Path tracking of forest machine crane tip using Model Predictive Contouring Control

Abstract

The forest industry is currently facing a global labour shortage, making the automation of highly repetitive tasks, such as crane manipulation, increasingly necessary. While semi-automated features like tip control reduce operator cognitive load, achieving higher autonomy requires robust control strategies capable of handling physical constraints and the nonlinear dynamics of hydraulic actuators. Traditional time-based tracking methods often struggle in these heavy-duty applications, as system delays cause spatial deviations. Therefore, this thesis aimed to design and implement a Model Predictive Contouring Control (MPCC) algorithm for the path tracking of a 4-DOF forestry machine crane. The MPCC strategy prioritizes spatial contouring accuracy over strict temporal progression. The study involved kinematic and dynamic modeling of the crane, explicitly comparing a First-Order Time-Delayed (FOTD) and a Second-Order Time-Delayed (SOTD) model within the prediction horizon. The algorithm's performance, parameter sensitivity, and robustness against modelling errors and load variations were validated through extensive simulations.

Results indicate that the developed MPCC algorithm is a viable and competitive option for heavy hydraulic manipulators, achieving a Mean Absolute Error (MAE) of 1.5-3.1 cm. Average optimization times remained below 50 milliseconds, meeting real-time requirements. Although the SOTD model demonstrated better mathematical potential for tracking accuracy, it proved sensitive to measurement noise and modelling errors. This sensitivity, driven by numerical differentiation, led to harmful mechanical oscillations and occasional optimization timeouts. Conversely, the FOTD model was more robust, fault-tolerant, and computationally efficient.

The study concludes that the MPCC strategy effectively manages the trade-off between temporal progression and spatial tracking. Currently, using the FOTD model in MPCC provides a safer and more realistic foundation for physical implementation. Future development should focus on computational optimisation via C-code generation for embedded systems and the integration of advanced state estimation to fully exploit the system's dynamic potential.

Metsäteollisuus kohtaa parhaillaan maailmanlaajuista työvoimapulaa, mikä tekee rutiininomaisten työtehtävien, kuten nosturien hallinnan, automatisoinnista yhä välttämättömämpää. Vaikka puoliautomaattiset ominaisuudet, kuten kärkiohjaus, vähentävät operaattorin kognitiivista kuormitusta, korkeamman autonomia-asteen saavuttaminen vaatii kehittyneitä säätöstrategioita, jotka kykenevät käsittelemään fyysisiä rajoitteita ja hydraulisten toimilaitteiden epälineaarista dynamiikkaa. Perinteisillä aikaperusteisilla seurantamenetelmillä on usein vaikeuksia näissä raskaissa sovelluksissa, sillä järjestelmäviiveet aiheuttavat seurantavirheitä. Siksi tämän työn tavoitteena oli suunnitella ja toteuttaa malliennustava muodonseurantasäädin (engl. Model Predictive Contouring Control, MPCC) neljän vapausasteen metsäkonenosturin radanseurantaan. MPCC-strategia priorisoi radan muototarkkuutta tiukan ajallisen etenemisen sijaan. Tutkimus sisälsi nosturin kinemaattisen ja dynaamisen mallinnuksen, ja siinä vertailtiin ensimmäisen kertaluvun (engl. First-Order Time-Delayed, FOTD) ja toisen kertaluvun (engl. Second-Order Time-Delayed, SOTD) aikaviiveellisiä malleja ennustehorisontin sisällä. Algoritmin suorituskyky, parametriherkkyys sekä robustisuus mallinnusvirheitä ja kuormituksen vaihteluita vastaan validoitiin simulaatioiden avulla.

Tulokset osoittivat, että kehitetty MPCC-algoritmi on varteenotettava ja kilpailukykyinen vaihtoehto raskaille hydraulisille manipulaattoreille, saavuttaen 1,5-3,1 cm:n keskimääräisen absoluuttisen virheen (engl. Mean Absolute Error, MAE). Keskimääräiset optimointiajat pysyivät alle 50 millisekunnissa täyttäen asetetut reaaliaikavaatimukset. Vaikka SOTD-malli osoitti matemaattisesti parempaa potentiaalia seurantatarkkuuden osalta, se osoittautui herkäksi mittauskohinalle ja mallinnusvirheille. Tämä numeerisesta derivoinnista johtuva herkkyys johti haitalliseen mekaaniseen värähtelyyn ja satunnaisiin optimoinnin aikakatkaisuihin. FOTD-malli oli sen sijaan robustimpi, vikasietoisempi ja laskennallisesti tehokkaampi.

Työn johtopäätöksenä todetaan, että MPCC-strategia hallitsee tehokkaasti ajallisen etenemisen ja tilallisen radanseurannan välistä kompromissia. Tällä hetkellä FOTD-mallin käyttö MPCC:ssä tarjoaa turvallisemman ja realistisemman perustan fyysiselle toteutukselle. Jatkokehityksessä tulisi keskittyä laskennalliseen optimointiin sulautetuille järjestelmille suunnatun C-koodin generoinnin avulla, sekä edistyneen tilaestimoinnin integrointiin järjestelmän dynaamisen potentiaalin täysimääräiseksi hyödyntämiseksi.