六轮AGV小车路线偏差控制方法仿真_冯少源.pdf

基金项目:陕西省教育厅科学研究计划项目(21JK0949)收稿日期:2022-04-18 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0417-05六轮 AGV 小车路线偏差控制方法仿真冯少源,周章金,马 璿(西藏民族大学信息工程学院,陕西 咸阳 712000)摘要:针对无人自动导向运输车(Automated Guided Vehicle,AGV)在搬运质量较大货物时,驱动轮容易出现打滑或摆动问题,导致其路线难以按照原定路线行驶,提出一种基于磁导航的六轮 AGV 小车路线偏差控制方法。通过示教方法记录并测量磁钉的位置,基于此,采用迭代学习方法在 AGV 小车重复运动过程中更新局部路段的目标值,实现磁钉的标定。计算运行过程中六轮 AGV 小车产生的角度偏差和位置偏差,将其作为输入值,设计模糊控制器,控制小车的路线偏差,在此基础上采用粒子群优化算法优化模糊控制器,提高六轮 AGV 小车路线偏差的控制精度。仿真结果表明,研究方法控制下六轮AGV 小车路线与实际原定路线具有较高拟合度,总耗时在 10s 内,验证了所提方法的导航精度高、角度偏差小且控制效率较高。关键词:磁导航;磁钉标定;模糊控制器;粒子群优化算法中图分类号:TP242.2 文献标识码:BSimulation of Route Deviation Control of Six-Wheel AGV CarFENG Shao-yuan,ZHOU Zhang-jin,MA Xuan(College of Information Engineering,Xizang Minzu University,Xianyang Shaanxi 712000,China)ABSTRACT:When transporting heavy goods,the driving wheel of AGV(Automated Guided Vehicle)is prone toslip or swing,so it is difficult to follow the original route.Therefore,a method of controlling route deviation of six-wheel AGV was proposed based on magnetic navigation.Firstly,the position of the magnetic nail was recorded andmeasured by the teaching method.On this basis,the iterative learning method was used to update the target value oflocal sections during the repeated movement of AGV,thus achieving the calibration of the magnetic nail.Secondly,the angle deviation and position deviation caused by the small difference of six-wheel AGV were calculated as inputvalues.Thirdly,a fuzzy controller was designed to control the route deviation.Moreover,the particle swarm optimiza-tion algorithm was adopted to optimize the fuzzy controller and thus improve the control accuracy for route deviation.Simulation results show that the route of the six-wheel AGV controlled by the proposed method has a high degree offit with the original route,and the total time is less than 10s.It is verified that the proposed method has high naviga-tion accuracy,small angle deviation and high control efficiency.KEYWORDS:Magnetic navigation;Calibration of magnetic nail;Fuzzy controller;Six-wheel AGV;Particleswarm optimization algorithm1 引言AGV 是一种能够沿规定导引路径行驶的移动搬运机器人,广泛应用于物流,电子,汽车,航天,家电等产业1。在移动机器人领域中,六轮 AGV 小车属于重要领域,将导航传感器安装到六轮 AGV 小车上,可以控制小车按照设定的路线行驶,与传统物料搬运工具的性质相同,六轮 AGV 小车主要用于搬运物料,但其性能优于传统物料搬运工具。六轮 AGV在工作过程中通常采用摄像机获取工作环境内的路况信息,根据路径轨迹与车辆之间的相对位置向指定方向行驶。在六轮 AGV 自动引导控制中,线路偏差控制属于重要研究内容。针对此问题,当前已经有相关学者给出了一些较好的研究成果,例如:兰培真2等人通过蚂蚁智能体表示 AGV 小车,通过 Ant-agent 控制算法完成 AGV 小车路线偏差控制,该方法控制路径与设定路径之间的偏差较大,存在导航精度714低的问题。郭兴海3等人将最大平滑度和最短路径作为目标,构建目标函数,利用量子粒子群优化算法获取函数最优值,得到 AGV 小车的初始路径,将平滑度约束引入 Bezier 曲线中,拟合修正初始路径,完成 AGV 小车路线的偏差控制,该方法在直段路线和弯段路线的测试过程中存在较大的角度偏差,降低了方法的控制性能。范厚明4等人将能耗最小作为目标,在支架容量和平台容量的约束下构建双层 AGV小车路线偏差控制模型,结合遗传算法和枚举法对模型求解,完成路线偏差控制,该方法控制小车运动所用的时间较长,存在控制效率低的问题。AGV 在危险环境、仓储业、烟草和制造业中六轮 AGV 具有良好的自动化程度和柔性,得到了广泛的应用。为了进一步解决当前小车路径控制方法中存在的问题,提出新的基于磁导航的六轮 AGV 小车路线偏差控制方法。2 方法2.1 磁钉校正1)磁钉坐标标定AGV 小车运动的基础是初始姿态和位姿,因此在路线偏差控制之前需要确定小车的初始姿态和初始位姿。以起始磁钉为依据,测量和标定磁钉 A0和磁钉 B05,设置位姿向量 OA0=0,0,0 和 OB0=xB0,yB0,A0,其中,(xB0,yB0)表示绝对坐标系中磁钉 B0对应的坐标,夹角 A0=arctan(yB0/xB0)。六轮 AGV 小车在运动过程中经过第一对磁钉时,通过下式计算小车的初始姿态 j和初始位置(xj,yj)j=A0-jxj=xBj+bsin jyj=yBj+bcos j|(1)式中,j代表夹角变化率;b 代表磁钉 Aj与六轮 AGV 小车中心之间的距离。通过示教方法驱动六轮 AGV 小车,扫描磁钉坐标。六轮 AGV 小车在运动过程中经过磁钉 Cj时,可通过定位系统采集六轮 AGV 小车的位姿 Oi=xi,yi,iT,磁钉 Cj的坐标(xCj,yCj)可通过下式计算得到xCj=xi-csin iyCj=yi+ccos i(2)式中,c 代表磁钉与六轮 AGV 小车中心之间存在的距离,可通过磁栅测量得到。通过上述示教扫描后,得到磁钉在绝对坐标系中的坐标,以及 X 轴与磁钉连线构成的夹角 Aj,以此为依据计算校正磁钉 Bj和目标磁钉 Aj的位姿 O0Bj=x0Bj,y0Bj,0AjT、O0Aj=x0Aj,y0Aj,0AjT。2)磁钉规划保持六轮 AGV 小车在磁钉间运动时的轨迹为直线,设定磁钉 Aj和磁钉 Bj之间的距离小于六轮 AGV 小车直线运动距离。设置姿态角,确保六轮 AGV 小车沿规划路径段运动到目标磁钉,在此基础上,通过直线运动六轮 AGV 小车可以扫描到磁钉对。用密切差值多项式描述从起始点处六轮AGV 小车到目标点的轨迹 Mi(x)Mi(x)=yi+(x-xi)tan i(yi+1-yi)/(xi+1-xi)3-tan i/(xi+1-xi)2(x-xi)3+-3(yi+1-yi)/(xi+1-xi)4+(tan i+1+2tan i)/(xi+1-xi)3(x-xi)3(x-xi+1)+6(yi+1-yi)/(xi+1-xi)5-(3tan i+1+3tan i)/(xi+1-xi)4(x-xi)3(x-xi+1)2(3)3)迭代学习磁栅尺精度、路面平整度、车轮打滑和定位系统误差等因素都会降低磁钉标定的精度。通过迭代学习方法6,7在路径上控制六轮 AGV 小车重复运动,修正规划路径段中六轮AGV 小车的目标点,利用磁钉完成小车的位姿校正。在第 n 次迭代学习过程中,控制输入选取目标点 Onj=xnj,ynj,njT,将目标磁钉作为终点,在第 j 段路径中控制小车移动,六轮 AGV 小车均配有磁尺,小车经过磁钉 Aj和 Bj时完成扫描,获得目标点 Onj的新位姿向量差 nj=xnj,ynj,nj和磁钉新的位姿向量 OnAj=xnAj,ynAj,nAj,通过上述分析,设置如下迭代学习控制策略Onj=On-1Aj-ln-1jnj=OnAj-Onj(4)式中,l 在区间0,1内取值,代表学习效率因子。2.2 路线偏差控制在模糊控制原理的基础上控制六轮 AGV 小车路线的偏差。1)模糊控制原理在多变量的复杂系统中,模糊控制技术可根据不同变量之间存在的关系实现精准控制8,9。建立模糊控制器是六轮 AGV 小车路线偏差控制中的关键环节,模糊控制的原理如图 1 所示。2)六轮 AGV 小车模糊控制将多组传感器安装到六轮 AGV 车体上,用于检测磁道线,根据采集的数据得到六轮 AGV 小车的运行状态。在传感器数据的基础上,模糊控制器可以计算得到运行过程中六轮 AGV 小车的位置偏差量 D 和方向偏差角,利用模糊控制器纠正上述偏差10,11。位置偏差量 D 和方向偏差角 从理论上在区间-,+、-90,+90内取值,但在实际控制过程中,检测元件在位置偏差量 D 过大的情况下无法获取六轮 AGV 小车的运行状态,因此将位置偏差量 D、方向偏差角 的取值范围设置在区间-240mm,+240mm,-45,+45内。六轮 AGV 小车两侧车轮转速 vr、vL,D、之间存在的关系可通过下式描述814图 1 模糊控制原理=t(vr+vL)/LD=sin t(vr+vL)/2(5)式中,t 代表六轮 AGV 小车的运动时间;L 代表六轮 AGV 小车的宽度。当 t 的值接近于零时,可将上式转变为下式d=(vr+vL)/LdD=(vr+vL)/2(6)采用拉式变换将上式转变为下式(s)=(vr+vL)/LsD=(vr+vL)/2s(7)式中,s 代表扫描周期内六轮 AGV 小车运行的距离。3)模糊控制器设计模糊化处理输入控制器的六轮 AGV 小车运动数据,将其转变为模糊量,在模糊规则的基础上设置模糊推理机12,13,在推理机中输入小车运动数据,获得模糊规则与数据之间的关系,执行元件根据上述关系获得小车路线偏差,将其输入模糊控制器中,输出六轮 AGV 小车主动轮的角速度差,通过调整主动轮的角速度差,实现六轮 AGV 小车路线偏差的控制。为了提高控制精度,采用粒子群算法优化模糊控制器14-,15,将 ITAE 准则引入模糊控制器优化目标函数 K 中K=0w1|e(t)|+w2u2(t)dt+w3tu(8)式中,w1、w2、w3分别代表误差、输出以及 ITAE 准则对应的权值;e(t)表示六轮 AGV 小车的系统误差;tu代表 ITAE 准则;u(t)表示模糊控制器的输出。采用粒子群算法对上述模糊控制器优化目标函数求解,具体过程如下:1)对粒子在群体中的位置和速度展开更新;2)构建适应度函数,计算粒子群全局极值和粒子个体极值;3)粒子通过下式完成进化,获得最优值 PP=api+bpga+b(9)式中,pi代表搜索空间中第 i 个粒子对应的最优解;a、b 属于随机数,在区间0,1内取值;pg代表搜索空间中所有粒子通过寻优获取的全局最优解。设置粒子群优化算法的迭代步长 LL=|xid-P|g(10)式中,xid代表搜索空间中第 i 个粒子在种群中所处的位置;g代表步长因子。4)选取随机数 u 更新粒子在寻优过程中的位置方程,u在区间0,1内取值;5)通过下式对粒子在种群中的位置展开更新xid=P Lln1u(11)6)通过下式对粒子在种群中的速度 vkiD展开更新vk+1iD=vkiD+c1rand(pki-xki)+c2rand(pkg-xki)(12)式中,代表惯性权重;c1、c2代表学习因子;rand 代表随机函数。7)设置粒子群优化算法的终止条件,满足条件时,输出模糊控制器的优化结果,提高六轮 AGV 小车路线偏差控制的精度。3 实验与分析为了证明所提出方法具有可应用性能,设计以下实验完成相关测试。选定六轮 AGV 小车的行驶区域,并在小车前方安装摄像头,以实时获取小车位置,并将小车实际路线在计算机界面,具体显示,具体界面如图 2 所示。图 2 六轮 AGV 小车实际路线本次实验测试包括两个阶段,第一阶段为六轮 AGV 小车的直段路线测试,第二阶段为六轮 AGV 小车的弯段路线测试。1)直段路线测试设定直线轨迹,将六轮 AGV 小车的速度设定为 0.35m/s,采用提出的基于磁导航的六轮 AGV 小车路线偏差控制方法、基于 Ant-agent 的 AGV 路线控制方法和融合多目标与能914耗控制的 AGV 路线控制方法展开直段路线测试,三种方法的轨迹跟踪图如图 3 所示。图 3 三种方法的直段路线跟踪结果由图 3 可知,所提方法的跟踪结果与设定轨迹基本相符,其它两种方法的跟踪结果存在偏差,三种方法的角度偏差如图 4 所示。图 4 直段路线的角度偏差分析图 4 可知,所提方法在六轮 AGV 小车运动过程中的角度偏差控制在2之内,与所提方法的测试结果相比,基于 Ant-agent 的 AGV 路线控制方法和融合多目标与能耗控制的 AGV 路线控制方法的角度偏差较大。在图 2 所示的测试环境中,对三种方法展开多次控制测试,测试控制六轮 AGV 小车从起点运动到终点所用的时间,结果如图 5 所示。根据图 5 可知,所提方法的控制时间均低于 10s,基于Ant-agent 的 AGV 路线控制方法和融合多目标与能耗控制的 AGV 路线控制方法的控制时间在多次测试过程中分别在30s 和 40s 附近波动。2)弯段路线测试设定弯段轨迹,将六轮 AGV 小车的速度设定为 0.35m/s,采用上述方法展开弯段路线测试,路段跟踪结果如图 6图 5 直段路线的控制时间所示。图 6 三种方法的弯段路线跟踪结果通过上述测试可知,与基于 Ant-agent 的 AGV 路线控制方法和融合多目标与能耗控制的 AGV 路线控制方法相比,所提方法具有较高的跟踪精度,三种方法的角度偏差如图 7所示。图 7 弯段路线的角度偏差由图 7 可知,与直段路线的角度偏差相比,三种方法在024弯段路线测试中的角度偏差均有所增大,但所提方法的角度偏差仍然是最小的。在图 2 所示的测试环境中,对三种方法展开多次控制测试,测试控制六轮 AGV 小车从起点运动到终点所用的时间,结果如图 8 所示。图 8 弯段路线的控制时间根据图 8 测试结果可知,三种方法的弯段路线控制时间也有所增加,但所提方法的控制时间仍控制在 10s 以内,其它两种方法的控制时间增幅较大。4 结束语目前 AGV 小车路线控制方法存在导航精度低、角度偏差大和控制效率低的问题,提出基于磁导航的六轮 AGV 小车路线偏差控制方法。在磁钉校正的基础上利用粒子群算法优化模糊控制器,提高了方法的导航精度和控制效率,降低了角度偏差,具有良好的控制性能。参考文献:1 蒲宝山,陈永快,王涛,等.自动导航车技术发展状况及在农业领域的应用及前景展望J.江苏农业科学,2020,48(1):61-65.2 兰培真,陈锦文,曹士连.基于 Ant-agent 的自动化码头 AGV控制算法J.交通运输系统工程与信息,2020,20(1):190-197.3 郭兴海,计明军,刘双福.融合多目标与能耗控制的无人仓库内 AGV 路径规划J.计算机集成制造系统,2020,26(5):1268-1276.4 范厚明,郭振峰,岳丽君,等.考虑能耗节约的集装箱码头双小车岸桥与 AGV 联合配置及调度优化J.自动化学报,2021,47(10):2412-2426.5 唐小瑜,杨丽,徐超群,等.基于高斯过程回归的三轴磁传感器校正方法研究J.传感技术学报,2021,34(10):1340-1345.6 原浩,赵希梅,杜畅.基于双边界层滑模观测器的双轴直驱平台迭代学习轮廓控制J.电机与控制学报,2021,25(4):81-87.7 哀薇,胡林威,李向阳,等.基于自抗扰迭代学习控制的开关磁阻电机转矩脉动抑制J.控制理论与应用,2020,37(10):2098-2106.8 陈明霞,赵金迪,周冬冬,等.基于 Smith-模糊控制算法的橡胶挤出机料筒温度控制系统研究J.机床与液压,2022,50(2):33-38.9 王宇,刘丽冰,张磊,等.基于遗传算法的袋式除尘器脉冲喷吹清灰自适应模糊控制J.环境工程学报,2020,14(1):154-164.10 于红梅.基于深度自编码网络与模糊推理相结合的矿用齿轮箱故障诊断方法J.机床与液压,2020,48(9):181-186.11 施文,张伟,王亚刚.基于免疫算法的 P 模糊控制 AGV 路径偏正J.控制工程,2021,28(5):870-876.12 尤波,王明磊,许家忠,等.基于模糊推理的复杂地形下六足机器人步态辅助决策方法J.哈尔滨理工大学学报,2020,25(1):100-107.13 李勇,韩非非,张昕喆.基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化J.推进技术,2021,42(6):1395-1409.14 刘伟,韩彦华,王荆,等.基于粒子群算法优化支持向量机的变压器绕组变形分类方法J.高压电器,2020,56(3):72-78.15 张岳星,王轶群,李硕,等.基于海图和改进粒子群优化算法的 AUV 全局路径规划J.机器人,2020,42(1):120-128.作者简介冯少源(1989-),男(汉族),陕西韩城人,硕士,讲师,研究方向:机械结构动力学。周章金(1984-),男(汉族),湖北荆州人,硕士,讲师,研究方向:工业工程。马 璿(1987-),女(汉族),陕西蓝田人,硕士,讲师,研究方向:数字媒体。124