来源：期刊VIP网 时间：
作者：王玉瑶;贺利乐;陈佳旋;贺宁;
单位：西安建筑科技大学机电工程学院;
摘要：针对一种适用于斜坡极点平衡的自平衡机器人，提出了一种递推最小二乘法参数辨识和模型预测控制（Recursive least squares and model predictive control, RLS-MPC）相结合的方法，以实现自平衡机器人在不同斜坡极点的静态平衡控制。该方法使用递推最小二乘（Recursive least squares,RLS）法辨识系统状态参数，并与模型预测控制（Model predictive control, MPC）方法相结合，解决了自平衡机器人在斜坡极点平衡时状态参数未知的控制问题。同时，对闭环系统进行了基于Lyapunov的稳定性分析。最后通过与线性二次调节器（Linear quadratic regulator, LQR）和MPC方法进行数值仿真对比和性能指标对比，结果表明所提出的RLS-MPC控制方法相较于传统的LQR和MPC方法，不仅趋于稳定时间短，而且精度更高，能有效地改善自平衡机器人的控制性能。
关键词：自平衡机器人;;静态平衡;;模型预测控制;;参数辨识
基金资助：国家自然科学基金项目(61903291)
