< Terug naar vorige pagina

Project

Bevorderen van de industriële toepassing van modelgebaseerde voorspellende regeling van robotmanipulatoren: Verbeteren van de berekeningsefficiëntie en vergemakkelijken van de implementatie

De implementatie van robottoepassingen stuit op een aantal uitdagingen waarvoor eenvoudige regelaars niet geschikt zijn. Zo worden robotsystemen steeds complexer en moeten toepassingen voldoen aan beperkingen die inherent zijn aan het systeem of aan de taak zelf, terwijl tegelijkertijd rekening moet worden gehouden met verschillende, soms tegenstrijdige, prestatiedoelstellingen. Met deze uitdagingen wordt expliciet rekening gehouden door de geavanceerde optimale regeltechniek die modelgebaseerde voorspellende regeling of "model predictive control (MPC)" wordt genoemd. Bij MPC worden modellen gebruikt om het gedrag van het systeem binnen een bepaalde tijdshorizon te voorspellen, en bij elke regelstap wordt een optimalisatieprobleem in real time opgelost. Brede toepassing van MPC in complexe robottoepassingen wordt echter belemmerd door twee problemen. Ten eerste vereisen de low-level drivers van robotsystemen updates van de regelinput aan een hoge frequentie, doorgaans in de orde van 1 kHz, een regelfrequentie die moeilijk haalbaar is voor MPC vanwege de inherente rekencomplexiteit. Ten tweede is het specificeren, prototypen en toepassen van MPC geen gemakkelijke taak, omdat hulpmiddelen die dit ondersteunen niet algemeen beschikbaar zijn, hetgeen aldus leidt tot hoge ingenieursinspanningen. Dit werk pakt beide problemen aan door de computationele complexiteit van MPC-implementaties voor robottoepassingen te verminderen en de engineeringtijd die nodig is voor de specificatie, prototyping en toepassing ervan te reduceren. Het omvat (i) de vermindering van de rekencomplexiteit van algemene wiskundige uitdrukkingen, (ii) het gebruik van efficiënte formuleringen van de robotdynamica en hun analytische afgeleiden, (iii) het gemengde en transparante gebruik van dergelijke analytische afgeleiden en algoritmische differentiatie binnen een optimalisatie-framework, (iv) de efficiënte evaluatie van rekenintensieve functies in niet-lineaire programma's door middel van parallellisatie op taak- en gegevensniveau, en (v) de efficiënte implementatie van numerieke optimalisatiealgoritmen die de oplossing van het onderliggende optimale regelprobleem versnellen. Bovendien consolideert het deze vorderingen binnen een gebruiksvriendelijk, open-source framework genaamd Tasho, dat een directe workflow definieert van probleemdefinitie tot het inzetten van robotgebaseerde oplossingen. Deze ontwikkelingen helpen de kloof te overbruggen tussen geavanceerde optimalisatie-gebaseerde regelaars, zoals MPC, en complexe robottoepassingen.

Datum:12 sep 2018 →  12 sep 2022
Trefwoorden:model predictive control, motion planning
Disciplines:Productietechnieken, Andere mechanische en productie ingenieurswetenschappen, Productontwikkeling, Controlesystemen, robotica en automatisatie, Ontwerptheorieën en -methoden, Mechatronica en robotica, Computertheorie
Project type:PhD project