.png){kind=icon}
返回
Global-Initialization-Based Model Predictive Control for Mobile Robots Navigating Nonconvex Obstacle Environments
.png){kind=icon}
OA
AI
DOI：10.3390/act14090454.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种采用初始猜测粒子群优化（IG-PSO）算法初始化的非线性模型预测控制（MPC）框架，用于在包含非凸障碍物的环境中导航移动机器人。所提出的方法旨在通过引入基于PSO的全局搜索方法来生成有效的初始猜测，从而解决传统优化型MPC固有的局部最小值问题。此外，实现了一种基于网格的非凸障碍物表示方法，以在MPC公式中系统地定义避障约束。该方法在实时仿真中得到了验证，使用了机器人操作系统（ROS）和Gazebo物理仿真器。结果表明，由IG-PSO初始化的所提MPC能够生成避开了局部最小值并跟踪期望参考轨迹的碰撞自由轨迹，在包含非凸障碍物的环境中表现良好。与传统的IPOPT型MPC相比，所提方法在测试场景中表现出更优的性能。该方法还通过仅在需要时选择性激活IG-PSO算法，保持了实时控制能力。本研究结果表明，所提出的框架在复杂、非凸障碍物环境中进行鲁棒且高效的轨迹规划方面具有潜力。
Keyword:
collision avoidance
model predictive control
nonconvex obstacles
particle swarm optimization
robot navigation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.3
论文数:
491
被引数:
4.2K
机构
暂无机构信息
引用论文
A Receding Horizon Trajectory Tracking Strategy for Input-Constrained Differential-Drive Robots via Feedback Linearization基于反馈线性化的输入受限差分驱动机器人的后退地平线轨迹跟踪策略
.png){kind=icon}
PREAI
分享收藏Formation Reconfiguration Control With Collision Avoidance of Nonholonomic Mobile Robots非完整移动机器人的编队重构控制与避碰
PREAI
分享收藏CasADi: a software framework for nonlinear optimization and optimal controlCasADi: 非线性优化和最优控制的软件框架
PREAI
分享收藏
查看更多内容