Quantile-Based Command-Reserve MPC for Current-Command Gimbal Pointing
作者: Yaokun Lu, Yifan Li, Enmei Wang, Hao Teng, Pengwei Hu, Jianzhong Qiao
分类: cs.RO, eess.SY
发布日期: 2026-10-26
备注: 10 pages, 4 figures. Supplementary hardware trial data and recomputation scripts included as ancillary files. Submitted to Journal of the Franklin Institute
💡 一句话要点
提出基于分位数的命令保留MPC以解决当前指向控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 指向控制 模型预测控制 分位数预测 机械干扰 自适应命令边际
📋 核心要点
- 现有方法在面对机械干扰时，难以实现高精度的双轴指向控制，尤其是在摩擦和模型不匹配的情况下。
- 论文提出了一种基于分位数的干扰预测器和受管模型预测控制器，以应对指向控制中的不确定性和命令限制问题。
- 实验结果显示，所提控制器在实际平台上实现了显著的指向精度，且在多次试验中表现稳定，未出现命令限制样本。
📝 摘要（中文）
本文研究了受机械干扰影响的双轴电流命令云台的受限视线指向控制问题。由于摩擦、扭矩波动、电流响应滞后、模型不匹配和驱动命令限制，准确指向变得更加具有挑战性。提出了一种分位数干扰预测器，以补偿可预测的加速度残差并描述其剩余不确定性，借助于从状态、命令和参考历史中学习中位数和外部分位数。提出了一种受管模型预测控制器，根据预测不确定性保留命令余量，利用校准半径和阶段相关的输入边际。实验结果表明，所提配置在评估窗口内实现了3.94 ± 0.10 mrad的二维指向均方根误差，且没有命令限制样本。该研究支持在测试操作条件下结合使用残差预测和自适应命令边际。
🔬 方法详解
问题定义：本文旨在解决双轴电流命令云台在机械干扰下的受限视线指向控制问题。现有方法在应对摩擦、扭矩波动和模型不匹配等因素时，难以保持高精度和稳定性。
核心思路：论文的核心思路是通过分位数干扰预测器来补偿可预测的加速度残差，并结合受管模型预测控制器来保留命令余量，从而提高指向精度和应对不确定性。
技术框架：整体架构包括分位数干扰预测器和受管模型预测控制器两个主要模块。前者用于预测和补偿干扰，后者则根据预测的不确定性调整命令余量。
关键创新：最重要的技术创新在于引入分位数干扰预测器，能够有效描述残差的不确定性，并通过校准半径和阶段相关的输入边际来优化命令保留策略。与传统方法相比，该方法无需增加优化变量，简化了控制过程。
关键设计：在设计中，采用了基于状态、命令和参考历史的中位数和外部分位数学习机制，确保了对干扰的有效预测。同时，命令边际的自适应调整机制使得控制器在不同操作条件下都能保持高效性能。
🖼️ 关键图片
📊 实验亮点
在实验中，所提控制器在两轴嵌入式平台上实现了3.94 ± 0.10 mrad的二维指向均方根误差，且在七次重复试验中未出现命令限制样本，显示出优越的稳定性和精确性。
🎯 应用场景
该研究的潜在应用领域包括无人机、机器人和其他需要高精度指向控制的自动化系统。通过提高指向精度和稳定性，该方法可显著提升这些系统在复杂环境中的表现，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
This paper studies the constrained line-of-sight pointing control problem of a two-axis current-command gimbal subjected to mismatched mechanical disturbances. Friction, torque ripple, current-response lag, model mismatch, and limited drive commands make accurate pointing more challenging yet interesting. A quantile disturbance predictor is proposed to compensate predictable acceleration residuals and describe their remaining uncertainty, with the aid of learning median and outer quantiles from state, command, and reference histories. A tube-inspired model predictive controller is proposed to reserve command headroom according to prediction uncertainty, with the aid of calibrated radii and stage-dependent input margins. The median improves the nominal prediction, while the radius adapts the command reserve without adding optimization variables. A finite-horizon tube inclusion result is established for a specified linear error model and fixed ancillary policy; its conditions are distinguished from the approximations used in hardware. Native command bounds and a final command limiter keep the sent commands within their prescribed range. On a two-axis embedded platform, four controller configurations are compared in seven repeated trials each. The proposed configuration achieves a two-dimensional pointing root-mean-square error of $3.94 \pm 0.10$ mrad with no command-limit samples in the evaluation windows. Its performance supports the combined use of residual prediction and adaptive command margins in the tested operating condition. Solver times and logged loop overruns are reported separately for the nominal 100 Hz implementation.