Six-DoF Stewart Platform Motion Simulator Control using Switchable Model Predictive Control

📄 arXiv: 2503.11300v1 📥 PDF

作者: Jiangwei Zhao, Zhengjia Xu, Dongsu Wu, Yingrui Cao, Jinpeng Xie

分类: eess.SY, cs.RO

发布日期: 2025-03-14

💡 一句话要点

提出基于可切换模型预测控制的Stewart平台运动模拟器控制方法，提升复杂飞行状态下的跟踪精度。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: Stewart平台 运动模拟器 模型预测控制 可切换控制 运动提示算法

📋 核心要点

  1. 传统Washout滤波器在复杂飞行状态模拟中，难以满足Stewart平台对快速响应和高精度控制的需求。
  2. 提出一种可切换模型预测控制（S-MPC）方法，通过模型自适应架构，缓解终端约束提取带来的不确定性和误差。
  3. 实验表明，该方法在模拟器工作范围内外均能实现精确跟踪，且在水平失速模拟中显著优于传统方法。

📝 摘要（中文）

针对六自由度（DoF）Stewart平台在飞行模拟器中复现复杂飞行状态时，传统Washout滤波器（CWF）在快速响应和高精度方面存在局限性，本文提出了一种基于模型预测控制（MPC）的运动提示算法（MCA）。考虑到终端约束提取（COTC）的不确定性和控制解误差，提出了一种基于模型自适应架构的可切换模型预测控制（S-MPC）MCA，以减轻解的不确定性和不准确性。验证结果表明，在模拟器工作范围内，使用带有COTC的MPC-MCA可以实现高精度跟踪。所提出的方法通过切换到没有COTC的MPC-MCA，在工作范围外提供最佳跟踪解决方案。通过水平失速条件下的UPRT演示，并采用平均绝对比例（AAS）评估标准，所提出的S-MPC-MCA的性能分别优于MPC-MCA和SWF-MCA 42.34%和65.30%。

🔬 方法详解

问题定义：Stewart平台运动模拟器在进行复杂飞行状态（如UPRT）模拟时，需要快速且精确地复现飞行员的运动感觉。传统的基于Washout滤波器的运动提示算法（MCA）难以同时满足快速响应和高精度控制的要求，尤其是在角速度变化剧烈的情况下。此外，终端约束提取（COTC）过程中的不确定性和误差也会影响控制性能。

核心思路：本文的核心思路是利用模型预测控制（MPC）的优化能力，设计一种可切换的MPC（S-MPC）策略。在模拟器工作范围内，使用带有终端约束的MPC，以保证跟踪精度。当超出工作范围时，切换到不带终端约束的MPC，以避免因约束不准确而导致的控制问题。通过这种切换机制，实现全局范围内的优化控制。

技术框架：该方法的技术框架主要包含以下几个部分：1) 建立Stewart平台的动力学模型；2) 设计基于MPC的运动提示算法（MCA），包括带有终端约束的MPC和不带终端约束的MPC；3) 设计切换策略，根据模拟器的工作状态，动态选择合适的MPC控制器；4) 实现模型自适应架构，以应对模型的不确定性。

关键创新：该方法最关键的创新点在于提出了可切换的MPC控制策略。通过动态切换带有终端约束和不带终端约束的MPC，有效地解决了传统MPC在存在约束不确定性时的控制问题，提高了Stewart平台运动模拟器的跟踪精度和鲁棒性。

关键设计：切换策略是该方法的关键设计之一。具体而言，需要定义模拟器的工作范围，并设计合适的切换条件。此外，MPC控制器的参数设置（如预测时域、控制时域、权重系数等）也会影响控制性能。模型自适应架构的设计也至关重要，需要选择合适的自适应算法，并根据实际情况调整参数。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，所提出的S-MPC-MCA方法在水平失速条件下的UPRT演示中，性能显著优于传统的CWF-MCA和MPC-MCA方法。具体而言，S-MPC-MCA的平均绝对比例（AAS）指标分别优于MPC-MCA和SWF-MCA 42.34%和65.30%，表明该方法在复杂飞行状态模拟中具有更高的跟踪精度和更好的控制性能。

🎯 应用场景

该研究成果可应用于飞行模拟器、车辆模拟器、船舶模拟器等领域，为飞行员、驾驶员和船员提供更真实、更安全的训练环境。此外，该方法还可用于机器人控制、虚拟现实等领域，提高系统的运动控制性能和用户体验。未来，该方法有望应用于更复杂的运动模拟场景，例如地震模拟、灾难救援模拟等。

📄 摘要（原文）

Due to excellent mechanism characteristics of high rigidity, maneuverability and strength-to-weight ratio, 6 Degree-of-Freedom (DoF) Stewart structure is widely adopted to construct flight simulator platforms for replicating motion feelings during training pilots. Unlike conventional serial link manipulator based mechanisms, Upset Prevention and Recovery Training (UPRT) in complex flight status is often accompanied by large speed and violent rate of change in angular velocity of the simulator. However, Classical Washout Filter (CWF) based Motion Cueing Algorithm (MCA) shows limitations in providing rapid response to drive motors to satisfy high accuracy performance requirements. This paper aims at exploiting Model Predictive Control (MPC) based MCA which is proved to be efficient in Hexapod-based motion simulators through controlling over limited linear workspace. With respect to uncertainties and control solution errors from the extraction of Terminal Constraints (COTC), this paper proposes a Switchable Model Predictive Control (S-MPC) based MCA under model adaptive architecture to mitigate the solution uncertainties and inaccuracies. It is verified that high accurate tracking is achievable using the MPC-based MCA with COTC within the simulator operating envelope. The proposed method provides optimal tracking solutions by switching to MPC based MCA without COTC outside the operating envelope. By demonstrating the UPRT with horizontal stall conditions following Average Absolute Scale(AAS) evaluation criteria, the proposed S-MPC based MCA outperforms MPC based MCA and SWF based MCA by 42.34% and 65.30%, respectively.