CN109398481A - 六履带准确转向控制系统及控制方法 - Google Patents
六履带准确转向控制系统及控制方法 Download PDFInfo
- Publication number
- CN109398481A CN109398481A CN201811212057.2A CN201811212057A CN109398481A CN 109398481 A CN109398481 A CN 109398481A CN 201811212057 A CN201811212057 A CN 201811212057A CN 109398481 A CN109398481 A CN 109398481A
- Authority
- CN
- China
- Prior art keywords
- crawler
- photoelectric encoder
- deviation
- driving motor
- group
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D11/00—Steering non-deflectable wheels; Steering endless tracks or the like
- B62D11/001—Steering non-deflectable wheels; Steering endless tracks or the like control systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D11/00—Steering non-deflectable wheels; Steering endless tracks or the like
- B62D11/001—Steering non-deflectable wheels; Steering endless tracks or the like control systems
- B62D11/003—Electric or electronic control systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Combustion & Propulsion (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Mathematics (AREA)
- Medical Informatics (AREA)
- Non-Deflectable Wheels, Steering Of Trailers, Or Other Steering (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明公开了一种六履带准确转向控制系统及方法,包括GPS传感器、光电编码器组、信息处理装置、变频器组、驱动电机组和电源;GPS传感器安装在六履带行走装置的形心处且与cRIO下位机有线连接,通过9234板卡获取六履带行走装置的位置信息及行驶轨迹;光电编码器组安装在六履带行走装置的六条履带驱动轮轴心处且与cRIO下位机有线连接,信息处理装置包括cRIO下位机、9234板卡、9264板卡和车载电脑,信息处理装置组成了准确转向控制系统的采集、控制和显示系统,车载电脑与cRIO下位机有线连接,变频器组设置在驱动电机组上组成了六履带准确转向的驱动系统,驱动电机组设置在六履带行走装置上,该装置提高了自动化作业的精度与效率提高了作业过程中的安全性。
Description
技术领域
本发明涉及矿山机械领域,特别涉及一种六履带准确转向控制系统及控制方法。
背景技术
多履带行走装置具有地面附着力大、接地比压小和通过性好的特点,能够在恶劣的环境下工作,六履带行走装置作为多履带行走装置的一种常用的排布形式,广泛应用于大型露天矿,六履带行走机械在转向工况下,受驱动履带滑转或从动履带滑移影响会引起接地面瞬心的横向偏移,同时侧向力及履带接地压力纵向分布不均匀会产生接地面瞬心的纵向偏移,使履带的实际转向中心偏离理论转向中心,当装置偏离转向轨迹时需要花费大量的时间来重新调整,严重降低了机械的作业效率。
发明内容
为克服上述多履带行走装置的缺陷和不足,本发明所要解决的技术问题是提供一种能够实时准确调节履带实际转向中心与理论转向中心重合的六履带准确转向控制系统。
与此相应,本发明另一个要解决的技术问题是提供一种能够实时准确调节履带实际转向中心与理论转向中心重合的的六履带准确转向控制方法。
一种六履带准确转向控制系统,包括GPS传感器、光电编码器组、信息处理装置、变频器组、驱动电机组和电源;
GPS传感器安装在六履带行走装置的形心处且与信息处理装置的cRIO下位机有线连接,通过信息处理装置上的9234板卡实时获取六履带行走装置的位置信息及行驶轨迹;
光电编码器组包括第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器,第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器分别安装在六履带行走装置的六条履带驱动轮轴心处且与信息处理装置的cRIO下位机有线连接,cRIO下位机上的9234板卡可以分别采集六条履带的实际转速;
信息处理装置包括cRIO下位机、9234板卡、9264板卡和车载电脑,cRIO下位机、9234板卡、9264板卡和车载电脑组成了准确转向控制系统的采集、控制和显示系统,9234板卡和9264板卡设置在cRIO下位机上,车载电脑与cRIO下位机有线连接,cRIO下位机包括信号处理模块和模糊神经网络控制模块;
变频器组包括第一变频器、第二变频器、第三变频器、第四变频器、第五变频器和第六变频器,分别设置在驱动电机组的第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机上组成了六履带准确转向的驱动系统,第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机设置在六履带行走装置上;
电源与车载电脑和cRIO下位机有线连接。
本发明之六履带准确转向控制方法包括以下步骤:
步骤1:
采集数据:在车载电脑中输入各已知参数,cRIO下位机通过9234板卡分别采集GPS传感器、第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器的数据信息,将数据记录并显示在车载电脑内;
步骤2:
数据整合:使用LabView在cRIO下位机中编写信号处理模块,将已知参数、GPS传感器数据和光电编码器组数据进行整合计算,得出实际转向中心与理论转向中心的距离d和角度偏差θ,同时得出各履带驱动轮的理论转速与实际转速的偏差ei;
步骤2.1:
计算实际转向中心与理论转向中心的距离偏差d和角度偏差θ由以下方法实现:
圆弧ABC为GPS传感器测得六履带行走装置形心行驶过的轨迹,根据圆弧上任意三点的坐标来确定六履带行走装置的转向半径,其中A、B、C分别为GPS传感器三个时刻测得的形心坐标点位置,D点和E点分别为直线AB和直线BC的中点,根据中点坐标公式可以得到D和E的坐标,直线DOS及直线EOS分别垂直于直线AB和直线BC,两直线交点即为实际转动中心点OS,直线OSOL即为距离偏差d,直线BOS和直线BOL之间的夹角即为角度偏差θ;
步骤2.2:
计算各履带驱动轮的理论转速与实际转速的偏差ei由以下方法实现:
步骤2.21:
建立六履带行走装置简化模型,其中:
OS为实际转向中心;
OL为理论转向中心;
O为六履带行走装置的形心;
O1、O2、O3分别为三组履带的形心;
L为控制转向的两对履带形心O2O3之间距离,其值已知;D为O1到O2O3之间的距离,其值已知;
B为每组履带内两条履带中心的距离,其值已知;
α为六履带装置的转向角,其值已知;
v0为六履带装置的整体行驶线速度,其值已知;
ω为六履带装置的整体绕转向中心行驶的角速度;
r0为六履带装置的整体绕理论转向中心转动的转向半径;ro1、ro2、ro3分别为三组履带的理论转向半径;
r1、r2、r3、r4、r5、r6分别为六条履带的理论转向半径;vo1、vo2、vo3分别为三组履带的行驶线速度;
v1、v2、v3、v4、v5、v6分别为六条履带的行驶线速度。步骤2.22:
计算各条履带驱动轮理论转速:
步骤2.221:
所示的几何关系,可知有如下等式:
步骤2.222:
履带车辆绕转向中心的角速度可由下式得出:
ω=vo/ro=vo/(L/2tanα+D/3)
步骤2.223:
各条履带驱动轮理论转速可由下式得出:
其中:ωqi分别为各条履带驱动轮的理论转速、rq为各条履带驱动轮的半径,其值已知。
步骤2.3:
得出各履带驱动轮实际转速:
各条履带驱动轮的实际转速ωSqi可由光电编码器组测得;
步骤2.4:
转速偏差的计算:
ei=ωSqi-ωqi
其中ei为第i条履带的转速偏差;
步骤3:
将实际转向中心与理论转向中心的距离偏差d、角度偏差θ和各履带驱动轮理论转速与实际转速的偏差ei传输到模糊神经网络控制模块内,模糊神经网络控制模块输出各履带转速变化yi;
依据样本进行自学习修正,构建基于自学习自适应的模糊神经网络控制模块,将训练好的模糊神经网络控制模块应用于实际转向控制过程中,完成准确转向控制系统;
所述的模糊神经网络控制模块包括确定性输入层I、模糊化运算层II、模糊规则推理层III、清晰化运算层IV和确定性输出层V;
确定性输入层I:8个确定值节点,分别代表距离偏差d、角度偏差θ和各履带驱动轮的理论转速与实际转速的偏差ei;
模糊化运算层II:实现输入变量的模糊化,20个节点代表20个隶属度函数,完成隶属度函数的求取,其中,距离偏差d和角度偏差θ分别采用4个模糊集合描述,六条履带驱动轮转速偏差ei分别采用2个模糊集合描述,各模糊集合隶属度函数均采用高斯函数;
模糊规则推理层III:该层有4096个节点,代表4096条模糊规则。
清晰化运算层IV:节点数为36个,六条履带驱动轮转速变化分别模糊度划分为6个,该层与第三层的连接为全互连,连接权值为Wkj,其中,k=1,2,…,6;j=1,2,…,4096;
确定性输出层V:6个确定性节点,该层与第四层为全互连,将第四层各个节点的输出,转换为输出变量的精确值;
通过GPS传感器得到的距离偏差d、角度偏差θ和光电编码器组的出的偏差ei,为所述的模糊神经网络控制模块提供了训练样本数据,对各输入变量模糊集合的高斯型隶属度函数的均值和标准差、清晰化运算层的连接权值Wkj进行训练调整。
步骤4:
将模糊神经网络控制模块的输出转换为变频器组的控制信号输入到变频器组内,变频器组对驱动电机组进行调速控制。
步骤5:
实时读取各条履带行驶速度信息,对履带转向中心实时校准。
本发明的有益效果:
1、采用NIcRIO9030作为控制器,NIcRIO9030控制器含有四个I/O模块插槽,能够满足多通道输入输出任务,能够满足输入信号快速处理并输出控制的需要,能够及时的调整六履带装置的转向半径,实现准确转向控制,控制器能够在恶劣的环境下正常工作,满足矿山工作的复杂环境。
2、采用模糊神经网络控制方法,不需要对象精确地数学模型,可以很好的兼顾复杂性和精确性之间的矛盾,适用于实时的对六履带转向偏差进行调节。
3、对GPS传感器和光电编码器组信息进行融合,能够有效的提高六履带转向精度。
4、六履带转向过程中,无需人为调节转向偏差,提高了自动化作业的精度与效率,提高了作业过程中的安全性。
附图说明
图1为本发明的六履带准确转向装置系统原理图。
图2为本发明的硬件安装方式示意图。
图3为本发明的六履带行走装置转向结构简图。
图4为本发明的GPS传感器测量偏差原理图。
图5为本发明的模糊神经网络。
图6为本发明的驱动电机组安装位置示意图。
具体实施方式
请参阅图1至图6所示,一种六履带准确转向控制系统,包括GPS传感器1、光电编码器组2、信息处理装置3、变频器组4、驱动电机组5和电源6;
GPS传感器1安装在六履带行走装置的形心处且与信息处理装置3的cRIO下位机31有线连接,通过信息处理装置3上的9234板卡32实时获取六履带行走装置的位置信息及行驶轨迹;
光电编码器组2包括第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器,第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器分别安装在六履带行走装置的六条履带驱动轮轴心处且与信息处理装置3的cRIO下位机31有线连接,cRIO下位机31上的9234板卡32可以分别采集六条履带的实际转速;
信息处理装置3包括cRIO下位机31、9234板卡32、9264板卡33和车载电脑34,cRIO下位机31、9234板卡32、9264板卡33和车载电脑34组成了准确转向控制系统的采集、控制和显示系统,9234板卡32和9264板卡33设置在cRIO下位机31上,车载电脑34与cRIO下位机31有线连接,cRIO下位机31包括信号处理模块和模糊神经网络控制模块;
变频器组4包括第一变频器、第二变频器、第三变频器、第四变频器、第五变频器和第六变频器,分别设置在驱动电机组5的第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机上组成了六履带准确转向的驱动系统,第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机设置在六履带行走装置上;
电源6与车载电脑34和cRIO下位机31有线连接。
本发明之六履带准确转向控制方法包括以下步骤:
步骤1:
采集数据:在车载电脑34中输入各已知参数,cRIO下位机31通过9234板卡32分别采集GPS传感器1、第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器的数据信息,将数据记录并显示在车载电脑34内;
步骤2:
数据整合:使用LabView在cRIO下位机31中编写信号处理模块,将已知参数、GPS传感器1数据和光电编码器组2数据进行整合计算,得出实际转向中心与理论转向中心的距离d和角度偏差θ,同时得出各履带驱动轮的理论转速与实际转速的偏差ei;
步骤2.1:
计算实际转向中心与理论转向中心的距离偏差d和角度偏差θ由以下方法实现:
如图4所示,圆弧ABC为GPS传感器1测得六履带行走装置形心行驶过的轨迹,根据圆弧上任意三点的坐标来确定六履带行走装置的转向半径,其中A、B、C分别为GPS传感器1三个时刻测得的形心坐标点位置,D点和E点分别为直线AB和直线BC的中点,根据中点坐标公式可以得到D和E的坐标,直线DOS及直线EOS分别垂直于直线AB和直线BC,两直线交点即为实际转动中心点OS,直线OSOL即为距离偏差d,直线BOS和直线BOL之间的夹角即为角度偏差θ;
步骤2.2:
计算各履带驱动轮的理论转速与实际转速的偏差ei由以下方法实现:步骤2.21:
如图3所示,建立六履带行走装置简化模型,其中:
OS为实际转向中心;
OL为理论转向中心;
O为六履带行走装置的形心;
O1、O2、O3分别为三组履带的形心;
L为控制转向的两对履带形心O2O3之间距离,其值已知;
D为O1到O2O3之间的距离,其值已知;
B为每组履带内两条履带中心的距离,其值已知;
α为六履带装置的转向角,其值已知;
v0为六履带装置的整体行驶线速度,其值已知;
ω为六履带装置的整体绕转向中心行驶的角速度;
r0为六履带装置的整体绕理论转向中心转动的转向半径;
ro1、ro2、ro3分别为三组履带的理论转向半径;
r1、r2、r3、r4、r5、r6分别为六条履带的理论转向半径;
vo1、vo2、vo3分别为三组履带的行驶线速度;
v1、v2、v3、v4、v5、v6分别为六条履带的行驶线速度。
步骤2.22:
计算各条履带驱动轮理论转速:
步骤2.221:
由图3所示的几何关系,可知有如下等式:
步骤2.222:
履带车辆绕转向中心的角速度可由下式得出:
ω=vo/ro=vo/(L/2tanα+D/3)
步骤2.223:
各条履带驱动轮理论转速可由下式得出:
其中:ωqi分别为各条履带驱动轮的理论转速、rq为各条履带驱动轮的半径,其值已知。
步骤2.3:
得出各履带驱动轮实际转速:
各条履带驱动轮的实际转速ωSqi可由光电编码器组2测得;
步骤2.4:
转速偏差的计算:
ei=ωSqi-ωqi
其中ei为第i条履带的转速偏差;
步骤3:
将实际转向中心与理论转向中心的距离偏差d、角度偏差θ和各履带驱动轮理论转速与实际转速的偏差ei传输到模糊神经网络控制模块内,模糊神经网络控制模块输出各履带转速变化yi;
依据样本进行自学习修正,构建基于自学习自适应的模糊神经网络控制模块,将训练好的模糊神经网络控制模块应用于实际转向控制过程中,完成准确转向控制系统;
如图5所示,所述的模糊神经网络控制模块包括确定性输入层I、模糊化运算层II、模糊规则推理层III、清晰化运算层IV和确定性输出层V;
确定性输入层I:8个确定值节点,分别代表距离偏差d、角度偏差θ和各履带驱动轮的理论转速与实际转速的偏差ei;
模糊化运算层II:实现输入变量的模糊化,20个节点代表20个隶属度函数,完成隶属度函数的求取,其中,距离偏差d和角度偏差θ分别采用4个模糊集合描述,六条履带驱动轮转速偏差ei分别采用2个模糊集合描述,各模糊集合隶属度函数均采用高斯函数;
模糊规则推理层III:该层有4096个节点,代表4096条模糊规则。
清晰化运算层IV:节点数为36个,六条履带驱动轮转速变化分别模糊度划分为6个,该层与第三层的连接为全互连,连接权值为Wkj,其中,k=1,2,…,6;j=1,2,…,4096;
确定性输出层V:6个确定性节点,该层与第四层为全互连,将第四层各个节点的输出,转换为输出变量的精确值;
通过GPS传感器1得到的距离偏差d、角度偏差θ和光电编码器组2的出的偏差ei,为所述的模糊神经网络控制模块提供了训练样本数据,对各输入变量模糊集合的高斯型隶属度函数的均值和标准差、清晰化运算层的连接权值Wkj进行训练调整。
步骤4:
将模糊神经网络控制模块的输出转换为变频器组4的控制信号输入到变频器组4内,变频器组4对驱动电机组5进行调速控制。
步骤5:
实时读取各条履带行驶速度信息,对履带转向中心实时校准。
Claims (2)
1.一种六履带准确转向控制系统,其特征在于:包括GPS传感器(1)、光电编码器组(2)、信息处理装置(3)、变频器组(4)、驱动电机组(5)和电源(6);
GPS传感器(1)安装在六履带行走装置的形心处且与信息处理装置(3)的cRIO下位机(31)有线连接;
光电编码器组(2)包括第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器,第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器分别安装在六履带行走装置的六条履带驱动轮轴心处且与信息处理装置(3)的cRIO下位机(31)有线连接;
信息处理装置(3)包括cRIO下位机(31)、9234板卡(32)、9264板卡(33)和车载电脑(34),9234板卡(32)和9264板卡(33)设置在cRIO下位机(31)上,车载电脑(34)与cRIO下位机(31)有线连接,cRIO下位机(31)包括信号处理模块和模糊神经网络控制模块;
变频器组(4)包括第一变频器、第二变频器、第三变频器、第四变频器、第五变频器和第六变频器分别设置在驱动电机组(5)的第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机上,第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机设置在六履带行走装置上;
电源(6)与车载电脑(34)和cRIO下位机(31)有线连接。
2.如权利要求1所述六履带准确转向控制系统的控制方法,其特征在于:包括以下步骤:
步骤1:
采集数据:在车载电脑(34)中输入各已知参数,cRIO下位机(31)通过9234板卡(32)分别采集GPS传感器(1)、第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器的数据信息,将数据记录并显示在车载电脑(34)内;
步骤2:
数据整合:使用LabView在cRIO下位机(31)中编写信号处理模块,将已知参数、GPS传感器(1)的数据和光电编码器组(2)的数据进行整合计算,得出实际转向中心与理论转向中心的距离d和角度偏差θ,同时得出各履带驱动轮的理论转速与实际转速的偏差ei;
步骤2.1:
计算实际转向中心与理论转向中心的距离偏差d和角度偏差θ由以下方法实现:
圆弧ABC为GPS传感器(1)测得六履带行走装置形心行驶过的轨迹,根据圆弧上任意三点的坐标来确定六履带行走装置的转向半径,其中A、B、C分别为GPS传感器(1)三个时刻测得的形心坐标点位置,D点和E点分别为直线AB和直线BC的中点,根据中点坐标公式可以得到D和E的坐标,直线DOS及直线EOS分别垂直于直线AB和直线BC,两直线交点即为实际转动中心点OS,直线OSOL即为距离偏差d,直线BOS和直线BOL之间的夹角即为角度偏差θ;
步骤2.2:
计算各履带驱动轮的理论转速与实际转速的偏差ei由以下方法实现:
步骤2.21:
建立六履带行走装置简化模型,其中:
OS为实际转向中心;
OL为理论转向中心;
O为六履带行走装置的形心;
O1、O2、O3分别为三组履带的形心;
L为控制转向的两对履带形心O2O3之间距离,其值已知;
D为O1到O2O3之间的距离,其值已知;
B为每组履带内两条履带中心的距离,其值已知;
α为六履带装置的转向角,其值已知;
v0为六履带装置的整体行驶线速度,其值已知;
ω为六履带装置的整体绕转向中心行驶的角速度;
r0为六履带装置的整体绕理论转向中心转动的转向半径;
ro1、ro2、ro3分别为三组履带的理论转向半径;
r1、r2、r3、r4、r5、r6分别为六条履带的理论转向半径;
vo1、vo2、vo3分别为三组履带的行驶线速度;
v1、v2、v3、v4、v5、v6分别为六条履带的行驶线速度;
步骤2.22:
计算各条履带驱动轮理论转速:
步骤2.221:
根据所示的几何关系,有如下等式:
步骤2.222:
履带车辆绕转向中心的角速度可由下式得出:
ω=vo/ro=vo/(L/2tanα+D/3)
步骤2.223:
各条履带驱动轮理论转速可由下式得出:
其中:ωqi分别为各条履带驱动轮的理论转速、rq为各条履带驱动轮的半径,其值已知;
步骤2.3:
得出各履带驱动轮实际转速:
各条履带驱动轮的实际转速ωSqi可由光电编码器组(2)测得;
步骤2.4:
转速偏差的计算:
ei=ωSqi-ωqi
其中ei为第i条履带的转速偏差;
步骤3:
将实际转向中心与理论转向中心的距离偏差d、角度偏差θ和各履带驱动轮理论转速与实际转速的偏差ei传输到模糊神经网络控制模块内,模糊神经网络控制模块输出各履带转速变化yi;
依据样本进行自学习修正,构建基于自学习自适应的模糊神经网络控制模块,将训练好的模糊神经网络控制模块应用于实际转向控制过程中,完成准确转向控制系统;
所述的模糊神经网络控制模块包括确定性输入层I、模糊化运算层II、模糊规则推理层III、清晰化运算层IV和确定性输出层V;
确定性输入层I:8个确定值节点,分别代表距离偏差d、角度偏差θ和各履带驱动轮的理论转速与实际转速的偏差ei;
模糊化运算层II:实现输入变量的模糊化,20个节点代表20个隶属度函数,完成隶属度函数的求取,其中,距离偏差d和角度偏差θ分别采用4个模糊集合描述,六条履带驱动轮转速偏差ei分别采用2个模糊集合描述,各模糊集合隶属度函数均采用高斯函数;
模糊规则推理层III:该层有4096个节点,代表4096条模糊规则;
清晰化运算层IV:节点数为36个,六条履带驱动轮转速变化分别模糊度划分为6个,该层与第三层的连接为全互连,连接权值为Wkj,其中,k=1,2,…,6;j=1,2,…,4096;
确定性输出层V:6个确定性节点,该层与第四层为全互连,将第四层各个节点的输出,转换为输出变量的精确值;
通过GPS传感器(1)得到的距离偏差d、角度偏差θ和光电编码器组(2)的出的偏差ei,为所述的模糊神经网络控制模块提供了训练样本数据,对各输入变量模糊集合的高斯型隶属度函数的均值和标准差、清晰化运算层的连接权值Wkj进行训练调整;
步骤4:
将模糊神经网络控制模块的输出转换为变频器组(4)的控制信号输入到变频器组(4)内,变频器组(4)对驱动电机组(5)进行调速控制;
步骤5:
实时读取各条履带行驶速度信息,对履带转向中心实时校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811212057.2A CN109398481B (zh) | 2018-10-18 | 2018-10-18 | 六履带准确转向控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811212057.2A CN109398481B (zh) | 2018-10-18 | 2018-10-18 | 六履带准确转向控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109398481A true CN109398481A (zh) | 2019-03-01 |
CN109398481B CN109398481B (zh) | 2023-05-30 |
Family
ID=65468498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811212057.2A Active CN109398481B (zh) | 2018-10-18 | 2018-10-18 | 六履带准确转向控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109398481B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109911044A (zh) * | 2019-04-10 | 2019-06-21 | 吉林大学 | 基于rtk的六履带车辆自适应行走系统及行走方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6377878B1 (en) * | 1999-06-24 | 2002-04-23 | Sandia Corporation | Convergent method of and apparatus for distributed control of robotic systems using fuzzy logic |
CN103487812A (zh) * | 2013-08-30 | 2014-01-01 | 江苏大学 | 一种温室自主移动车辆的超声波导航装置及方法 |
CN103950471A (zh) * | 2014-04-03 | 2014-07-30 | 吉林大学 | 双履带行走装置自适应转向系统及实现方法 |
CN107045345A (zh) * | 2017-03-06 | 2017-08-15 | 吉林大学 | 基于互联网的履带车辆远程控制及自动驾驶系统 |
CN108153309A (zh) * | 2017-12-22 | 2018-06-12 | 安徽农业大学 | 用于履带机器人的控制方法以及履带机器人 |
-
2018
- 2018-10-18 CN CN201811212057.2A patent/CN109398481B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6377878B1 (en) * | 1999-06-24 | 2002-04-23 | Sandia Corporation | Convergent method of and apparatus for distributed control of robotic systems using fuzzy logic |
CN103487812A (zh) * | 2013-08-30 | 2014-01-01 | 江苏大学 | 一种温室自主移动车辆的超声波导航装置及方法 |
CN103950471A (zh) * | 2014-04-03 | 2014-07-30 | 吉林大学 | 双履带行走装置自适应转向系统及实现方法 |
CN107045345A (zh) * | 2017-03-06 | 2017-08-15 | 吉林大学 | 基于互联网的履带车辆远程控制及自动驾驶系统 |
CN108153309A (zh) * | 2017-12-22 | 2018-06-12 | 安徽农业大学 | 用于履带机器人的控制方法以及履带机器人 |
Non-Patent Citations (1)
Title |
---|
赵登峰,王国强,许纯新,陈向东: "基于模糊神经网络的智能履带车路径跟踪系统", 农业工程学报 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109911044A (zh) * | 2019-04-10 | 2019-06-21 | 吉林大学 | 基于rtk的六履带车辆自适应行走系统及行走方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109398481B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104990549B (zh) | 一种采煤机‑液压支架相对定位的方法及装置 | |
CN100494879C (zh) | 基于线结构光视觉传感器实现空间圆孔几何参数测量方法 | |
CN109916431B (zh) | 一种针对四轮移动机器人的车轮编码器标定算法 | |
CN108592906A (zh) | 基于二维码和惯性传感器的agv复合导航方法 | |
CN106444772B (zh) | 自动引导车轮系舵角自动调整方法、装置和自动引导车 | |
CN107065873B (zh) | 一种基于磁带导引agv的多曲率圆周路径循迹控制方法 | |
CN105842474B (zh) | 一种适用于微小型uuv的组合测速系统 | |
CN106289327A (zh) | 一种差分移动机器人里程计标定方法 | |
CN113359710B (zh) | 一种基于los理论的农机路径跟踪方法 | |
CN113282092B (zh) | 计算agv叉车激光扫描仪安装位置偏差的方法及装置 | |
CN104142685B (zh) | 基于光学定位的agv无轨导引方法及系统 | |
CN102183251A (zh) | 一种基于电感线圈的电磁循迹方法 | |
CN103950471B (zh) | 双履带行走装置自适应转向系统及实现方法 | |
CN106909150A (zh) | 用于农机无人驾驶的避障、掉头路径规划及其控制方法 | |
CN108107883A (zh) | 一种基于磁带导引agv的多传感器信息融合定位方法 | |
CN109491390B (zh) | 基于多传感器的无轨化全向移动机器人系统及其控制方法 | |
CN106493725A (zh) | 一种基于全向从动轮和编码器的工业机器人定位装置 | |
CN109552417A (zh) | 一种驱动轮角度零偏的校准方法及系统 | |
CN109398481A (zh) | 六履带准确转向控制系统及控制方法 | |
CN107977520B (zh) | 作业区域面积确定方法及装置 | |
CN108759822A (zh) | 一种移动机器人3d定位系统 | |
CN109911044A (zh) | 基于rtk的六履带车辆自适应行走系统及行走方法 | |
CN208868132U (zh) | 六履带准确转向控制系统 | |
CN106647752B (zh) | 差速驱动式agv控制系统及自动循迹方法 | |
US11397416B2 (en) | Intelligent motion control through surface scan comparison and feature recognition |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |