CN108021135A - 一种自动导引车的控制方法和装置 - Google Patents
一种自动导引车的控制方法和装置 Download PDFInfo
- Publication number
- CN108021135A CN108021135A CN201711268748.XA CN201711268748A CN108021135A CN 108021135 A CN108021135 A CN 108021135A CN 201711268748 A CN201711268748 A CN 201711268748A CN 108021135 A CN108021135 A CN 108021135A
- Authority
- CN
- China
- Prior art keywords
- guided vehicle
- automatic guided
- control
- fuzzy
- posture information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- YZMCKZRAOLZXAZ-UHFFFAOYSA-N sulfisomidine Chemical compound CC1=NC(C)=CC(NS(=O)(=O)C=2C=CC(N)=CC=2)=N1 YZMCKZRAOLZXAZ-UHFFFAOYSA-N 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 102220167146 rs115562835 Human genes 0.000 description 1
- 102220042815 rs376686657 Human genes 0.000 description 1
- 102220008303 rs4904 Human genes 0.000 description 1
- 102220144047 rs7667001 Human genes 0.000 description 1
- 102220103394 rs772658698 Human genes 0.000 description 1
- 102220091166 rs876657475 Human genes 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种自动导引车的控制方法和装置,该控制方法包括:采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,起始节点和目标节点为自动导引车的运行场地的地图上的任意的两个节点;自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息;根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正。本发明通过在采用激光导航的自动导引车上运用模糊控制算法,从而提高了控制系统的鲁棒性,大大减弱了系统干扰和参数变化对控制效果的影响。
Description
技术领域
本发明涉及自动导引车的控制领域,具体来说,涉及一种自动导引车的控制方法和装置。
背景技术
目前,自动导引车(Automated Guide Vehicle,AGV)在我国烟草、印钞、汽车、新闻等行业已有大规模应用,且其呈日益上升的势头。同时,市场上的自动导引车是采用磁导引、电磁导引的方式,但是这些导引方式都存在柔性不高的问题,例如磁导引的导引方式需要在地表下铺设磁条,如需更改路线的话就比较麻烦。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种自动导引车的控制方法和装置,其选用了在采用激光导航的自动导引车上运用模糊控制算法,从而提高了控制系统的鲁棒性,大大减弱了系统干扰和参数变化对控制效果的影响。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种自动导引车的控制方法。
该自动导引车的控制方法包括:采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,起始节点和目标节点为自动导引车的运行场地的地图上的任意的两个节点;自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息;根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正。
根据本发明的一个实施例,自动导引车根据激光扫描装置,确定自动导引车的位姿信息包括:安装在自动导引车上的激光扫描装置通过扫描运行场地上设置的激光发射板,确定自动导引车的位姿信息。
根据本发明的一个实施例,在确定自动导引车的位姿信息之后包括:根据位姿信息和最短路径,确定自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,预定行驶位置为最短路径上的任一位置,误差信息包括:位置误差信息和方位角误差信息;将误差信息作为模糊控制器的输入量,并根据模糊控制器的输入量,确定模糊控制器的输出量为转向角和速度。
根据本发明的一个实施例,根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正包括:将模糊控制器的输入量映射到输入论域上,得到模糊输入量;由模糊输入量进行模糊推理和决策,得到对应的模糊输出量;将模糊输出量解模糊化为控制输出量,并将控制输出量输出至执行机构,由执行机构调节自动导引车的转向角和速度,以对自动导引车进行路径偏差的纠正。
根据本发明的另一方面,提供了一种自动导引车的控制装置。
该自动导引车的控制装置包括:最短路径规划模块,用于采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,起始节点和目标节点为自动导引车的运行场地的地图上的任意的两个节点;第一确定模块,用于自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息;纠正模块,用于根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正。
根据本发明的一个实施例,确定模块包括:激光扫描装置,激光扫描装置安装在自动导引车上,激光扫描装置用于通过扫描运行场地上设置的激光发射板,确定自动导引车的位姿信息。
根据本发明的一个实施例,控制装置包括:第二确定模块,用于根据位姿信息和最短路径,确定自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,预定行驶位置为最短路径上的任一位置,误差信息包括:位置误差信息和方位角误差信息;第三确定模块,用于将误差信息作为模糊控制器的输入量,并根据模糊控制器的输入量,确定模糊控制器的输出量为转向角和速度。
根据本发明的一个实施例,纠正模块包括:输入模块,用于将模糊控制器的输入量映射到输入论域上,得到模糊输入量;处理模块,用于由模糊输入量进行模糊推理和决策,得到对应的模糊输出量;输出模块,用于将模糊输出量解模糊化为控制输出量,并将控制输出量输出至执行机构,由执行机构调节自动导引车的转向角和速度,以对自动导引车进行路径偏差的纠正。
本发明的有益技术效果在于:
本发明通过采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,随后自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息,最后根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正,从而其通过在采用激光导航的自动导引车上运用模糊控制算法,从而提高了控制系统的鲁棒性,大大减弱了系统干扰和参数变化对控制效果的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的自动导引车的控制方法的流程图;
图2是根据本发明实施例的自动导引车的控制系统的框图;
图3是根据本发明实施例的自动导引车的运行场地的地图的示意图;
图4是根据本发明实施例的自动导引车的路径分析的示意图;
图5是根据本发明实施例的模糊控制器的框图;
图6是根据本发明实施例的三角形隶属度函数的示意图;
图7是根据本发明实施例的自动导引车的控制装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种自动导引车的控制方法。
如图1所示,根据本发明实施例的自动导引车的控制方法包括:步骤S101,采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,起始节点和目标节点为自动导引车的运行场地的地图上的任意的两个节点;步骤S103,自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息;步骤S105,根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正。
借助于本发明的上述技术方案,通过采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,随后自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息,最后根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正,从而其通过在采用激光导航的自动导引车上运用模糊控制算法,从而提高了控制系统的鲁棒性,大大减弱了系统干扰和参数变化对控制效果的影响。
根据本发明的一个实施例,自动导引车根据激光扫描装置,确定自动导引车的位姿信息包括:安装在自动导引车上的激光扫描装置通过扫描运行场地上设置的激光发射板,确定自动导引车的位姿信息。
根据本发明的一个实施例,在确定自动导引车的位姿信息之后包括:根据位姿信息和最短路径,确定自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,预定行驶位置为最短路径上的任一位置,误差信息包括:位置误差信息和方位角误差信息;将误差信息作为模糊控制器的输入量,并根据模糊控制器的输入量,确定模糊控制器的输出量为转向角和速度。
根据本发明的一个实施例,根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正包括:将模糊控制器的输入量映射到输入论域上,得到模糊输入量;由模糊输入量进行模糊推理和决策,得到对应的模糊输出量;将模糊输出量解模糊化为控制输出量,并将控制输出量输出至执行机构,由执行机构调节自动导引车的转向角和速度,以对自动导引车进行路径偏差的纠正。
为了更好的描述本发明的技术方案,下面通过具体的实施例进行详细的描述。
如图2所示,该控制系统包括:控制系统图形用户界面(GUI)、地面调度系统、以及车载控制板,其中,控制系统图形用户界面通过导入AGV运行场地地图以及地面调度系统上传的小车实时位姿,在地图上实时显示,地面调度系统采用迪杰斯特拉算法(Dijkstra最短路径搜索算法)来规划行驶路径,车载控制板主要处理AGV外围信号,采集激光导航输出的位姿,并经过模糊控制算法实现对小车的无轨导航运行控制,其控制方法是激光扫描仪通过扫描反射板,获取各个反射板的位置及算法处理,得到AGV的位姿,把该位姿输入模糊控制器,经过模糊控制规则处理计算出控制器偏差,实现路径纠偏跟踪。
此外,该控制系统图形用户界面是通过导入AGV运行场地地图,结合地面调度系统上传的各个小车实时位姿以及运行状态,从而实现在地图上实时显示给用户,其具体实现步骤如下:
1)地图导入与识别:首先系统从本地读取地图以及配置参数的文件,如果地图及参数文件不存在或者读取该文件失败,则会弹出要求用户导入地图及配置参数的对话框;读取文件后,系统识别地图文件中的关键节点,并提取出各个节点之间的连接关系;
2)地图分析:基于地图文件的识别,对提取的各个节点之间的连接关系以及权值)进行分析;
3)状态显示:当系统中各模块组网成功后,AGV小车以某个周期频率上传状态信息,根据上传的AGV小车位姿及各状态,寻找当前在线的AGV小车,并显示在地图上。
另外,该地面调度系统采用最短路径搜索算法来规划行驶路径,优选采用迪杰斯特拉算法来规划行驶路径,迪杰斯特拉算法是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题,此外,迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。另外,该算法最先是找最短路径,根据需求,后来加入方向考虑、合适条件判断、行驶时间、路径避障等内容,其具体实现步骤如下:
1)任务调度:系统根据自动导引车周期传送上来的小车状态,系统计算出离任务起始点最近的空闲小车;
2)路径规划:系统根据地图中节点之间的连接关系,权值大小,节点位置等,运用迪杰斯特拉算法计算出最短路径、路径节点以及节点运行方向,然后将这些路径信息以任务的形式听过网络模块下发给自动导引车。
此外,迪杰斯特拉算法是由荷兰计算机科学家狄克斯特拉于1959年提出的,用来求得从起始点到其他所有点最短路径,解决了单源最短路径问题。另外,如图3所示用一个具体的实例描述该算法步骤,在给定起始节点a的情况下,求节点a到停止节点b的最短路径,具体地:
a、首先,遍历出所有点到点距离S,S25=14、S23=12、S21=10、S13=10、S26=∞,S16=∞等等,其中,S25中2和5分别表示节点2、节点5之间的权值距离,其余的类似,在此不再详细的描述。
b、依次遍历从站点1到站点6,其可通过以下程序进行遍历,例如,从A到B的最短距离就是计算站点2到站点6的最短距离,第一次遍历S[2][6]=∞为无穷大;经过二轮遍历后,会搜索到S[2][5]+S[5][6]的距离最短,循环结束。
c、日志记录:每当任务分配的时候,就将任务信息存在当前任务属性中,其中包括AGV当前位姿、任务起始位置、任务停止位置、当前点到任务起点路径、任务起点路径到任务停止点路径以及当前电量,当任务结束后记录下。
另外,该车载控制板系统优选采用STM32F207处理器芯片作为控制器,使用模糊控制算法对采集到的AGV实时位姿进行处理,实现小车路径的实时跟踪行走。此外,该系统按功能划分,其主要包括:网络通信模块、IO输入输出模块、驱动电机控制模块、编码器处理模块、错误处理模块等。下面将重点阐述该系统中自动导引车的导航控制方法。
此外,该导航自动导引车的导航控制方法是在车载控制板中实现的,其是激光扫描仪通过扫描反射板,获取各个反射板的位置及算法处理,得到AGV的位姿,把该位姿输入模糊控制器,经过模糊控制规则处理计算出控制器偏差,实现路径纠偏跟踪。另外,采用的模糊控制算法步骤如下:
1、控制器模型分析,确定输入输出变量:
在AGV行驶过程中,实际位姿与地图上设定行驶路径存在一定误差,如图4所示,我们以AGV舵轮运动行驶中心点O位姿表示AGV运动过程中实际位姿进行误差分析,则存在位置误差ΔP和Δα。
此外,根据模糊控制器模型的分析,得出AGV行驶路径点的位置误差ΔP和方位角误差Δα是模糊控制器的输入变量,AGV的转向角和速度是模糊控制器的输出变量。
另外,ΔP是实际小车位置与预定行驶位置的误差,分解为行驶路径点P的切线方向水平误差ΔPh和垂直误差ΔPv。方位角误差Δα和位置垂直误差ΔPv由转向角速度ω来控制,水平误差ΔPh由线速度来控制,模糊控制器框图如图5所示。
因此,根据模糊控制器模型的分析,得出AGV行驶路径点的位置误差ΔP和方位角误差Δα是模糊控制器的输入变量,AGV的转向角和速度是模糊控制器的输出变量。
2、输入输出变量的模糊化,确定隶属度函数及论域
21、确定隶属度函数
隶属度函数的获得一般有模糊统计法、三分法、增量法等。最常用的隶属度函数形状是三角形、梯形或高斯形。作为优选采用三角形作为输入输出的隶属度函数。如图5所示,根据实际应用的模糊控制器情况,输入变量Δα、ΔPv、ΔPh的模糊子集的论域为{正大、正中、正小、零值、负小、负中、负大},实际记作为{PB、PM、PS、ZE、NS、NM、NB}。将其量化[-6,+6]的区域范围内,得到输入变量的论域为{-6,-5,-4,-3,-2,-1,0,+1,+2,+3,+4,+5,+6}。
利用matlab中的fuzzy工具箱建立隶属度函数如图6所示。
例如:当输入变量Δα取NB时,由图6的三角隶属度函数可知,NB的区间范围是[-6,-4],所以得出隶属度函数y(xi)=0.5(4-xi)-6≤xi<-4。
同理,可得到输入变量Δα取NM、NS、ZE、PS、PM、PB时的隶属度函数,进而可推导出变量Δα的赋值表,以及其他输入变量的赋值表。
2)确定量化因子
根据控制器模型分析,将AGV行驶路径点的位置误差ΔP和方位角误差Δα作为模糊控制器的输入变量,位置误差基本论域选择[-200,200],单位:mm,即limit_distance=200,方位角误差论域选择[-π/10,π/10],单位:rad,即limit_angle=π/10。
所取的控制器输入输出变量的模糊子集的论域为{-6,-5,-4,-3,-2,-1,0,+1,+2,+3,+4,+5,+6},即模糊论域为[-6,+6],即fuzzy_domian=6。
位置误差量化因子为K_distance=fuzzy_domian/limit_distance=0.03。
方位角误差量化因子为K_angle=fuzzy_domian/limit_angle=19.09。
根据两个输入变量位置误差、方位角误差所对应的量化因子,从而实现对输入变量的模糊化处理。
3、模糊控制器的规则建立
建立控制规则的方法有:专家经验和控制工程知识、操作人员的实际控制过程等。控制规则的描述一般采用模糊条件语句“IF…,THEN”形式,其中“IF…”表示输入量和状态,“THEN”表示控制量,作为优选采用的控制器结构是两输入一输出形式,采用“IF A AND B,THEN C”的形式。根据经验,建立模糊控制规则表如1及表2,其中,表1为前进直线跟踪和转弯的模糊规则控制表,表2为后退直线跟踪(无转弯)的模糊规则控制表。
表1
表2
4、模糊推理策略
建立模糊控制策略表的方法又可分为Mamdani推理法、Larsen推理法、Zadeh推理法等等.作为优选采用Zadeh推理法则,由模糊控制策略表计算出控制量,即模糊控制量为模糊集合U。
5、输出量的去模糊化
本发明所用的去模糊化方法是最大隶属度法:从决策值得模糊集合中取隶属度最大的元素作为最终判决值。
此外,模糊集合经过模糊推理将模糊控制量转换为精确量,模糊推理所获得的结果仍是一个模糊值,不能直接用来作为被控对象的控制量,需要将其转换成一个可以被执行机构所实现的精确量,此过程一般被称为反模糊化过程,反模糊化采用最大隶属度法,将上述结果离线做成查询表,并将查询表的内容存放在车载控制器的内存中在实时控制时使用。
根据本发明的实施例,还提供了一种自动导引车的控制装置。
如图7所示,该自动导引车的控制装置包括:最短路径规划模块71,用于采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,起始节点和目标节点为自动导引车的运行场地的地图上的任意的两个节点;第一确定模块72,用于自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息;纠正模块73,用于根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正。
根据本发明的一个实施例,第一确定模块72包括:激光扫描装置(未示出),激光扫描装置安装在自动导引车上,激光扫描装置用于通过扫描运行场地上设置的激光发射板,确定自动导引车的位姿信息。
根据本发明的一个实施例,控制装置包括:第二确定模块(未示出),用于根据位姿信息和最短路径,确定自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,预定行驶位置为最短路径上的任一位置,误差信息包括:位置误差信息和方位角误差信息;第三确定模块(未示出),用于将误差信息作为模糊控制器的输入量,并根据模糊控制器的输入量,确定模糊控制器的输出量为转向角和速度。
根据本发明的一个实施例,纠正模块73包括:输入模块(未示出),用于将模糊控制器的输入量映射到输入论域上,得到模糊输入量;处理模块(未示出),用于由模糊输入量进行模糊推理和决策,得到对应的模糊输出量;输出模块(未示出),用于将模糊输出量解模糊化为控制输出量,并将控制输出量输出至执行机构,由执行机构调节自动导引车的转向角和速度,以对自动导引车进行路径偏差的纠正。
综上所述,借助于本发明的上述技术方案,通过采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,随后自动导引车按照最短路径运行,且自动导引车根据激光扫描装置,确定自动导引车的位姿信息,最后根据位姿信息和模糊控制算法,对自动导引车进行路径偏差的纠正,从而其通过在采用激光导航的自动导引车上运用模糊控制算法,从而提高了控制系统的鲁棒性,大大减弱了系统干扰和参数变化对控制效果的影响。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种自动导引车的控制方法,其特征在于,包括:
采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,所述起始节点和所述目标节点为所述自动导引车的运行场地的地图上的任意的两个节点;
所述自动导引车按照所述最短路径运行,且所述自动导引车根据激光扫描装置,确定所述自动导引车的位姿信息;
根据所述位姿信息和模糊控制算法,对所述自动导引车进行路径偏差的纠正。
2.根据权利要求1所述的控制方法,其特征在于,所述自动导引车根据激光扫描装置,确定所述自动导引车的位姿信息包括:
安装在所述自动导引车上的所述激光扫描装置通过扫描所述运行场地上设置的激光发射板,确定所述自动导引车的位姿信息。
3.根据权利要求2所述的控制方法,其特征在于,在确定所述自动导引车的位姿信息之后包括:
根据所述位姿信息和所述最短路径,确定所述自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,所述预定行驶位置为所述最短路径上的任一位置,所述误差信息包括:位置误差信息和方位角误差信息;
将所述误差信息作为模糊控制器的输入量,并根据所述模糊控制器的输入量,确定所述模糊控制器的输出量为转向角和速度。
4.根据权利要求3所述的控制方法,其特征在于,根据所述位姿信息和模糊控制算法,对所述自动导引车进行路径偏差的纠正包括:
将所述模糊控制器的输入量映射到输入论域上,得到模糊输入量;
由所述模糊输入量进行模糊推理和决策,得到对应的模糊输出量;
将所述模糊输出量解模糊化为控制输出量,并将所述控制输出量输出至执行机构,由所述执行机构调节所述自动导引车的所述转向角和所述速度,以对所述自动导引车进行路径偏差的纠正。
5.一种自动导引车的控制装置,其特征在于,包括:
最短路径规划模块,用于采用迪杰斯特拉算法计算起始节点和目的节点之间距离的最短路径,其中,所述起始节点和所述目标节点为所述自动导引车的运行场地的地图上的任意的两个节点;
第一确定模块,用于所述自动导引车按照所述最短路径运行,且所述自动导引车根据激光扫描装置,确定所述自动导引车的位姿信息;
纠正模块,用于根据所述位姿信息和模糊控制算法,对所述自动导引车进行路径偏差的纠正。
6.根据权利要求5所述的控制装置,其特征在于,所述第一确定模块包括:
所述激光扫描装置,所述激光扫描装置安装在所述自动导引车上,所述激光扫描装置用于通过扫描所述运行场地上设置的激光发射板,确定所述自动导引车的位姿信息。
7.根据权利要求6所述的控制装置,其特征在于,所述控制装置包括:
第二确定模块,用于根据所述位姿信息和所述最短路径,确定所述自动导引车的实际行驶位置和预定行驶位置之间的误差信息,其中,所述预定行驶位置为所述最短路径上的任一位置,所述误差信息包括:位置误差信息和方位角误差信息;
第三确定模块,用于将所述误差信息作为模糊控制器的输入量,并根据所述模糊控制器的输入量,确定所述模糊控制器的输出量为转向角和速度。
8.根据权利要求7所述的控制装置,其特征在于,所述纠正模块包括:
输入模块,用于将所述模糊控制器的输入量映射到输入论域上,得到模糊输入量;
处理模块,用于由所述模糊输入量进行模糊推理和决策,得到对应的模糊输出量;
输出模块,用于将所述模糊输出量解模糊化为控制输出量,并将所述控制输出量输出至执行机构,由所述执行机构调节所述自动导引车的所述转向角和所述速度,以对所述自动导引车进行路径偏差的纠正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711268748.XA CN108021135A (zh) | 2017-12-05 | 2017-12-05 | 一种自动导引车的控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711268748.XA CN108021135A (zh) | 2017-12-05 | 2017-12-05 | 一种自动导引车的控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108021135A true CN108021135A (zh) | 2018-05-11 |
Family
ID=62078234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711268748.XA Pending CN108021135A (zh) | 2017-12-05 | 2017-12-05 | 一种自动导引车的控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021135A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762219A (zh) * | 2018-06-15 | 2018-11-06 | 广东嘉腾机器人自动化有限公司 | 单舵轮agv点镇定控制方法及装置 |
CN108803631A (zh) * | 2018-09-18 | 2018-11-13 | 广东嘉腾机器人自动化有限公司 | 一种agv小车的控制方法及装置 |
CN110032120A (zh) * | 2019-04-29 | 2019-07-19 | 江苏科技大学 | 一种浮式灯塔坐标控制装置、方法及系统 |
CN110147042A (zh) * | 2019-05-28 | 2019-08-20 | 金力 | 一种基于模糊控制结合pid控制的直立agv车体控制方法 |
CN110147615A (zh) * | 2019-05-21 | 2019-08-20 | 张军 | 一种自动导引柔性工业互联网管理系统 |
CN110244739A (zh) * | 2019-06-27 | 2019-09-17 | 湖北艾博智能装备有限公司 | 一种空中自行小车输送方法、装置及计算机存储介质 |
CN110398963A (zh) * | 2019-07-13 | 2019-11-01 | 珠海格力智能装备有限公司 | 无轨导航纠偏控制方法、装置、存储介质及控制器 |
CN110554688A (zh) * | 2018-05-30 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 用于生成拓扑地图的方法和装置 |
CN110916724A (zh) * | 2019-11-20 | 2020-03-27 | 福州数据技术研究院有限公司 | 一种基于闭环最短路径的b超图像胎儿头围检测方法 |
CN111815032A (zh) * | 2020-06-18 | 2020-10-23 | 浙江大华技术股份有限公司 | 自动导引车调度方法及其相关装置 |
CN113741526A (zh) * | 2021-09-13 | 2021-12-03 | 北京微纳星空科技有限公司 | 无人机偏离运行轨迹的纠正方法、装置及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090099686A1 (en) * | 2005-05-06 | 2009-04-16 | Hirata Corporation | Work transfer system, route setting method, and route setting program |
CN107036618A (zh) * | 2017-05-24 | 2017-08-11 | 合肥工业大学(马鞍山)高新技术研究院 | 一种基于最短路径深度优化算法的agv路径规划方法 |
-
2017
- 2017-12-05 CN CN201711268748.XA patent/CN108021135A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090099686A1 (en) * | 2005-05-06 | 2009-04-16 | Hirata Corporation | Work transfer system, route setting method, and route setting program |
CN107036618A (zh) * | 2017-05-24 | 2017-08-11 | 合肥工业大学(马鞍山)高新技术研究院 | 一种基于最短路径深度优化算法的agv路径规划方法 |
Non-Patent Citations (3)
Title |
---|
张星: "基于麦克纳姆轮的全向AGV运动控制技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨天旭: "全方位移动AGV智能控制技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
沈颖: "激光导引AGV车载控制系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554688A (zh) * | 2018-05-30 | 2019-12-10 | 北京京东尚科信息技术有限公司 | 用于生成拓扑地图的方法和装置 |
CN110554688B (zh) * | 2018-05-30 | 2024-01-16 | 北京京东乾石科技有限公司 | 用于生成拓扑地图的方法和装置 |
CN108762219A (zh) * | 2018-06-15 | 2018-11-06 | 广东嘉腾机器人自动化有限公司 | 单舵轮agv点镇定控制方法及装置 |
CN108762219B (zh) * | 2018-06-15 | 2019-11-15 | 广东嘉腾机器人自动化有限公司 | 单舵轮agv点镇定控制方法及装置 |
CN108803631A (zh) * | 2018-09-18 | 2018-11-13 | 广东嘉腾机器人自动化有限公司 | 一种agv小车的控制方法及装置 |
CN110032120A (zh) * | 2019-04-29 | 2019-07-19 | 江苏科技大学 | 一种浮式灯塔坐标控制装置、方法及系统 |
CN110147615A (zh) * | 2019-05-21 | 2019-08-20 | 张军 | 一种自动导引柔性工业互联网管理系统 |
CN110147042B (zh) * | 2019-05-28 | 2020-06-16 | 金力 | 一种基于模糊控制结合pid控制的直立agv车体控制方法 |
CN110147042A (zh) * | 2019-05-28 | 2019-08-20 | 金力 | 一种基于模糊控制结合pid控制的直立agv车体控制方法 |
CN110244739A (zh) * | 2019-06-27 | 2019-09-17 | 湖北艾博智能装备有限公司 | 一种空中自行小车输送方法、装置及计算机存储介质 |
CN110398963A (zh) * | 2019-07-13 | 2019-11-01 | 珠海格力智能装备有限公司 | 无轨导航纠偏控制方法、装置、存储介质及控制器 |
CN110916724A (zh) * | 2019-11-20 | 2020-03-27 | 福州数据技术研究院有限公司 | 一种基于闭环最短路径的b超图像胎儿头围检测方法 |
CN111815032A (zh) * | 2020-06-18 | 2020-10-23 | 浙江大华技术股份有限公司 | 自动导引车调度方法及其相关装置 |
CN113741526A (zh) * | 2021-09-13 | 2021-12-03 | 北京微纳星空科技有限公司 | 无人机偏离运行轨迹的纠正方法、装置及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021135A (zh) | 一种自动导引车的控制方法和装置 | |
US11443148B2 (en) | Multiple stage image based object detection and recognition | |
EP3805703B1 (en) | Movement track reconstruction method and device, storage medium, and electronic device | |
CN106092121B (zh) | 车辆导航方法和装置 | |
JP7361775B2 (ja) | 自律運転のための個人運転スタイル学習 | |
CN110861650B (zh) | 车辆的路径规划方法、装置,车载设备和存储介质 | |
Pérez et al. | Trajectory generator for autonomous vehicles in urban environments | |
CN107169468A (zh) | 用于控制车辆的方法和装置 | |
CN100491084C (zh) | 一种基于二元环境信息的移动机器人局部路径规划方法 | |
CN110288849B (zh) | 一种基于混合交通模式的出行路线推荐方法 | |
JP4586795B2 (ja) | 車両用制御装置 | |
EP3800521B1 (en) | Deep learning based motion control of a vehicle | |
CN113085850B (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
WO2021004437A1 (en) | Method and system for predictive control of vehicle using digital images | |
CN206075136U (zh) | 基于模糊算法的视觉导航控制系统 | |
CN113448335A (zh) | 路径规划方法和装置、车辆和可读存储介质 | |
JP7312728B2 (ja) | 車両を制御する方法、装置、機器及び記憶媒体 | |
CN116045998A (zh) | 使用动态步长搜索用于自主驾驶车辆的环境感知路径规划 | |
CN113335310B (zh) | 基于决策的运动规划方法、装置、电子设备及存储介质 | |
CN117120806A (zh) | 车道级路线规划器的可解释性与接口设计 | |
CN117242315A (zh) | 用于探索新道路以改进地图的路线规划器和决策 | |
CN113665587A (zh) | 自动驾驶车辆的横向控制方法、设备、存储介质及装置 | |
CN111752274A (zh) | 一种基于强化学习的激光agv的路径跟踪控制方法 | |
CN115079702A (zh) | 一种混合道路场景下的智能车辆规划方法和系统 | |
KR102671687B1 (ko) | 차량의 주행 가능 거리를 추정하기 위한 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180511 |
|
RJ01 | Rejection of invention patent application after publication |