
Modularidad
Escalabilidad
Trayectoria de referencia
Trayectoria en lemniscata
Robotino 4
Festo.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este documento presenta el diseño y la implementación de una estrategia de Control Predictivo Basado en Modelos (MPC) integrada dentro de una arquitectura modular de múltiples capas para un robot móvil omnidireccional de tres ruedas, el Robotino 4 de Festo. La arquitectura implementada está organizada en tres capas jerárquicas para apoyar la modularidad y la escalabilidad del sistema. La capa superior es responsable de la planificación de trayectorias. Esta trayectoria planificada se envía a la capa intermedia, donde el MPC calcula los comandos de velocidad óptimos para seguir la trayectoria de referencia, teniendo en cuenta el modelo cinemático y las restricciones de los actuadores del robot. Finalmente, estos comandos de velocidad son procesados por la capa inferior, que utiliza tres controladores PID independientes para regular las velocidades de las ruedas individuales. Para evaluar el esquema de control propuesto, se implementó en MATLAB R2024a utilizando una trayectoria en lemniscata como referencia. El problema de MPC se formuló como un problema de optimización cuadrática que consideraba los tres estados: las coordenadas de posición global y el ángulo de orientación. La simulación incluyó errores de estimación de estado y dinámicas del motor, que fueron identificados experimentalmente para coincidir estrechamente con el comportamiento del mundo real. Los resultados de la simulación y los experimentales demuestran la capacidad del MPC para seguir la trayectoria en lemniscata de manera eficiente. Notablemente, la estrecha concordancia entre los resultados simulados y experimentales validó la fidelidad del modelo de simulación. En un escenario del mundo real, el controlador MPC permitió la regulación simultánea tanto de la posición como de la orientación, lo que ofreció un mayor rendimiento en comparación con enfoques que asumen una orientación constante.
Descripción
Este documento presenta el diseño y la implementación de una estrategia de Control Predictivo Basado en Modelos (MPC) integrada dentro de una arquitectura modular de múltiples capas para un robot móvil omnidireccional de tres ruedas, el Robotino 4 de Festo. La arquitectura implementada está organizada en tres capas jerárquicas para apoyar la modularidad y la escalabilidad del sistema. La capa superior es responsable de la planificación de trayectorias. Esta trayectoria planificada se envía a la capa intermedia, donde el MPC calcula los comandos de velocidad óptimos para seguir la trayectoria de referencia, teniendo en cuenta el modelo cinemático y las restricciones de los actuadores del robot. Finalmente, estos comandos de velocidad son procesados por la capa inferior, que utiliza tres controladores PID independientes para regular las velocidades de las ruedas individuales. Para evaluar el esquema de control propuesto, se implementó en MATLAB R2024a utilizando una trayectoria en lemniscata como referencia. El problema de MPC se formuló como un problema de optimización cuadrática que consideraba los tres estados: las coordenadas de posición global y el ángulo de orientación. La simulación incluyó errores de estimación de estado y dinámicas del motor, que fueron identificados experimentalmente para coincidir estrechamente con el comportamiento del mundo real. Los resultados de la simulación y los experimentales demuestran la capacidad del MPC para seguir la trayectoria en lemniscata de manera eficiente. Notablemente, la estrecha concordancia entre los resultados simulados y experimentales validó la fidelidad del modelo de simulación. En un escenario del mundo real, el controlador MPC permitió la regulación simultánea tanto de la posición como de la orientación, lo que ofreció un mayor rendimiento en comparación con enfoques que asumen una orientación constante.