3DOF Motion Platform For Educational Applications With Model Predictive Control
Bachelor thesis
Permanent lenke
https://hdl.handle.net/11250/3076962Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Sammendrag
En Bevegelsesplattform er et utmerket verktøy som studenter kan bruke til å simulere virkelige scenarioer i et kontrollert miljø til testing og eksperimentering. Model Predictive Control betraktes som et mer gjennomførbart alternativ innen kontrollmetoder på grunn av nylige forbedringer innen algoritmeutvikling. MPC styrer et system ved å beregne den optimale kontroll handlingen ved å bruke målinger og en dynamisk modell av systemet for å forutsi fremtidige tilstander. Det er en mangel på gode praktiske utdanningsverktøy for å eksperimentere med denne kontrollstrategien på grunn av dens beregningskrav og komplekse natur. Tradisjonelt sett blir MPC ikke vanligvis undervist til studenter som tar en bachelorgrad. Det blir ofte betraktet som en avansert kontrollteknikk og blir derfor oftere brukt på masternivå. Imidlertid kan bruk av MPC i et bachelorprogram introdusere emnet for studenter, gjøre dem kjent med det, og potensielt vekke større interesse for det. I denne hovedfagsoppgaven er det utviklet og bygget en 3DOF bevegelsesplattform som er både robust og brukervennlig. Denne bevegelsesplattformen er utviklet for å fungere som en utdannings- og eksperimentell plattform for studenter. Den er utviklet for å tillate andre å enkelt modifisere designet og implementere sine egne kontrollere og systemer. Plattformen er også utstyrt med en berøringsskjerm som gjør det enkelt for andre å justere og endre parametere for sine kontrollere. Alle skriptene er programmert i Python og er modulære, slik at hvert skript kan erstattes. For å oppfylle kravene til beregningskraft, brukes en Khadas VIM3 som systemet for all programvare. Dette gjør at MPC enkelt kan styre en ball på toppen med minimale feil. The motion platform is an excellent tool for students to simulate real-world scenarios in a controlled environment for testing and experimenting. Model Predictive Control is seen as a more viable option in control methods due to recent improvements in algorithm development. MPC controls a system by calculating the appropriate control action by using measurements and a dynamical model of the system to predict future states. There is a lack of good practical educational tools to experiment with using this control strategy due to its computational requirements and complex nature. MPC, traditionally, is not commonly taught to undergraduates pursuing a bachelor's degree. It is often regarded as an advanced control technique and thus more frequently encountered at the master's level. However, incorporating MPC into a bachelor's program can introduce the topic to undergraduate students, familiarizing them and potentially sparking greater interest in it. In this thesis, a 3DOF motion platform that is both robust and user-friendly has been developed and built. This motion platform is developed to serve as an educational and experimental platform for students. It is developed to allow others to easily modify the design and implement their own controllers and systems. The platform is also equipped with a touch-screen to allow others to easily tune and change parameters for their controllers. All scripts are programmed in Python and are modular, such that each script can be replaced. To meet the requirement for computational power, a Khadas VIM3 single-board computer serves as the system for all software. This allows the MPC to easily control a ball on the top with minimal errors.