IEEE/ASME TRANSACTIONS ON MECHATRONICS 1Observer-Based State Feedback ModelPredictive Control 阅读要点

### 文章概述
本文提出了一种基于状态反馈的模型预测控制（MPC）框架，旨在为腿部机器人提供动态校正系统模型和增强计算鲁棒性的能力。首先，通过将原始非线性模型不确定性重构为带有时间变化干扰项的线性模型，提出了一种新的MPC控制器。随后，设计了一个闭环状态观察器来近似重建的模型，并将其作为MPC中预测的基准。利用Lyapunov函数证明了这种方法可以确保状态估计误差的最终均匀有界性。其次，为了提高计算效率并保持系统的稳定性，在MPC之后串联了一个具有计算鲁棒性的全身控制器。最后，在BRAVER双足机器人的仿真和物理原型上进行了广泛实验，验证了所提控制框架的有效性和稳健性。本文的工作主要贡献在于提出了一个针对腿部机器人动态3D运动的新型观察者基MPC方法，它能够通过引入状态反馈建立闭环，实现对系统模型的动态修正，并通过优化输入变化减少稳态误差。此外，还证明了该方法在存在扰动条件下的稳健性，能够在保证状态估计误差被均匀有界的同时，动态逼近真实系统模型。通过与现有标准MPC方法的比较，以及在仿真和实际硬件上的测试，展示了本文