CN112180925B - Agv轨迹跟随方法、装置及处理设备 - Google Patents

Agv轨迹跟随方法、装置及处理设备 Download PDF

Info

Publication number
CN112180925B
CN112180925B CN202011045268.9A CN202011045268A CN112180925B CN 112180925 B CN112180925 B CN 112180925B CN 202011045268 A CN202011045268 A CN 202011045268A CN 112180925 B CN112180925 B CN 112180925B
Authority
CN
China
Prior art keywords
steering wheel
wheel angle
agv
control time
time domain
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.)
Active
Application number
CN202011045268.9A
Other languages
English (en)
Other versions
CN112180925A (zh
Inventor
曹杰华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Jaten Robot and Automation Co Ltd
Original Assignee
Guangdong Jaten Robot and Automation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Jaten Robot and Automation Co Ltd filed Critical Guangdong Jaten Robot and Automation Co Ltd
Priority to CN202011045268.9A priority Critical patent/CN112180925B/zh
Publication of CN112180925A publication Critical patent/CN112180925A/zh
Application granted granted Critical
Publication of CN112180925B publication Critical patent/CN112180925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means

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)
  • Electromagnetism (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明提供一种AGV轨迹跟随方法、装置及处理设备,涉及智能控制技术领域。该方法包括:获取AGV的激光导航器采集的AGV在当前时刻的行驶状态信息;获取AGV的转向编码器采集的当前时刻的舵轮角度;根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差;根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列,未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整。将行驶状态信息和舵轮角度作为状态量、将舵轮角度作为控制量,降低了硬件成本和反应延迟,减小了运算量和运算压力,提高了处理效率。

Description

AGV轨迹跟随方法、装置及处理设备
技术领域
本发明涉及智能控制技术领域,具体而言,涉及一种AGV轨迹跟随方法、装置及处理设备。
背景技术
AGV(Automated Guided Vehicle,自动引导车)是指具有自动导航装置,能够沿着规定的导航路径行驶,具有安全保护以及各种移载功能的运输车。随着AGV收到了越来越多的欢迎,对于AGV的控制也变得至关重要。
相关技术中,通过MPC(Model Predictive Control,模型预测控制)算法,对AGV的多个运动参数进行控制,以使AGV能够沿着规定的导航路径进行行驶。
但是,相关技术中,需要对AGV的多个运动参数进行控制,对于控制系统的硬件要求较高,容易出现运算压力较大、处理效率较低、反应延迟的问题。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种AGV轨迹跟随方法、装置及处理设备,以便解决相关技术中,需要对AGV的多个运动参数进行控制,对于控制系统的硬件要求较高,容易出现运算压力较大、处理效率较低、反应延迟的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种AGV轨迹跟随方法,所述方法包括:
获取AGV的激光导航器采集的所述AGV在当前时刻的行驶状态信息;
获取所述AGV的转向编码器采集的所述当前时刻的舵轮角度,其中,所述舵轮角度为舵轮所在方向与所述AGV的车体的纵向中心轴之间的夹角;
根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差;
根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,所述未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;
根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整。
可选的,所述根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,包括:
根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度;
根据所述行驶状态偏差,确定所述AGV的控制时域;
根据所述预测行驶状态偏差和所述控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,其中,所述控制时域内相邻控制时间点的时间差为所述控制时域。
可选的,所述根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度,包括:
根据所述行驶状态偏差、所述当前时刻的舵轮角度、预设的预测时域,以及所述控制时域,采用预设的预测模型,得到所述预测行驶状态偏差;
根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定控制权重;
根据所述控制权重和所述预测行驶状态偏差,得到所述预测舵轮角度;
其中,所述预测模型包括:预设的所述行驶状态偏差、所述当前时刻的舵轮角度、所述预测时域、所述控制时域,以及所述预测行驶状态偏差的线性关系。
可选的,所述根据所述预测行驶状态偏差和预设的控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,包括:
根据所述预测行驶状态偏差和所述控制时域,采用预设的目标函数,对所述预测舵轮角度进行优化处理,得到所述未来输出序列;
所述目标函数用于表征所述预测行驶状态偏差、所述预测舵轮角度、预设权重矩阵、所述行驶状态偏差、所述当前时刻的舵轮角度、预设能量函数之间的关系。
可选的,所述行驶状态偏差包括:位置偏差;所述根据所述行驶状态偏差,确定所述AGV的控制时域,包括:
根据所述位置偏差、采用预设的位置偏差和控制时域的对应关系,确定所述控制时域。
可选的,所述根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整,包括:
比较所述控制时域和预设控制时域的大小;
根据所述未来输出序列和所述比较结果,得到所述各控制时间点的舵轮角度的目标控制增量;
根据所述当前时刻的舵轮角度,以及所述目标控制增量,对所述各控制时间点的舵轮角度进行调整。
可选的,所述根据所述未来输出序列和所述比较结果,得到所述各控制时间点的舵轮角度的目标控制增量,包括:
若所述比较结果为所述控制时域小于所述预设控制时域,则根据所述未来输出序列中所述各控制时间点的舵轮角度的控制增量,以及预设的权重,得到所述目标控制增量;或者,
若所述比较结果为所述控制时域大于或等于所述预设控制时域,则确定所述未来输出序列中所述各控制时间点的舵轮角度的控制增量为所述目标控制增量。
可选的,所述行驶状态偏差还包括:航向角偏差;所述根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差,包括:
确定所述行驶状态信息中的位置信息,对应的所述AGV的预设目标轨迹中目标位置的曲率参数;
根据所述曲率参数和所述AGV的预设目标轨迹,确定所述位置偏差;
根据所述行驶状态信息中的航向角,确定所述航向角偏差,其中,所述航向角为所述AGV的车体的纵向中心轴与水平方向的夹角。
第二方面,本发明实施例还提供了一种AGV轨迹跟随装置,所述装置包括:
第一获取模块,用于获取AGV的激光导航器采集的所述AGV在当前时刻的行驶状态信息;获取所述AGV的转向编码器采集的所述当前时刻的舵轮角度,其中,所述舵轮角度为舵轮所在方向与所述AGV的车体的纵向中心轴之间的夹角;
确定模块,用于根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差;
第二获取模块,用于根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,所述未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;
调整模块,用于根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整。
可选的,所述第二获取模块,还用于根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度;根据所述行驶状态偏差,确定所述AGV的控制时域;根据所述预测行驶状态偏差和所述控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,其中,所述控制时域内相邻控制时间点的时间差为所述控制时域。
可选的,所述第二获取模块,还用于根据所述行驶状态偏差、所述当前时刻的舵轮角度、预设的预测时域,以及所述控制时域,采用预设的预测模型,得到所述预测行驶状态偏差;根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定控制权重;根据所述控制权重和所述预测行驶状态偏差,得到所述预测舵轮角;其中,所述预测模型包括:预设的所述行驶状态偏差、所述当前时刻的舵轮角度、所述预测时域、所述控制时域,以及所述预测行驶状态偏差的线性关系。
可选的,所述第二获取模块,还用于根据所述预测行驶状态偏差和所述控制时域,采用预设的目标函数,对所述预测舵轮角度进行优化处理,得到所述未来输出序列;所述目标函数用于表征所述预测行驶状态偏差、所述预测舵轮角度、预设权重矩阵、所述行驶状态偏差、所述当前时刻的舵轮角度、预设能量函数之间的关系。
可选的,所述行驶状态偏差包括:位置偏差;所述第二获取模块,还用于根据所述位置偏差、采用预设的位置偏差和控制时域的对应关系,确定所述控制时域。
可选的,所述调整模块,还用于比较所述控制时域和预设控制时域的大小;根据所述未来输出序列和所述比较结果,得到所述各控制时间点的舵轮角度的目标控制增量;根据所述当前时刻的舵轮角度,以及所述目标控制增量,对所述各控制时间点的舵轮角度进行调整。
可选的,所述调整模块,还用于若所述比较结果为所述控制时域小于所述预设控制时域,则根据所述未来输出序列中所述各控制时间点的舵轮角度的控制增量,以及预设的权重,得到所述目标控制增量;或者,若所述比较结果为所述控制时域大于或等于所述预设控制时域,则确定所述未来输出序列中所述各控制时间点的舵轮角度的控制增量为所述目标控制增量。
可选的,所述行驶状态偏差还包括:航向角偏差;所述确定模块,还用于确定所述行驶状态信息中的位置信息,对应的所述AGV的预设目标轨迹中目标位置的曲率参数;根据所述曲率参数和所述AGV的预设目标轨迹,确定所述位置偏差;根据所述行驶状态信息中的航向角,确定所述航向角偏差。
第三方面,本发明实施例提供了一种处理设备,包括:存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法。
本发明的有益效果是:本申请实施例提供一种AGV轨迹跟随方法,包括:获取AGV的激光导航器采集的AGV在当前时刻的行驶状态信息;获取AGV的转向编码器采集的当前时刻的舵轮角度;根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差;根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列,未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整。基于行驶状态信息和舵轮角度确定行驶状态偏差,继而基于行驶状态偏差和当前时刻舵轮角度便可以确定舵轮角度的控制增量,对舵轮角度进行调整以使AGV跟随预设目标轨迹行驶,仅将行驶状态信息和舵轮角度作为状态量、将舵轮角度作为控制量,降低了硬件成本和反应延迟,减小了运算量和运算压力,提高了处理效率,可以实现AGV快速、准确、稳定地跟随预设目标轨迹行驶。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图2为本发明实施例提供的一种AGV轨迹跟随的结构示意图;
图3为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图4为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图5为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图6为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图7为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图;
图8为本发明实施例提供的一种位置偏差的确定示意图;
图9为本发明实施例提供的一种AGV轨迹跟随装置的结构示意图;
图10为本发明实施例提供的一种处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,若出现术语“上”、“下”、等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
此外,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
AGV(Automated Guided Vehicle,自动引导车)是指具有自动导航装置,能够沿着规定的导航路径行驶,具有安全保护以及各种移载功能的运输车。例如,AGV可以为叉车型AGV、货车型AGV等等。随着AGV收到了越来越多的欢迎,对于AGV的控制也变得越来越重要。
相关技术中,通过MPC(Model Predictive Control,模型预测控制)算法,对AGV的多个运动参数进行控制,以使AGV能够沿着规定的导航路径进行行驶。但是,相关技术中,需要对AGV的多个运动参数进行控制,对于控制系统的硬件要求较高,容易出现运算压力较大、处理效率较低、反应延迟的问题。
本申请实施例提供的一种AGV轨迹跟随方法,基于行驶状态信息和舵轮角度确定行驶状态偏差,继而基于行驶状态偏差和当前时刻舵轮角度便可以确定舵轮角度的控制增量,对舵轮角度进行调整以使AGV跟随预设目标轨迹行驶,仅将行驶状态信息和舵轮角度作为状态量、将舵轮角度作为控制量,降低了硬件成本和反应延迟,减小了运算量和运算压力,提高了处理效率,可以实现AGV快速、准确、稳定地跟随预设目标轨迹行驶。
在本申请实施例中AGV可以包括:激光导航器、转向编码器、和上述处理设备,其中,处理设备分别与激光导航器、转向编码器通信连接。在实际应用中,AGV可以为:叉车型AGV、货车型AGV等等,还可以为其他类型AGV,本申请实施例对此不进行具体限制。
本申请实施例提供的一种AGV轨迹跟随方法,其执行主体可以为处理设备,该处理设备可以设置于AGV上,也可以设置于独立于AGV,通过远程无线通信控制AGV,处理设备中可以包括MPC(Model Predictive Control,模型预测控制器),例如,处理设备可以为服务器等具备处理功能的设备,本申请实施例对此不进行具体限制。
图1为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图1所示,该AGV轨迹跟随方法可以包括:
S101、获取AGV的激光导航器采集的AGV在当前时刻的行驶状态信息。
其中,激光导航器可以设置于AGV上。行驶状态信息可以包括:AGV的当前位置信息和车体的航向角。
图2为本发明实施例提供的一种AGV轨迹跟随的结构示意图,如图2所示,在惯性坐标系OXY下,AGV的当前位置信息可以用坐标来表示。车体航向角为车体的纵向中心轴与水平方向的夹角,该航向角可以用θ表示。
在一些实施中,激光导航器可以间隔预设时间周期或者实时,向处理设备发送AGV在当前时刻的行驶状态信息,相应的,处理设备可以接收该当前时刻的行驶状态信息。
需要说明的是,激光导航器与处理设备之间的连接方式可以为有线连接或者无线连接,本申请实施例对此不进行具体限制。
S102、获取AGV的转向编码器采集的当前时刻的舵轮角度。
其中,AGV包括舵轮,转向编码器设置于靠近舵轮处,以便于采集舵轮的舵轮角度。如图2所示,舵轮角度为舵轮所在方向与车体的纵向中心轴之间的夹角,舵轮角度可以用𝛿表示。
在一些实施中,转向编码器可以间隔预设时间周期或者实时,向处理设备发送当前时刻的舵轮角度,相应的,处理设备可以接收该当前时刻的舵轮角度。转向编码器与处理设备之间的连接方式可以为有线连接或者无线连接,本申请实施例对此不进行具体限制。
S103、根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差。
其中,AGV的预设目标轨迹有多个目标点形成。
在本申请实施例中,处理设备可以根据行驶状态信息,在AGV的预设目标轨迹确定相应的目标位置点,以及目标位置点处的角度信息,继而根据行驶状态信息、目标位置点,确定AGV的行驶状态偏差。
可选的,处理设备可以分别根据当前位置信息与目标位置点、车体的航向角,确定AGV的行驶状态偏差。
S104、根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列。
其中,未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量。
在一种可能的实施方式中,处理设备可以根据行驶状态偏差和当前时刻的舵轮角度,得到初始预测结果,继而对初始预测结果进行优化,得到最终的预测结果,即控制时域内各控制时间点的舵轮角度的控制增量。
当然,处理设备也可以直接预测出各控制时间点的舵轮角度的控制增量,无需进行优化的过程,本申请实施例对此不进行具体限制。
S105、根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整。
可选的,对当前时刻的舵轮角度,和未来输出序列中的各控制时间点的舵轮角度的控制增量进行叠加,可以确定出各个控制时间点预调整的舵轮角度。对于目标控制时间点的舵轮角度进行确定时,可以对当前时刻的舵轮角度、以及目标控制时间点之前的多个控制时间的舵轮角度的控制增量进行叠加。
例如,未来输出序列可以包括:第一控制增量、第二控制增量、第三控制增量。其中,第一控制增量为第一控制时间点的增量,第二控制增量为第二控制时间点的增量,第三控制增量为第三控制时间点的增量。第一控制时间点、第二控制时间点、第三控制时间点为依次相邻的时间点,第一控制时间点的舵轮角度应当调整为:当前时刻的舵轮角度+第一控制增量;第二控制时间点的舵轮角度应当调整为:当前时刻的舵轮角度+第一控制增量+第二控制增量;第三控制时间点的舵轮角度应当调整为:当前时刻的舵轮角度+第一控制增量+第二控制增量+第三控制增量。
综上所述,本申请实施例提供一种AGV轨迹跟随方法,包括:获取AGV的激光导航器采集的AGV在当前时刻的行驶状态信息;获取AGV的转向编码器采集的当前时刻的舵轮角度;根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差;根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列,未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整。基于行驶状态信息和舵轮角度确定行驶状态偏差,继而基于行驶状态偏差和当前时刻舵轮角度便可以确定舵轮角度的控制增量,对舵轮角度进行调整以使AGV跟随预设目标轨迹行驶,仅将行驶状态信息和舵轮角度作为状态量、将舵轮角度作为控制量,降低了硬件成本和反应延迟,减小了运算量和运算压力,提高了处理效率,可以实现AGV快速、准确、稳定地跟随预设目标轨迹行驶。
可选的,图3为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图3所示,上述S104中,根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列的过程,可以包括:
S301、根据行驶状态偏差和当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度。
在一些实施方式中,处理设备可以建立初始的预测模型,继而对初始的预测模型进行处理,得到预测模型,采用预测模型基于行驶状态偏差和当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度。
当然,处理设备还可以采用其他的算法,或者其他公式,根据行驶状态偏差和当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度,本申请实施例对此不进行具体限制。
S302、根据行驶状态偏差,确定AGV的控制时域。
可选的,处理设备可以基于行驶状态偏差与控制时域之间的预设方程式,根据行驶状态偏差,确定AGV的控制时域。其中,AGV的控制时域可以用
Figure M_221117175449643_643956001
来表示。
S303、根据预测行驶状态偏差和控制时域,对预测舵轮角度进行优化处理,得到未来输出序列。
其中,控制时域内相邻控制时间点的时间差为控制时域。
需要说明的是,处理设备可以采用下述方式中的至少一种,根据预测行驶状态偏差和控制时域,对预测舵轮角度进行优化处理,至少一种方式可以包括:目标函数、优化算法、优化模型。
在本申请文件中,对预测舵轮角度进行优化处理,得到未来输出序列,可以使得获取的各控制时间点的舵轮角度的控制增量更加准确,在保证控制增量准确的基础上,可以实现AGV准确的跟随预设目标轨迹。
需要说明的是,上述图3所述的过程可以为基于处理设备中MPC控制器的处理过程。
可选的,行驶状态偏差包括:位置偏差;根据行驶状态偏差,确定AGV的控制时域,包括:
根据位置偏差、采用预设的位置偏差和控制时域的对应关系,确定控制时域。
其中,AGV当前的行驶状态信息可以用
Figure M_221117175449690_690843001
表示, AGV的预设目标轨迹中相应的目标位置点处的信息可以用
Figure M_221117175449722_722072002
,行驶状态偏差可以表示为
Figure M_221117175449753_753318003
。其中,X和Y表示AGV的当前位置信息,θ表示当前的航向角;
Figure M_221117175449816_816739004
Figure M_221117175449847_847117005
表示目标位置点的位置,
Figure M_221117175449878_878339006
表示目标位置点的航向角;
Figure M_221117175449893_893967007
Figure M_221117175449925_925219008
表示位置偏差,
Figure M_221117175449956_956443009
表示航向角偏差,可选的,可以直接将θ作为
Figure M_221117175449972_972068010
需要说明的是,坐标轴的选取是以预设目标轨迹为参考的,以AGV的当前位置距离预设目标轨迹的最近点的方向为横坐标xx(即
Figure M_221117175450004_004756001
),与横坐标相垂直的纵坐标yy(即
Figure M_221117175450036_036530002
)。AGV的起点和预设目标轨迹起点是相同的,所以
Figure M_221117175450052_052171003
是为0的,因此位置偏差主要在于
Figure M_221117175450083_083393004
,在本申请实施例中,状态量省略了
Figure M_221117175450099_099050005
,保留了
Figure M_221117175450130_130276006
Figure M_221117175450145_145901007
在一些实施方式中,AGV的控制时域可以用
Figure M_221117175450177_177169001
来表示,预设的位置偏差可以用
Figure M_221117175450209_209833002
表示,预设的位置偏差和控制时域的对应关系可以一次方程,可以表示为
Figure M_221117175450225_225981003
,其中,a和b为常数。
另外,若误差值较大时,
Figure M_221117175450272_272860001
减小的速率较慢,且误差值较小时,
Figure M_221117175450288_288498002
减小的速率较大,
Figure M_221117175450319_319743003
Figure M_221117175450350_350986004
的之间对应关系,还可以表示为:
Figure M_221117175450366_366599005
,其中,a,b,c均为常数。
需要说明的是,控制时域越小,AGV的跟踪性能就越差;为改善跟踪性能,就要求增加控制步数来提高对系统的控制能力,但随着控制时域的增大,控制的灵敏度得到提高,系统的稳定性和鲁棒性随之降低。因为当控制时域增大时,矩阵的维数就会增加,计算量就会增大,是系统的实时性随之降低。对简单的AGV或者误差量不大的AGV,控制时域可以适当减小。
在本申请实施例中,在轨迹跟随的过程中,一开始由于产生的误差值较大,控制量舵轮角度输入较大,在短时间内能快速跟随较大距离,随后,由于越来越接近设定轨迹,产生的误差值越来越小,舵轮角逐渐收敛于0,控制增量序列中的元素也随之变小,因此,我们可以考虑设置动态的控制时域
Figure M_221117175450431_431538001
。在开始时,
Figure M_221117175450447_447169002
值达到设定的最大值,随着越来越接近轨迹,
Figure M_221117175450478_478431003
可适当减小,省略一部分控制增量元素,减少系统的运算压力,从而减少系统的反应延迟。
可选的,图4为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图4所示,上述S301中,根据行驶状态偏差和当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度的过程,可以包括:
S401、根据行驶状态偏差、当前时刻的舵轮角度、预设的预测时域,以及控制时域,采用预设的预测模型,得到预测行驶状态偏差。
S402、根据行驶状态偏差和当前时刻的舵轮角度,确定控制权重。
其中,预设的预测模型为运动学模型。预测模型包括:预设的行驶状态偏差、当前时刻的舵轮角度、预测时域、控制时域,以及预测行驶状态偏差的线性关系。
在一种可能的实施中,处理设备可以建立初始的运动学模型,继而进行简化处理,得到简化后的运动学模型,基于简化后的运动学模型确定线性时变的运动学模型,继而进行离散化处理得到离散线性化的运动学模型,基于离散线性化模型确定基于状态空间表达式的预测模型,即预设的预测模型。
如图2所示,在惯性坐标系OXY中,𝑣 为舵轮速度,L为轴距,R为轴心转向半径,P为AGV的瞬时转动中心,M为AGV后轴轴心,假设转向过程中车辆质心侧偏角保持不变,即车辆瞬时转向半径与道路曲率半径相同。
舵轮速度可以为:
Figure M_221117175450509_509671001
其中,
Figure M_221117175450556_556567001
表示横向的舵轮速度分量,
Figure M_221117175450622_622956002
表示纵向的舵轮速度分量。
横摆角速度为:
Figure M_221117175450854_854432001
,其中,
Figure M_221117175450901_901285002
为AGV横摆角速度,同时,由
Figure M_221117175450916_916895003
和舵轮车速𝑣可得到转向半径R和舵轮角度
Figure M_221117175450948_948155004
。则初始的运动学模型可以表示为:
Figure M_221117175450979_979426001
基于上述描述可知,
Figure M_221117175451012_012568001
是为0的,因此位置偏差主要在于
Figure M_221117175451044_044347002
,所以对初始的运动学模型进行简化处理,得到简化后的运动学模型为:
Figure M_221117175451075_075606001
该简化后的运动学模型可以表示为:
Figure M_221117175451138_138088001
其中,行驶状态偏差,即,状态量
Figure M_221117175451184_184964001
,对于舵轮角度的控制量
Figure M_221117175451219_219114002
对任一点
Figure M_221117175451250_250898001
进行泰勒级数展开,只保留一次项,忽略高次项,得到:
Figure M_221117175451282_282138002
,其中,
Figure M_221117175451344_344653003
为f相对于
Figure M_221117175451375_375898004
的雅克比矩阵,
Figure M_221117175451413_413449005
为f相对于u的雅克比矩阵。
将对上述
Figure M_221117175451445_445205001
Figure M_221117175451476_476507002
进行相减,得到:
Figure M_221117175451507_507723003
其中,
Figure M_221117175451538_538985004
,
Figure M_221117175451585_585854005
。该方程即为是线性时变的运动学模型。该方程是连续的,不能直接用于预测,需要对其进行离散化处理。
基于
Figure M_221117175451618_618563001
,可以确定非线性系统在任意一个参考点处线性化后的系统。根据该公式,可以将线性时变的运动学模型进行处理,继而可以得到离散线性化的运动学模型:
Figure M_221117175451681_681062002
对于
Figure M_221117175451727_727943001
Figure M_221117175451759_759187002
Figure M_221117175451790_790426003
的表示,如下所示:
Figure M_221117175451823_823144001
Figure M_221117175451854_854394001
Figure M_221117175451901_901324001
其中,T为采样时间,
Figure M_221117175451948_948158001
为采样时刻,已验证该离散线性化的运动学模型完全可控,因此,只要控制输入不为0,线性化之后的运动学模型也是可控的。
对于离散线性化模型:
Figure M_221117175451963_963767001
,可以设定
Figure M_221117175452012_012076001
则可以确定状态空间表达式:
Figure M_221117175452059_059469001
Figure M_221117175452121_121977002
其中,
Figure M_221117175452153_153251001
Figure M_221117175452184_184483002
Figure M_221117175452217_217189003
的定义如下:
Figure M_221117175452248_248971001
Figure M_221117175452295_295818001
Figure M_221117175452327_327057001
则预设的预测模型对于预测行驶状态偏差的确定部分,可以表示为:
Figure M_221117175452373_373943001
其中,
Figure M_221117175452501_501855001
为预设的预测时域,
Figure M_221117175452533_533112002
为控制时域,
Figure M_221117175452564_564385003
为当前时刻的行驶状态偏差,
Figure M_221117175452595_595608004
为当前时刻的舵轮角度,
Figure M_221117175452628_628813005
为预测行驶状态偏差,
Figure M_221117175452675_675707006
为行驶状态偏差的离散系数矩阵,
Figure M_221117175452706_706960007
为行驶状态偏差的连续系数矩阵,
Figure M_221117175452738_738226008
为当前时刻的舵轮角度的连续系数矩阵。
S403、根据控制权重和预测行驶状态偏差,得到预测舵轮角度。
需要说明的是,控制权重可以为上述
Figure M_221117175452753_753844001
表示,则预设的预测模型中对于预测舵轮角度的确定部分,可以表示为:
Figure M_221117175452800_800696001
其中,
Figure M_221117175452975_975982001
为预测舵轮角度。
为了使整个关系更加明确,将系统未来时刻的输出以矩阵的形式表达:
Figure M_221117175453025_025291001
式中:
Figure M_221117175453072_072163001
Figure M_221117175453165_165938002
Figure M_221117175453230_230842003
Figure M_221117175453293_293419001
可选的,上述S303中根据预测行驶状态偏差和预设的控制时域,对预测舵轮角度进行优化处理,得到未来输出序列的过程,可以包括:
根据预测行驶状态偏差和控制时域,采用预设的目标函数,对预测舵轮角度进行优化处理,得到未来输出序列。
其中,目标函数用于表征预测行驶状态偏差、预测舵轮角度、预设权重矩阵、行驶状态偏差、当前时刻的舵轮角度、预设能量函数之间的关系。
在一些实施方式中,目标函数可以表示为:
Figure M_221117175453451_451078001
其中,X
Figure M_221117175453560_560445001
为状态量矩阵,
Figure M_221117175453631_631716002
为状态量矩阵,上述N可以为连续的整数值,例如,N=1,2,3,4…。
上述目标函数中,具有结构简单,易于实现的特点。但也存在着无法对控制增量进行精确约束的缺点。因此,可以对上述目标函数优化,将对控制增量的约束引入到目标函数,作为目标函数的状态量,避免控制增量跳变对系统性能的影响,新的目标函数可以表示如下:
Figure M_221117175453663_663490001
其中,第一项反映了对预设目标轨迹的跟随能力,第二项反映了对控制增量平稳变化的要求。Q和R为权重矩阵,上述表达式可以使得快速、平稳地跟随预设目标轨迹。
上述
Figure M_221117175453835_835381001
,其中
Figure M_221117175453882_882264002
为实际整合的参数。
另外,可以对上述目标函数进行二次规划,得到目标函数,如下所示:
Figure M_221117175453929_929131001
其中,
Figure M_221117175453991_991610001
Figure M_221117175454034_034589002
Figure M_221117175454081_081472003
Figure M_221117175454112_112711004
需要说明的是,
Figure M_221117175454282_282629001
表示行驶状态偏差,
Figure M_221117175454313_313876002
表示当前时刻的行驶状态信息和当前时刻的舵轮角度,
Figure M_221117175454360_360775003
表示预测舵轮角度,
Figure M_221117175454392_392037004
表示预测行驶状态偏差,
Figure M_221117175454410_410520005
为能量函数,
Figure M_221117175454442_442315006
为未来输出序列。
在一些实施方式中,采用目标函数,在
Figure M_221117175454473_473554001
Figure M_221117175454504_504792002
Figure M_221117175454536_536046003
Figure M_221117175454567_567288004
已知时,当
Figure M_221117175454598_598539005
最小时,可以求解出
Figure M_221117175454633_633696006
,即未来输出序列。
可选的,图5为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图5所示,上述S105中,根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整的过程,可以包括:
S501、比较控制时域和预设控制时域的大小。
其中,预设控制时域可以根据经验值进行设定,或者也可以根据实际需求进行设定,本申请实施例对此不进行具体限制。
可选的,控制时域可以用
Figure M_221117175454664_664945001
表示,预设控制时域可以用
Figure M_221117175454696_696187002
来表示,处理设备可以比较
Figure M_221117175454727_727436003
Figure M_221117175454758_758718004
之间的大小。
S502、根据未来输出序列和比较结果,得到各控制时间点的舵轮角度的目标控制增量。
其中,未来输出序列可以用
Figure M_221117175454789_789946001
表示,即表示从t至t+
Figure M_221117175454870_870021002
-1时间段内多个控制时间点的控制增量,目标控制增量可以用
Figure M_221117175454885_885651003
表示。
在一种可能的实施方式中,若比较结果满足第一预设条件,则可以对未来输出序列中各个控制时间点的舵轮角度的控制增量进行处理,以得到各控制时间点的舵轮角度的目标控制增量。若比较结果满足第二预设条件,则可以直接将各个控制时间点的舵轮角度的控制增量,作为各个控制时间点的舵轮角度的目标控制增量。
S503、根据当前时刻的舵轮角度,以及目标控制增量,对各控制时间点的舵轮角度进行调整。
其中,当前时刻的舵轮角度可以用
Figure M_221117175454916_916892001
表示,目标控制增量可以用
Figure M_221117175454948_948140002
表示,则各控制时间点的舵轮角度可以表示为:
Figure M_221117175454979_979383003
。另外,对于目标控制时间点的舵轮角度进行确定时,可以对当前时刻的舵轮角度、以及目标控制时间点之前的多个控制时间的舵轮角度的目标控制增量进行叠加。
需要说明的是,处理设备这一控制量直到下一控制时间点。在新的控制时间点,系统根据行驶状态信息重新预测下一段时域的输出,通过优化过程得到一个新的未来输出序列。如此循环往复,直到完成AGV的控制过程。
可选的,图6为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图6所示,S502中,根据未来输出序列和比较结果,得到各控制时间点的舵轮角度的目标控制增量的过程,可以包括:
S601、若比较结果为控制时域小于预设控制时域,则根据未来输出序列中各控制时间点的舵轮角度的控制增量,以及预设的权重,得到目标控制增量。
其中,预设的权重也可以称为预设的比例系数。可选的,可以对各控制时间点的舵轮角度的控制增量,和预设的权重进行相乘,得到目标控制增量。
在本申请实施例中,若要使得AGV跟随上预设目标轨迹,当后半程误差收敛于0,使舵轮转动角度产生不了较大的变化,影响AGV跟随轨迹的速度,因此,可以以控制时域为标准,当控制时域小于预设控制时域时加入预设的权重,使AGV更快地跟随预设轨迹。
或者,S602、若比较结果为控制时域大于或等于预设控制时域,则确定未来输出序列中各控制时间点的舵轮角度的控制增量为目标控制增量。
可选的,可以采用下述公式实现S601或者S602的过程。
Figure M_221117175455027_027737001
其中,控制时域可以用
Figure M_221117175455105_105854001
表示,预设控制时域可以用
Figure M_221117175455137_137116002
来表示,
Figure M_221117175455152_152752003
目标控制增量可以表示为
Figure M_221117175455183_183997004
,控制增量可以用
Figure M_221117175455216_216167005
进行表示。
可选的,行驶状态偏差还包括:航向角偏差;图7为本发明实施例提供的一种AGV轨迹跟随方法的流程示意图,如图7所示,上述S103中根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差的过程,可以包括:
在本申请实施例中,以AGV当前时刻的位置信息距离预设目标轨迹之间的最近距离,作为位置偏差时。会出现由于AGV的舵轮本身具有机械延迟,以及处理误差延迟,会带来滞后影响,尤其AGV速度比较快时,在曲率较大的弯道做转向动作时容易脱轨。
S701、确定行驶状态信息中的位置信息,对应的AGV的预设目标轨迹中目标位置的曲率参数。
其中,处理设备可以预设曲率公式,该曲率公式可以用于表征预设目标轨迹中各个位置点与曲率之间的对应关系。
在一些实施方式中,处理设备可以根据行驶状态信息中的位置信息,确定AGV的预设目标轨迹中对应的目标位置,继而采用预设曲率公式,根据目标位置确定相应的曲率参数。
S702、根据曲率参数和AGV的预设目标轨迹,确定位置偏差。
其中,曲率参数可以用k表示,处理设备可以根据曲率参数k和预设距离d之间的关系函数,根据k确定d。关系函数可以表示为:
Figure M_221117175455247_247970001
,其中,a和b为常数。另外,若要关系函数变动更加均匀,用二次型函数表示为:
Figure M_221117175455279_279225002
,其中,a,b,c均可以为常数。
图8为本发明实施例提供的一种位置偏差的确定示意图,如图8所示,预设目标轨迹中,与AGV距离最近的点为a1,a2和a1之间的距离为d1,a3和a1之间的距离为d2,图中d1和d2分别表示在顺时针方向上的预设距离、逆时针方向上的预设距离。则AGV在顺时针方向上运动时,可以确定a2为目标位置点,AGV在逆时针方向上运动时,可以确定a3为目标位置点。
S703、根据行驶状态信息中的航向角,确定航向角偏差。
在本申请实施例中,激光导航器可以采集当前时刻的航向角,处理设备可以直接将该当前时刻的航向角作为航向角偏差。
综上所述,本文选取动态参考点以曲率为选取标准,当AGV进入弯道,曲率参数达到预设曲率参数时,动态参考距离从0开始增加,随曲率参数增大而增大,减少而减少,准备出弯时,当曲率小于预设曲率参数时动态参考距离为负,参考点选取之前的点,可以加快收敛,防止AGV过弯后摆动。
下述对用以执行本申请所提供的AGV轨迹跟随方法的AGV轨迹跟随装置、处理设备、存储介质等进行说明,其具体的实现过程以及技术效果参见上述AGV轨迹跟随方法的相关内容,下述不再赘述。
图9为本发明实施例提供的一种AGV轨迹跟随装置的结构示意图,如图9所示,该装置可以包括:
第一获取模块801,用于获取AGV的激光导航器采集的AGV在当前时刻的行驶状态信息;获取AGV的转向编码器采集的当前时刻的舵轮角度;
确定模块802,用于根据行驶状态信息和AGV的预设目标轨迹,确定AGV的行驶状态偏差;
第二获取模块803,用于根据行驶状态偏差和当前时刻的舵轮角度,得到未来输出序列,未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;
调整模块804,用于根据当前时刻的舵轮角度,以及未来输出序列,对各控制时间点的舵轮角度进行调整。
可选的,第二获取模块803,还用于根据行驶状态偏差和当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度;根据行驶状态偏差,确定AGV的控制时域;根据预测行驶状态偏差和控制时域,对预测舵轮角度进行优化处理,得到未来输出序列,其中,控制时域内相邻控制时间点的时间差为控制时域。
可选的,第二获取模块803,还用于根据行驶状态偏差、当前时刻的舵轮角度、预设的预测时域,以及控制时域,采用预设的预测模型,得到预测行驶状态偏差;根据行驶状态偏差和当前时刻的舵轮角度,确定控制权重;根据控制权重和预测行驶状态偏差,得到预测舵轮角;其中,预测模型包括:预设的行驶状态偏差、当前时刻的舵轮角度、预测时域、控制时域,以及预测行驶状态偏差的线性关系。
可选的,第二获取模块803,还用于根据预测行驶状态偏差和控制时域,采用预设的目标函数,对预测舵轮角度进行优化处理,得到未来输出序列;目标函数用于表征预测行驶状态偏差、预测舵轮角度、预设权重矩阵、行驶状态偏差、当前时刻的舵轮角度、预设能量函数之间的关系。
可选的,行驶状态偏差包括:位置偏差;第二获取模块803,还用于根据位置偏差、采用预设的位置偏差和控制时域的对应关系,确定控制时域。
可选的,调整模块804,还用于比较控制时域和预设控制时域的大小;根据未来输出序列和比较结果,得到各控制时间点的舵轮角度的目标控制增量;根据当前时刻的舵轮角度,以及目标控制增量,对各控制时间点的舵轮角度进行调整。
可选的,调整模块804,还用于若比较结果为控制时域小于预设控制时域,则根据未来输出序列中各控制时间点的舵轮角度的控制增量,以及预设的权重,得到目标控制增量;或者,若比较结果为控制时域大于或等于预设控制时域,则确定未来输出序列中各控制时间点的舵轮角度的控制增量为目标控制增量。
可选的,行驶状态偏差还包括:航向角偏差;确定模块802,还用于确定行驶状态信息中的位置信息,对应的AGV的预设目标轨迹中目标位置的曲率参数;根据曲率参数和AGV的预设目标轨迹,确定位置偏差;根据行驶状态信息中的航向角,确定航向角偏差。
上述装置用于执行前述实施例提供的AGV轨迹跟随方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图10为本发明实施例提供的一种处理设备的结构示意图,该装置可以集成于终端设备或者终端设备的芯片,该终端可以是具备数据处理功能的计算设备。
该装置包括:处理器901、存储器902。
存储器902用于存储程序,处理器901调用存储器902存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (9)

1.一种AGV轨迹跟随方法,其特征在于,所述方法包括:
获取AGV的激光导航器采集的所述AGV在当前时刻的行驶状态信息;
获取所述AGV的转向编码器采集的所述当前时刻的舵轮角度,其中,所述舵轮角度为舵轮所在方向与所述AGV的车体的纵向中心轴之间的夹角;
根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差;
根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,所述未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;
根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整;
所述根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,包括:
根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度;
根据所述行驶状态偏差,确定所述AGV的控制时域;
根据所述预测行驶状态偏差和所述控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,其中,所述控制时域内相邻控制时间点的时间差为所述控制时域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度,包括:
根据所述行驶状态偏差、所述当前时刻的舵轮角度、预设的预测时域,以及所述控制时域,采用预设的预测模型,得到所述预测行驶状态偏差;
根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定控制权重;
根据所述控制权重和所述预测行驶状态偏差,得到所述预测舵轮角度;
其中,所述预测模型包括:预设的所述行驶状态偏差、所述当前时刻的舵轮角度、所述预测时域、所述控制时域,以及所述预测行驶状态偏差的线性关系。
3.根据权利要求1所述的方法,其特征在于,所述根据所述预测行驶状态偏差和预设的控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,包括:
根据所述预测行驶状态偏差和所述控制时域,采用预设的目标函数,对所述预测舵轮角度进行优化处理,得到所述未来输出序列;
所述目标函数用于表征所述预测行驶状态偏差、所述预测舵轮角度、预设权重矩阵、所述行驶状态偏差、所述当前时刻的舵轮角度、预设能量函数之间的关系。
4.根据权利要求1所述的方法,其特征在于,所述行驶状态偏差包括:位置偏差;所述根据所述行驶状态偏差,确定所述AGV的控制时域,包括:
根据所述位置偏差、采用预设的位置偏差和控制时域的对应关系,确定所述控制时域。
5.根据权利要求1所述的方法,其特征在于,所述根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整,包括:
比较所述控制时域和预设控制时域的大小;
根据所述未来输出序列和比较结果,得到所述各控制时间点的舵轮角度的目标控制增量;
根据所述当前时刻的舵轮角度,以及所述目标控制增量,对所述各控制时间点的舵轮角度进行调整。
6.根据权利要求5所述的方法,其特征在于,所述根据所述未来输出序列和所述比较结果,得到所述各控制时间点的舵轮角度的目标控制增量,包括:
若所述比较结果为所述控制时域小于所述预设控制时域,则根据所述未来输出序列中所述各控制时间点的舵轮角度的控制增量,以及预设的权重,得到所述目标控制增量;或者,
若所述比较结果为所述控制时域大于或等于所述预设控制时域,则确定所述未来输出序列中所述各控制时间点的舵轮角度的控制增量为所述目标控制增量。
7.根据权利要求4所述的方法,其特征在于,所述行驶状态偏差还包括:航向角偏差;所述根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差,包括:
确定所述行驶状态信息中的位置信息,对应的所述AGV的预设目标轨迹中目标位置的曲率参数;
根据所述曲率参数和所述AGV的预设目标轨迹,确定所述位置偏差;
根据所述行驶状态信息中的航向角,确定所述航向角偏差,其中,所述航向角为所述AGV的车体的纵向中心轴与水平方向的夹角。
8.一种AGV轨迹跟随装置,其特征在于,所述装置包括:
第一获取模块,用于获取AGV的激光导航器采集的所述AGV在当前时刻的行驶状态信息;获取所述AGV的转向编码器采集的所述当前时刻的舵轮角度,其中,所述舵轮角度为舵轮所在方向与所述AGV的车体的纵向中心轴之间的夹角;
确定模块,用于根据所述行驶状态信息和所述AGV的预设目标轨迹,确定所述AGV的行驶状态偏差;
第二获取模块,用于根据所述行驶状态偏差和所述当前时刻的舵轮角度,得到未来输出序列,所述未来输出序列包括:控制时域内各控制时间点的舵轮角度的控制增量;
调整模块,用于根据所述当前时刻的舵轮角度,以及所述未来输出序列,对所述各控制时间点的舵轮角度进行调整;
所述第二获取模块,还用于根据所述行驶状态偏差和所述当前时刻的舵轮角度,确定预测时域内各预测时间点的预测行驶状态偏差和预测舵轮角度;根据所述行驶状态偏差,确定AGV的控制时域;根据所述预测行驶状态偏差和所述控制时域,对所述预测舵轮角度进行优化处理,得到所述未来输出序列,其中,所述控制时域内相邻控制时间点的时间差为所述控制时域。
9.一种处理设备,其特征在于,包括:存储器和处理器,所述存储器存储有所述处理器可执行的计算机程序,所述处理器执行所述计算机程序时实现所述权利要求1-7任一项所述的方法。
CN202011045268.9A 2020-09-28 2020-09-28 Agv轨迹跟随方法、装置及处理设备 Active CN112180925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011045268.9A CN112180925B (zh) 2020-09-28 2020-09-28 Agv轨迹跟随方法、装置及处理设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011045268.9A CN112180925B (zh) 2020-09-28 2020-09-28 Agv轨迹跟随方法、装置及处理设备

Publications (2)

Publication Number Publication Date
CN112180925A CN112180925A (zh) 2021-01-05
CN112180925B true CN112180925B (zh) 2023-02-17

Family

ID=73946805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011045268.9A Active CN112180925B (zh) 2020-09-28 2020-09-28 Agv轨迹跟随方法、装置及处理设备

Country Status (1)

Country Link
CN (1) CN112180925B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112859877A (zh) * 2021-02-01 2021-05-28 上海同普电力技术有限公司 一种agv四舵轮同步控制算法
CN113759919B (zh) * 2021-09-10 2024-03-15 华晟智能自动化装备有限公司 一种移动机器人轨迹跟踪方法及系统
CN114228864B (zh) * 2021-11-16 2023-02-17 德马科技集团股份有限公司 一种牵引式agv转弯特性的路径仿真方法
CN114371715A (zh) * 2022-01-13 2022-04-19 北京歌锐科技有限公司 一种承载设备的控制方法及其控制装置
CN114700987B (zh) * 2022-04-24 2024-02-09 浙江欣奕华智能科技有限公司 一种agv舵轮安装位置标定方法、装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107390691A (zh) * 2017-07-28 2017-11-24 广东嘉腾机器人自动化有限公司 一种agv路径跟踪方法
CN107521496A (zh) * 2017-09-08 2017-12-29 吉林大学 一种无人车辆的横纵向协调控制轨迹跟随控制方法
CN109669463A (zh) * 2019-01-10 2019-04-23 上海海事大学 一种考虑agv速度和前轮偏向角可变的区间轨迹跟踪方法
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
CN110362084A (zh) * 2019-07-22 2019-10-22 东南大学 一种基于蚁群算法的车辆路径追踪控制方法
CN111158370A (zh) * 2019-12-30 2020-05-15 华东交通大学 一种自动导引车agv部署方法、系统及自动导引车agv
CN111273551A (zh) * 2020-03-12 2020-06-12 山东大学 双舵轮自动导引车轨迹追踪控制方法及系统
CN111497637A (zh) * 2020-05-29 2020-08-07 浙江同筑科技有限公司 一种四舵轮agv的运动控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107390691A (zh) * 2017-07-28 2017-11-24 广东嘉腾机器人自动化有限公司 一种agv路径跟踪方法
CN107521496A (zh) * 2017-09-08 2017-12-29 吉林大学 一种无人车辆的横纵向协调控制轨迹跟随控制方法
CN109669463A (zh) * 2019-01-10 2019-04-23 上海海事大学 一种考虑agv速度和前轮偏向角可变的区间轨迹跟踪方法
CN110286683A (zh) * 2019-07-15 2019-09-27 北京科技大学 一种履带式移动机器人的自主行驶路径跟踪控制方法
CN110362084A (zh) * 2019-07-22 2019-10-22 东南大学 一种基于蚁群算法的车辆路径追踪控制方法
CN111158370A (zh) * 2019-12-30 2020-05-15 华东交通大学 一种自动导引车agv部署方法、系统及自动导引车agv
CN111273551A (zh) * 2020-03-12 2020-06-12 山东大学 双舵轮自动导引车轨迹追踪控制方法及系统
CN111497637A (zh) * 2020-05-29 2020-08-07 浙江同筑科技有限公司 一种四舵轮agv的运动控制方法

Also Published As

Publication number Publication date
CN112180925A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112180925B (zh) Agv轨迹跟随方法、装置及处理设备
US11327449B2 (en) Nonlinear optimization for stochastic predictive vehicle control
CN109415089B (zh) 控制车辆的控制器和方法以及非暂时性计算机可读存储器
US10409233B2 (en) Method with quasi-Newton Jacobian updates for nonlinear predictive control
CN110816528B (zh) 用于自主系统中嵌入式实时受约束最优控制问题的求解器
CN111930015B (zh) 一种无人车控制方法及装置
EP3776127B1 (en) Method and system for controlling an autonomous vehicle device to repeatedly follow a same predetermined trajectory
Sattel et al. From robotics to automotive: Lane-keeping and collision avoidance based on elastic bands
US20230022510A1 (en) Stochastic Nonlinear Predictive Controller and Method based on Uncertainty Propagation by Gaussian-assumed Density Filters
CN112859863B (zh) 一种基于预测的路径跟踪控制关键参考点选取方法及系统
US20210139007A1 (en) Enhanced vehicle operation
CN113759707B (zh) 用于自动驾驶车辆的预测控制优化方法和装置
CN110609539B (zh) 路径跟踪控制方法、装置和系统及存储介质
Zhang et al. Low-level control technology of micro autonomous underwater vehicle based on intelligent computing
CN111290406B (zh) 一种路径规划的方法、机器人及存储介质
Flad et al. Individual driver modeling via optimal selection of steering primitives
Vörös et al. Lane keeping control using finite spectrum assignment with modeling errors
US20230288886A1 (en) Model-Based Control with Uncertain Motion Model
Hegedűs et al. Implementation and design of ultra-local model-based control strategy for autonomous vehicles
CN113296515A (zh) 一种双独立电驱动车辆显式模型预测路径跟踪方法
Yin et al. An anti-disturbance lane-changing trajectory tracking control method combining extended Kalman filter and robust tube-based model predictive control
CN113885514B (zh) 基于模糊控制和几何追踪的agv路径跟踪方法及系统
CN118046887A (zh) 一种自动驾驶车辆横向控制方法、装置、设备及存储介质
CN117048593A (zh) 车辆横向控制方法、装置、计算机设备及存储介质
WO2021035682A1 (zh) 可移动平台及其行驶控制方法和系统、控制设备

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