.png){kind=icon}
返回
Implicit robust model predictive control based on Koopman operator for underwater manipulators
.png){kind=icon}
PRE
AI
DOI：10.1016/j.conengprac.2026.106965.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
水下机械臂的建模因复杂的水动力学效应和环境不确定性而具有挑战性。本文提出了一种基于数据驱动的控制框架，将Koopman算子理论与隐式鲁棒模型预测控制（MPC）相结合，用于一款新设计的3自由度（3-DOF）水下机械臂。Koopman算子通过状态提升实现非线性动力学的全局线性化，允许直接从实验数据构建面向控制的线性模型，而无需显式进行物理参数辨识。为解决Koopman近似中的建模误差和外部扰动问题，我们提出了一种隐式鲁棒Koopman基MPC（r-KMPC）策略。与需要通过计算上难以处理的Minkowski和运算显式构造鲁棒不变正向集的传统管式鲁棒MPC方法不同，所提出的方法采用支撑函数评估来隐式表示约束收紧，从而实现对高维提升系统的鲁棒控制。建立了关于递归可行性和输入-状态稳定性（ISS）的理论保证。通过在12米深度的“Qilin”水下机械臂上的仿真和现场实验，验证了所提出的r-KMPC的有效性和鲁棒性，其相比名义Koopman基MPC（KMPC）展现出更优的跟踪精度和更鲁棒的约束满足能力。
Keyword:
Koopman operator
robust model predictive control
underwater manipulator
data-driven control
implicit constraint tightening
