Cooperative Distributed MPC via Decentralized Real-Time Optimization: Implementation Results for Robot Formations

要約

分散モデル予測制御 (DMPC) は、幅広いシステムに適用できる柔軟でスケーラブルなフィードバック制御方法です。
DMPC の安定性解析は十分に理解されていますが、分散計算とネットワーク通信を含む現実的なアプリケーションの実装結果は限られています。
本稿では協調DMPC方式による移動ロボットの編隊制御にアプローチする。
分散型最適化アルゴリズムによる実装について説明します。
この目的を達成するために、乗算器の交互方向法と分散逐次二次計画法を組み合わせて、名目収束保証を備えた分散方式で根本的な最適制御問題を解決します。
私たちのアプローチでは、結合されたサブシステムのみが通信を必要とし、中央のコーディネーターに依存しません。
私たちの実験結果は、地層制御における DMPC の有効性を示しており、検討されたアルゴリズムのリアルタイムの実現可能性を示しています。

要約(オリジナル)

Distributed model predictive control (DMPC) is a flexible and scalable feedback control method applicable to a wide range of systems. While the stability analysis of DMPC is quite well understood, there exist only limited implementation results for realistic applications involving distributed computation and networked communication. This article approaches formation control of mobile robots via a cooperative DMPC scheme. We discuss the implementation via decentralized optimization algorithms. To this end, we combine the alternating direction method of multipliers with decentralized sequential quadratic programming to solve the underlying optimal control problem in a decentralized fashion with nominal convergence guarantees. Our approach only requires coupled subsystems to communicate and does not rely on a central coordinator. Our experimental results showcase the efficacy of DMPC for formation control and they demonstrate the real-time feasibility of the considered algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google