Controle Robusto Preditivo de Modelo Dirigido por Dados e Acionado por Evento para um Manipulador Móvel Omni-Direcional

Manipuladores móveis omni-direcionais (OMMs) são sistemas inerentemente não lineares, fortemente acoplados e de múltiplas entradas e múltiplas saídas, o que representa desafios significativos para o desenvolvimento de modelos mecanicistas precisos devido à sua complexidade. A teoria do operador de Koopman oferece uma estrutura de modelagem dirigida por dados que utiliza dados de entrada e saída para caracterizar a dinâmica do sistema, mas frequentemente existem erros de modelagem. Neste artigo, é proposta uma estrutura de controle preditivo de modelo linear dirigido por dados e acionado por evento (MPC) para um OMM, sem usar nenhum conhecimento prévio do sistema robótico. Um modelo aproximado linear finito-dimensional de Koopman é estabelecido para um OMM utilizando dados de entrada e saída. A regressão de processo gaussiano (GPR) é empregada para estimar os erros do modelo, enquanto um observador de estado estendido (ESO) é projetado para estimar distúrbios externos. Como a introdução da GPR aumenta a carga computacional, é introduzido um mecanismo acionado por evento (ET) para reduzir recomputações desnecessárias do controlador e a frequência de atualização do controlador. Finalmente, experimentos comparativos são realizados para verificar a eficácia e a superioridade de desempenho do esquema de controle proposto.