基于低计算量模型预测控制的清洁机器人路径跟踪方法

一种基于低计算量模型预测控制的清洁机器人路径跟踪方法，通过建立机器人阿克曼转向运动学模型构建以跟踪误差惩罚项为核心的模型预测控制优化问题；针对求解复杂度高的难题，使用低计算量的高效求解器，利用Riccati方程递归计算ADMM中的原始变量更新，通过离线预计算稳态矩阵，避免复杂矩阵运算，同时根据ADMM算法收敛速度相对较慢的情况，引入预测校正(predictor‑corrector)步骤加速ADMM算法收敛。本发明在保证路径跟踪精度的同时显著降低计算量，有效适应硬件资源受限的实时场景。