Studio e applicazione di tecniche di controllo predittivo per il posizionamento e il coordinamento di agenti mobili

In the last decades Model predictive control has gained a great role in a wide range of practical applications. This success is motivated by the possibility to easily deal with constraints on both state and control variables during the evolution of the system under control. MPC has also shown to be particularly useful for developing distributed multi-agent coordination algorithms, in view of the fact that predictions of the state trajectory are available at each time step and can be transmitted. The advantage of distributed control with respect to centralized implementations lies on the fact that the computational load can be distributed among the involved agents. The use of information transmitted according to a communication network between local regulators, enables distributed control implementations with similar performance to centralized implementations. From this point of view, the idea beyond this work is to use a distributed controller to coordinate a fleet of moving robots in the same environment. To guarantee the absence of collisions between them we use the concept of artificial potential field, widely discussed in the literature. This approach can be naturally used for defining a proper cost function in the MPC framework. The proposed algorithm is based on the concept of robust MPC control, and in particular on the tube based strategy. Using this approach we are able to guarantee that the real controlled system, on which a bounded disturbance is supposed to act, remains constrained in a neighborhood of the trajectory of the ideal system, which is defined by neglecting the effect of uncertainties. The proposed control algorithm has been validated using a simulation environment and then used to control a pair of real robots that move on the same working plane. Some of the most relevant results are presented in the last chapter. In the end the weakness of our approach and some possible future research directions are underlined.

Il model predictive control ha assunto negli anni una notevole importanza in molti ambiti applicativi per la capacità intrinseca di gestire problemi di controllo in presenza di vincoli sul valore assunto dalle variabili di stato o di ingresso durante l’evoluzione. Particolarmente interessante è la possibilità di sfruttare la predizione in avanti lungo l’orizzonte di tempo prescelto, prodotta nella fase di ottimizzazione, per realizzare un’implementazione dell’algoritmo di tipo distribuito. Tali informazioni, unite ad una struttura di controllo di tipo decentralizzato e ad una rete di comunicazione tra i regolatori locali, permettono di migliorare le prestazioni ottenute fino a quelle ideali di un controllo centralizzato; il vantaggio è rappresentato dalla possibilità di poter distribuire in questo modo il carico computazionale sui vari agenti nei quali può essere suddiviso il sistema. In quest’ottica l’idea del presente lavoro è quella di sfruttare un implementazione MPC distribuita per coordinare il movimento di una flotta di robot mobili. Al fine di garantire l’assenza di collisioni si fa riferimento al concetto di potenziale artificiale presente in letteratura e lo si integra nel problema di ottimizzazione MPC. L’algoritmo utilizzato è basato inoltre sul concetto di MPC robusto di tipo tube based che è in grado di assicurare, in presenza di un disturbo limitato, il mantenimento della traiettoria del sistema reale controllato in un intorno della traiettoria ideale in assenza di disturbo. L’algoritmo di controllo proposto è stato validato in simulazione e testato direttamente per il controllo di una coppia di robot reali in movimento all’interno di un piano di lavoro. Alcuni dei risultati più significativi sono riportati al termine della trattazione. Sono infine evidenziati i punti deboli dell’approccio adottato e le possibili direzioni di miglioramento individuate.