一种基于模糊逻辑与模型预测控制相结合的伺服控制器

本发明属于自动控制与目标跟踪，具体涉及一种基于模糊逻辑与模型预测控制相结合的伺服控制器，用于实现对动态目标的高精度实时跟踪。

背景技术：

1、在机器人、无人系统、工业自动化等领域，动态目标跟踪是一项关键技术。伺服控制系统需要实时调整执行机构（如云台、机械臂等）以对准运动中的目标。由于目标运动具有非线性、突变性和不可预测性，传统的控制方法（如pid控制）在应对目标位置和速度突变时，容易产生较大的跟踪误差和系统震荡，且对外部扰动和噪声的响应较为被动，难以满足高精度跟踪的需求。

2、模型预测控制（model predictive control, mpc）作为一种先进的控制方法，已被引入目标跟踪控制领域。mpc通过系统模型预测未来输出，并在线求解优化问题以获得最优控制量。然而，传统的mpc控制器通常采用固定的权重参数，在处理高度复杂或变化剧烈的目标运动时，其鲁棒性和灵活性受到限制，无法根据目标运动状态的变化自适应调整控制策略，导致在目标高速运动或轨迹突变时跟踪性能下降。

3、因此，需要一种能够自适应调整控制参数、适应复杂目标运动的高性能伺服控制器。

技术实现思路

1、为了克服现有目标跟踪控制方法的不足，本发明提出了一种基于模糊模型预测控制（f-mpc）的目标实时跟踪伺服控制器，以实现对目标运动状态的自适应控制，提升伺服控制在复杂目标跟踪任务中的稳定性和精度。

2、实现本发明目的的技术解决方案为：

3、一种基于模糊逻辑与模型预测控制相结合的伺服控制器，包括：

4、图像采集模块，用于实时捕获图像信息并发送到图像处理与状态估计模块；

5、图像处理与状态估计模块，用于对图像信息进行目标检测和预处理，提取目标当前位置，并建立目标-伺服系统的简化运动学模型，计算位置误差和速度误差；

6、模糊控制模块，用于根据位置误差和速度误差动态调整mpc的基准权重值；

7、mpc优化求解与控制输出模块，用于根据调整后的基准权重值构建mpc代价函数，通过二次规划求解最优控制量，并将控制量转换为伺服云台模块可执行的角加速度指令输出。

8、本发明与现有技术相比，其显著优点是：

9、(1)提出模糊控制与mpc相结合的权重在线自适应调整机制。通过模糊控制模块，以位置误差和速度误差为输入，依据模糊规则实时输出权重调整系数，动态修正mpc代价函数中的状态权重矩阵和控制权重矩阵。相比固定权重的传统mpc，本发明使控制器能够自适应应对阶跃突变、高速运动、正弦轨迹等多种复杂运动模式，显著提高了跟踪精度和系统鲁棒性。

10、(2)构建简化的目标-伺服系统运动学模型，兼顾精度与实时性。本发明建立状态空间向量和离散状态转移方程，既保留了伺服系统的关键运动特性，又避免了复杂非线性模型带来的求解负担。结合mpc代价函数，可在毫秒级采样周期内完成实时求解，实现了高精度跟踪与实时性的统一。

11、(3)通过数值模拟与coppeliasim联合仿真双重验证，证明性能优越。f-mpc控制器在数值模拟中全面测试阶跃信号和正弦信号，在coppeliasim中验证直线轨迹和正弦轨迹下的实际跟踪性能。结果表明，f-mpc控制器在响应时间、稳态误差、最大超调量等指标上均优于传统的n-mpc，有效抑制了超调和震荡。

12、(4)f-mpc控制器适用于机器人视觉跟踪、无人机地面目标跟踪、安防监控等多种需要动态目标跟踪的场景。

1.一种基于模糊逻辑与模型预测控制相结合的伺服控制器，其特征在于，包括：

2.根据权利要求1所述的伺服控制器，其特征在于，最优控制量为二次规划求解的最优控制序列u的第一个控制输入，其中二次规划形式为；

3.根据权利要求1所述的伺服控制器，其特征在于，模糊控制模块的输入变量为归一化后的x、y两个方向的位置误差和速度误差，输出变量为两个方向各自对应的位置误差权重调整系数、速度误差权重调整系数和控制量权重调整系数，通过下式调整基准权重值：

4.根据权利要求1所述的伺服控制器，其特征在于，模糊控制模块的通过模糊规则库实现输入变量与输出变量之间的动态映射；输入变量划分多个模糊等级，每个等级对应一个模糊集合及其隶属度函数，其中位置误差划分为三个模糊等级，速度误差划分为五个模糊等级，输出变量划分为三个模糊等级；采用mamdani型模糊推理，解模糊化采用重心法。

5.根据权利要求2所述的伺服控制器，其特征在于，k时刻的状态空间向量为：

6.根据权利要求1所述的伺服控制器，其特征在于，所述图像采集模块采用cmos图像传感器。