一种基于GP-FL-MPC的轨迹跟踪方法

本发明公开了一种基于GP‑FL‑MPC的轨迹跟踪方法。采用高斯过程模型对扰动量进行学习，能够有效补偿运动学模型与真实模型的偏差，且有效提高轨迹跟踪任务的跟踪精度。并且采用FL‑MPC方法，降低状态变量维度和达到控制指令的单步求解，从而有效降低优化问题的求解时间。采用扰动数据集对GP模型进行训练，融合GP模型和MPC方法更精确地预测未来扰动状态和扰动补偿，对当前控制量进行优化，能够有效提高控制系统对不确定性和干扰的鲁棒性和准确性，实现了AGV在作业环境中高性能的抗干扰能力，增强轨迹跟踪方法的跟踪性能，提高效率的同时也保证了安全性。