CN113671948A - 一种土石方工程无人碾压机机群协同智能作业控制方法 - Google Patents
一种土石方工程无人碾压机机群协同智能作业控制方法 Download PDFInfo
- Publication number
- CN113671948A CN113671948A CN202110852960.0A CN202110852960A CN113671948A CN 113671948 A CN113671948 A CN 113671948A CN 202110852960 A CN202110852960 A CN 202110852960A CN 113671948 A CN113671948 A CN 113671948A
- Authority
- CN
- China
- Prior art keywords
- rolling
- rolling machine
- unmanned
- collaborative
- formation
- 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
- 238000005096 rolling process Methods 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011435 rock Substances 0.000 title claims abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 77
- 238000011217 control strategy Methods 0.000 claims abstract description 50
- 238000010276 construction Methods 0.000 claims abstract description 44
- 238000005056 compaction Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 16
- 239000004575 stone Substances 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 13
- 229910000831 Steel Inorganic materials 0.000 claims description 12
- 239000010959 steel Substances 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000013486 operation strategy Methods 0.000 claims description 5
- 241000283690 Bos taurus Species 0.000 claims description 4
- 238000009313 farming Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 231100000817 safety factor Toxicity 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000012358 sourcing Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 241000238633 Odonata Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000669618 Nothes Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0214—Control 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
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出了一种土石方工程无人碾压机机群协同智能作业控制方法,包括以下步骤:队形设计、路径规划、协同智能碾压控制策略设计。队形设计是考虑施工工艺、碾压区域约束、车辆参数、行车安全因素,确定基于领导‑跟随结构的协同碾压作业队形;路径规划是构建碾压机整体运动学模型,根据确定的领导‑跟随碾压作业队形,规划碾压作业路径;协同智能碾压控制策略设计是依据设计的作业队形和作业路径,提出包括基于领导‑跟随结构的协同碾压作业编队控制策略与协同碾压作业路径跟随控制策略的无人碾压机机群协同碾压作业控制策略。本发明可实现土石方工程无人碾压机机群协同智能碾压作业,改善压实质量与施工效率。
Description
技术领域
本发明属于土石方工程技术领域,特别涉及一种土石方工程无人碾压机机群协同智能作业控制方法。
背景技术
土石方填筑过程中的压实质量控制是土石方工程建造的关键环节之一,它对基础设施能否安全、稳定运行有着决定性影响。按照现有的土石方施工规范,压实质量主要取决于施工过程中的压实参数的人工控制以及施工后的抽样点检测。就时效性而言,土石方压实质量主要受施工过程中压实参数的控制影响。然而,传统的土石方压实质量控制依靠人工控制压实参数实现,不仅易产生相邻作业面间漏碾、交叉、重复碾压的问题,也无法满足全天候或极限条件下碾压施工作业的工程需求。尤其是对高海拔、偏远地区的土石方工程,由于受施工人员降效、线路布置、工期、投资、恶劣环境和复杂地质等条件制约,使得无人碾压技术成为最佳选择甚至唯一途径。
此外,随着人工智能技术的飞速发展,智能化碾压已成为当前土石方工程碾压施工最先进技术之一。将人工智能技术与无人碾压技术融合不仅有助于消除人的因素对碾压施工的不利影响,进一步提升碾压施工精度,还可有效避免施工作业人员直接暴露于恶劣的自然条件,达到保护施工作业人员的生命安全的目的。无人碾压机机群协同控制是无人碾压技术与人工智能碾压技术融合研究中重要的内容。然而现有的土石方工程碾压机协同碾压作业集中在有人驾驶碾压机机群协同,在无人碾压机机群协同作业研究方面也仅仅开展了协同路径规划方面的探索研究,在无人碾压机机群协同碾压作业控制策略方面的研究较为匮乏。无人碾压机机群协同碾压作业控制策略研究属于无人系统群智协同范畴。尽管无人系统群智协同得到了广泛而深入研究并取得了丰硕的研究成果,但由于其复杂施工环境以及碾压机复杂动态特性,这些成果均难以直接应用于解决无人碾压机群协同碾压作业控制问题。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种土石方工程无人碾压机机群协同智能作业控制方法,以期至少部分地解决上述技术问题中的至少之一。
为了实现上述目的,本发明采用的技术方案是:
一种土石方工程无人碾压机机群协同智能作业控制方法,包括以下步骤:
步骤1,协同碾压作业队形设计
考虑土石方压实施工工艺要求、作业区域约束、车辆参数、行车安全因素,确定领导-跟随结构的协同碾压作业队形,提升碾压施工效率。
步骤2,协同碾压作业路径规划
构建碾压机整体运动学模型,根据所述协同碾压作业队形,规划碾压施工作业路径;
步骤3,协同碾压作业控制策略设计
根据所述碾压机整体运动学模型、所述协同碾压作业队形以及所述碾压施工作业路径,构建无人碾压机机群协同智能碾压作业控制策略,包括基于领导-跟随结构的协同碾压编队队形控制策略和协同碾压作业路径跟随控制策略;
步骤4,根据所述无人碾压机机群协同碾压作业控制策略,提出由初始化、控制信号和运动状态更新三步构成的无人碾压机机群协同智能作业策略,驱动无人碾压机机群在目标碾压区域内协作完成碾压施工作业任务。
进一步地,在步骤1中:
在领导-跟随框架下设计领导-跟随协同碾压作业队形。
根据无人碾压机机群规模,考虑单台无人碾压机机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素,结合几何学和优化理论知识,在领导-跟随框架下,确定领导-跟随协同碾压作业队形。
进一步地,在步骤2中:
若施工目标碾压区域内无障碍物,则在领导-跟随协同碾压作业队形中构建碾压机整体运动学模型;若施工目标区域内有障碍物,则在领导-跟随协同碾压作业队形中构建领导碾压机整体运动学模型构建并进行碾压作业路径规划。
其中所述碾压机整体运动学模型的构建方法是:在现有压路机运动学模型基础上,首先通过忽略铰接转角动态,将其简化为标准的轮式移动机器人运动学模型,然后再设计相应的虚拟控制输入产生期望的协同碾压作业路径。
所述碾压作业路径规划包括作业面分解、子作业面规划和子作业面连通;
作业面分解:依据施工目标区域实际情况,基于无人碾压机在子作业面间转场路径长短,选择使用全覆盖路径规划算法(如Trapezoidal算法或Boustrophedon算法)实现作业面分解;
子作业面规划:子作业面是无人碾压机机群最小的作业单元,基于碾压工艺构建碾压运动模型对子作业面进行路径规划;
子作业面连通:基于货郎担问题求解方法(如改进的蚁群算法、贪心算法或蜻蜓算法),求解各个子作业面间的转场路径,用于优化出绕开静态障碍物的多个子作业面之间的转场路径。
所述全覆盖路径规划算法流程为:首先利用精确单元分解算法梯形算法(即Trapezoidal算法)或牛耕算法(Boustrophedon算法)将作业面拆分成子作业面;然后基于碾压工艺构建碾压运动模型对子作业面进行路径规划;其次采用货郎担问题求解方法进行转场路径优化求解;最后对于任务分配问题,建立无人碾压机群作业时间成本函数,以最小化时间成本为准则将作业路径分配至各无人碾压机。
进一步地,在步骤3中:
根据构建的碾压机整体运动学模型、设计的协同碾压作业队形以及规划的碾压作业路径,提出无人碾压机机群协同智能碾压控制策略。
具体地,结合多智能体一致性理论和鲁棒跟踪控制理论,构造无人碾压机机群协同碾压作业编队控制策略以及协同碾压作业路径跟随控制策略,并利用李雅普诺夫稳定性定理、最优控制理论、H∞控制等,分析协同控制算法收敛性与性能。
其中,基于领导-跟随结构的协同碾压编队队形控制策略是:
借助于多智能体一致性理论,在无人碾压机机群中,指定一个或多个无人碾压机作为领导者,通过车载位姿传感器(如分离式超声波)获取无人碾压机机群中跟随碾压机与领导碾压机之间的相对位姿,运用李雅普诺夫稳定性理论构造编队控制器确保编队误差渐近收敛期望值,解决无人碾压机编队控制过程中的误差收敛问题,最终使无人碾压机机群编队系统稳定运行;
协同碾压作业路径跟随控制策略是:
选定的领导碾压机利用同步定位与建图方法,通过自身的运动信息和对环境的观测信息,进行无人碾压机和各个环境特征的位姿估计,搜索一条从当前位置到达目标点的安全路径;同时根据其轨迹和传感器数据及队形宽度规划出路径的若干关键点,领导碾压机根据规划的运动轨迹和传感器信息,运用李雅普诺夫稳定性理论构造路径跟随控制器,驱动领导碾压机沿着所述关键点运动。
进一步,在编队控制器作用下,跟随碾压机和领导碾压机保持期望的碾压作业队形,进而驱动无人碾压机机群在作业区域内按照预设的碾压作业队形和碾压路径进行碾压作业。
进一步地,在步骤4中:
无人碾压机机群协同智能作业由初始化、控制信号和运动状态更新三步构成,过程如下:
初始化:初始化各台无人碾压机的运动状态(坐标变换)、期望碾压作业队形、期望碾压作业路径和控制增益;
控制信号:依据作用于领导碾压机和跟随碾压机的控制信号和通过坐标反变换产生碾压机的真实行车速度和航向速度信号,其中和分别由协同碾压作业路径跟随控制策略和基于领导-跟随结构的协同碾压编队队形控制策略产生;
运动状态更新:将真实行车速度和航向速度信号代入无人碾压机机群运动学模型方程完成无人碾压机的运动状态更新。
与现有技术相比,本发明将人工智能技术与土木工程进行深度融合,引入群体智能技术,提出了一套适用于非友好施工环境、复杂施工条件的无人碾压机机群协同智能碾压作业策略,可有效提高土石方工程的碾压效率和碾压质量,并提升碾压机装备的智能化水平。
附图说明
图1是一个实施例中土石方工程无人碾压机机群协同智能碾压作业控制策略的流程框图。
图2是一个实施例中无人碾压机结构示意图。
图3是一个实施例中单台无人碾压机采用进退错距法碾压工艺进行碾压作业的示意图。
图4是一个实施例中三台无人碾压机基于领导-跟随领导框架的三角形作业队形示意图(黑色实心五边形表示领导碾压机、黑色空心五边形为跟随碾压机)。
图5是一个实施例中三台无人碾压机群智协同纵向直道重复碾压作业控制轨迹(四遍)。
图6是一个实施例中三台无人碾压机群智协同纵向直道重复碾压x-y平面运动轨迹(四遍)。
图7是一个实施例中三台无人碾压机群智协同纵向直道重复碾压作业转角轨迹(四遍)。
图8是一个实施例中三台无人碾压机群智协同弯道碾压x-y平面运动轨迹。
具体实施方式
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例:
本实施例给出了一种土石方工程无人碾压机机群协同智能碾压作业控制策略,如图1,包括以下步骤:协同碾压作业队形设计、协同碾压作业路径规划、协同碾压作业控制策略设计、无人碾压机机群协同智能碾压作业。
其中,协同碾压作业队形设计是考虑土石方碾压施工工艺要求、作业区域约束、车辆参数、行车安全因素,确定领导-跟随结构的协同碾压作业队形,提升碾压施工效率;协同碾压作业路径规划是构建碾压机整体运动学模型,根据确定领导-跟随碾压作业队形,进行土石方工程碾压施工作业路径规划;协同碾压作业控制策略设计是根据构建的碾压机整体运动学模型、设计的协同碾压作业队形和作业路径,提出包括基于领导-跟随的协同碾压编队队形控制策略以及协同碾压作业路径跟随控制策略的无人碾压机机群协同碾压作业控制策略;无人碾压机机群协同智能碾压作业策略是由初始化、控制信号和运动状态更新三步流程构成,驱动无人碾压机机群在给定作业区域内协作完成碾压施工作业任务。
在本实施例中,协同碾压作业队形设计:根据无人碾压机机群规模,考虑单台无人碾压机机械/性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距等因素,结合几何学和优化理论知识,在领导-跟随框架下,确定领导-跟随协同碾压作业队形。
具体实施时,在由n+1辆无人碾压机构成的无人碾压机群(其车辆编号分别为0,1,2,…,n)中,确定0号碾压机为领导碾压机,其余(即1~n号碾压机)为跟随碾压机。考虑单台碾压机宽度以及碾压安全车距,采用进退错距法或搭接法压实方案,确定由σdi,i∈{1,2,…,n}刻画的领导-跟随协同碾压作业队形,其中σdi,i∈{1,2,…,n}是领导碾压机和跟随碾压机i之间期望距离。
在本实施例中,碾压作业路径规划:若施工目标区域内无障碍物,则在领导-跟随协同碾压作业队形中仅讨论如何构造期望虚拟控制输入产生期望的领导碾压机整体运动学模型;若施工目标区域内有障碍物,则包括在领导-跟随协同碾压作业队形中讨论期望的领导碾压机整体运动学模型构建以及碾压作业路径规划,其中,碾压作业路径规划由作业面分解、子作业面规划和子作业面连通三部分组成。
在本实施例中,碾压机整体运动学模型为在现有压路机运动学模型基础上,通过忽略铰接转角动态,简化而成的标准轮式移动机器人运动学模型;作业面分解:依据施工目标区域实际情况,基于无人碾压机在子作业面间转场路径长短来选择使用精确单元分解算法梯形算法(即Trapezoidal算法)或牛耕算法(Boustrophedon算法)实现;子作业面规划:子作业面是无人碾压机机群最小的作业单元,基于碾压工艺构建碾压运动模型对子作业面进行路径规划;子作业面连通:基于货郎担问题求解方法(如改进的蚁群算法、贪心算法或蜻蜓算法),求解各个子作业面间的转场路径,用于优化出绕开静态障碍物的多个子作业面之间的转场路径。
具体实施时,作为高效的土石方工程压实机械,如图2,碾压机通常包括振动钢轮、驱动车体和铰接机构三部分。针对无人碾压机在土石方工程中碾压作业,给出如下假设:
1)假设碾压机具有纵向对称结构;
2)假设碾压机的轮胎和钢轮与地面之间的接触均集中在一点上;
3)假设碾压机碾压作业在平面内进行并忽略侧向和纵向的滑移影响。
基于上述假设条件,可建立如下碾压机整体运动学模型:
其中,表示x(t)的更新,表示y(t)的跟新,表示θ(t)的更新,表示的更新,(x(t),y(t))T表示碾压机振动钢轮中心点在作业平面内的位置坐标,θ(t)表示碾压机振动钢轮中心点在作业平面内的航向,为碾压机振动钢轮与碾压机驱动车体之间的转角,v(t)和分别为碾压机振动钢轮的速度和航向速度,l是碾压机振动钢轮质心与碾压机铰接机构中心的距离。
进一步,定义如下坐标变换:
其中,lc>0是给定的正常数,则碾压机整体运动学模型方程(2)可改写为如下单积分器模型
在本实施例中,全覆盖路径规划算法流程为:首先利用精确单元分解算法梯形算法(即Trapezoidal算法)或牛耕算法(Boustrophedon算法)将作业面拆分成子作业面;然后基于碾压工艺构建碾压运动模型对子作业面进行路径规划;其次采用货郎担问题求解方法进行转场路径优化求解;最后对于任务分配问题,建立无人碾压机群作业时间成本函数,以最小化时间成本为准则将作业路径分配至各无人碾压机。。
在本实施例中,协同碾压作业控制策略设计是以基于领导-跟随的协同碾压作业编队控制策略与协同碾压作业路径跟随控制策略设计为核心。
在本实施例中,基于领导-跟随的协同碾压作业编队控制策略设计是借助于多智能体一致性理论,在无人碾压机机群中,指定一个或多个无人碾压机作为领导者,通过车载位姿传感器(如分离式超声波)获取无人碾压机机群中跟随碾压机与领导碾压机之间的相对位姿,运用李雅普诺夫稳定性理论构造编队控制器确保编队误差渐近收敛期望值,解决无人碾压机编队控制过程中的误差收敛问题,最终达到无人碾压机机群编队系统稳定运行的目标。
在本实施例中,协同碾压作业路径跟随控制策略的实现过程如下:选定的领导碾压机利用同步定位与建图方法,通过自身的运动信息和对环境的观测信息,进行无人碾压机和各个环境特征的位姿估计,搜索一条从当前位置到达目标点的安全路径;同时根据其轨迹和传感器数据及队形宽度规划出一些路径的关键点,领导碾压机根据规划的运动轨迹和传感器信息,运用李雅普诺夫稳定性理论构造路径跟随控制器,驱动领导碾压机沿着这些关键点运动;进一步,在编队控制器作用下,跟随碾压机和领导碾压机保持期望的碾压作业队形,进而驱动无人碾压机机群在作业区域内按照预设的碾压作业队形和碾压路径进行碾压作业。
1.基于领导-跟随协同碾压作业编队控制策略设计
定义领导碾压机与跟随碾压机i之间距离差edi(t)为:
其中,σdi,i∈{1,2,…,n}是领导碾压机和跟随碾压机i之间期望距离,刻画了期望的协同碾压作业队形。因此,为保持期望的碾压作业队形σdi,i∈{1,2,…,n},构造如下碾压作业编队控制算法:
其中,k1>0是给定控制参数。无人碾压机机群运动学模型(8)在控制策略(10)作用下,其编队误差运动学模型为:
显然,根据李雅普诺夫稳定性理论,很容易验证,对于任意k1>0,无人碾压机机群编队误差运动学模型(11)的平衡点指数收敛到零,进一步可利用最优控制理论、H∞控制等,分析编队误差运动学模型的性能。
2.协同碾压作业路径跟随控制策略设计
在协同碾压作业编队控制策略(10)驱动下,无人碾压机机群保持期望作业队形σdi,i∈{1,2,…,n}进行碾压作业。在此情形下,仅需为领导碾压机开发路径跟随控制算法即可保证无人碾压机机群按照期望路径进行压实作业。为此,假设期望的碾压机的作业路径由如下方程刻画:
针对领导碾压机碾压作业,构造如下碾压作业路径跟踪控制策略:
根据运动学方程(12)和(14),领导碾压机碾压作业路径跟踪误差xe(t)受约束为如下方程:
根据李雅普诺夫稳定性理论,很容易验证,对于任意k2>0,碾压机作业跟踪误差方程(15)的平衡态指数收敛到零,进一步可结合最优控制理论、H∞控制等,分析跟踪误差方程(15)的性能。
在本实施例中,依据上述设计的协同碾压作业控制策略,提出了由初始化、控制信号和运动状态更新三步流程构成的无人碾压机机群协同智能碾压作业策略完成目标碾压区域的碾压作业任务。
具体实施时,无人碾压机机群运动学模型如下:
在本实施例中,初始化为初始各台无人碾压机的运动状态(坐标变换(3))、期望碾压作业队形σdi,i∈{1,2,…,n}、碾压作业路径由式(12)刻画和控制增益k1>0与k2>0;依据作用于领导碾压机和跟随碾压机的控制策略(13)和(10),通过坐标反变换(7)产生碾压机的真实行车速度信号v(t)和航向速度信号运动状态更新为将真实行车速度信号v(t)和航向速度信号代入机群运动学模型(16)完成无人碾压机的运动状态更新。
具体实施时,针对直道碾压情形:令k1=2,k3=3,xr(0)=[3 0]T,ur(t)=[0 0.5]T, θi(0)=0,i∈{0,1,2},且单台无人碾压机采用进退错距法碾压工艺进行碾压作业的示意图如图3所示;三台无人碾压机基于领导-跟随领导框架的三角形作业队形示意图(黑色实心五边形表示领导碾压机、黑色空心五边形为跟随碾压机)如图4所示;三台无人碾压机群智协同纵向直道重复碾压作业控制轨迹(四遍)如图5所示;三台无人碾压机群智协同纵向直道重复碾压作业控制相平面轨迹(四遍)如图6所示;三台无人碾压机群智协同纵向直道重复碾压作业转角轨迹(四遍)如图7所示。
Claims (9)
1.一种土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,包括以下步骤:
步骤1,协同碾压作业队形设计
采用领导-跟随协同碾压作业队形;
步骤2,协同碾压作业路径规划
构建碾压机整体运动学模型,根据所述协同碾压作业队形,规划碾压施工作业路径;
步骤3,协同碾压作业控制策略设计
根据所述碾压机整体运动学模型、所述协同碾压作业队形以及所述碾压施工作业路径,构建无人碾压机机群协同智能碾压作业控制策略,包括基于领导-跟随结构的协同碾压编队队形控制策略和协同碾压作业路径跟随控制策略;
步骤4,根据所述无人碾压机机群协同碾压作业控制策略,提出由初始化、控制信号和运动状态更新三步构成的无人碾压机机群协同智能作业策略,驱动无人碾压机机群在目标碾压区域内协作完成碾压施工作业任务。
2.根据权利要求1所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,所述步骤1,在领导-跟随框架下,根据无人碾压机机群规模,考虑单台无人碾压机机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素,结合几何学和优化理论知识,在领导-跟随框架下,确定领导-跟随队形。
3.根据权利要求2所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,在由n+1辆无人碾压机构成的无人碾压机群中,确定0号碾压机为领导碾压机,1~n号碾压机为跟随碾压机,采用进退错距法或搭接法压实方案,确定由σdi,i∈{1,2,…,n}刻画的领导-跟随队形,其中σdi,i∈{1,2,…,n}是领导碾压机和跟随碾压机i之间期望距离。
4.根据权利要求1所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,所述步骤2中,若施工目标碾压区域内无障碍物,则在领导-跟随协同碾压作业队形中构建碾压机整体运动学模型;若施工目标区域内有障碍物,则在领导-跟随协同碾压作业队形中构建领导碾压机整体运动学模型构建并进行碾压作业路径规划,其中所述碾压机整体运动学模型的构建方法是:在现有压路机运动学模型基础上,首先通过忽略铰接转角动态,将其简化为标准的轮式移动机器人运动学模型,然后再设计相应的虚拟控制输入产生期望的协同碾压作业路径;
所述碾压作业路径规划包括作业面分解、子作业面规划和子作业面连通;
依据施工目标区域实际情况,基于无人碾压机在子作业面间转场路径长短,选择使用精确单元分解算法实现作业面分解;
基于碾压工艺构建碾压运动模型对子作业面进行路径规划;
基于货郎担问题求解方法,求解各个子作业面间的转场路径,用于优化出绕开静态障碍物的多个子作业面之间的转场路径。
5.根据权利要求4所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,所述全覆盖路径规划算法流程为:首先利用精确单元分解算法梯形算法或牛耕算法将作业面拆分成子作业面;然后基于碾压工艺构建碾压运动模型对子作业面进行路径规划;其次采用货郎担问题求解方法进行转场路径优化求解;最后对于任务分配问题,建立无人碾压机群作业时间成本函数,以最小化时间成本为准则将作业路径分配至各无人碾压机。
7.根据权利要求1所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,所述步骤3中,基于领导-跟随结构的协同碾压编队队形控制策略是:
在无人碾压机机群中,指定一个或多个无人碾压机作为领导者,通过车载位姿传感器获取无人碾压机机群中跟随碾压机与领导碾压机之间的相对位姿,构造编队控制器确保编队误差渐近收敛期望值,使无人碾压机机群编队系统稳定运行;
协同碾压作业路径跟随控制策略是:
选定的领导碾压机利用同步定位与建图方法,通过自身的运动信息和对环境的观测信息,进行无人碾压机和各个环境特征的位姿估计,搜索一条从当前位置到达目标点的安全路径;同时根据其轨迹和传感器数据及队形宽度规划出路径的若干关键点,领导碾压机根据规划的运动轨迹和传感器信息,构造路径跟随控制器,驱动领导碾压机沿着所述关键点运动。
8.根据权利要求7所述土石方工程无人碾压机机群协同智能作业控制方法,其特征在于,在编队控制器作用下,跟随碾压机和领导碾压机保持期望的碾压作业队形,进而驱动无人碾压机机群在作业区域内按照预设的碾压作业队形和碾压路径进行碾压作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110852960.0A CN113671948B (zh) | 2021-07-27 | 2021-07-27 | 一种土石方工程无人碾压机机群协同智能作业控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110852960.0A CN113671948B (zh) | 2021-07-27 | 2021-07-27 | 一种土石方工程无人碾压机机群协同智能作业控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113671948A true CN113671948A (zh) | 2021-11-19 |
CN113671948B CN113671948B (zh) | 2023-08-22 |
Family
ID=78540520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110852960.0A Active CN113671948B (zh) | 2021-07-27 | 2021-07-27 | 一种土石方工程无人碾压机机群协同智能作业控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113671948B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330830A (zh) * | 2021-11-30 | 2022-04-12 | 云南昆船智能装备有限公司 | 一种多台agv协同搬运同一货物的作业方法及存储介质 |
CN116224837A (zh) * | 2023-05-06 | 2023-06-06 | 湖南致同工程科技有限公司 | 一种可抗通信延迟的多无人压路车协同控制仿真系统及方法 |
CN116485063A (zh) * | 2023-06-20 | 2023-07-25 | 成都工业职业技术学院 | 一种基于大数据的无人驾驶碾压机群控制方法及装置 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE0300001D0 (sv) * | 2003-01-02 | 2003-01-02 | Arnex Navigation Systems Ab | Förfarande i form av intelligenta funktioner för fordon och automatiska lastmaskiner gällande kartläggning av terräng och materialvolymer, hinderdetektering och styrning av fordon och arbetsredskap |
US6991401B1 (en) * | 2005-04-05 | 2006-01-31 | Caron Compactor Company | Compactor wheel with trash exclusion properties |
US20070255497A1 (en) * | 2006-04-28 | 2007-11-01 | Paul Harms | Device and method for determining the position of a road roller relative to a road finisher |
US20150153738A1 (en) * | 2013-12-03 | 2015-06-04 | King Abdulaziz City For Science And Technology | Robotic leader-follower navigation and fleet management control method |
CN105002810A (zh) * | 2015-06-01 | 2015-10-28 | 清华大学 | 一种智能碾压机器人 |
JP6360583B1 (ja) * | 2017-03-29 | 2018-07-18 | 大成建設株式会社 | 建設機械用機械学習装置、建設機械および建設機械用機械学習方法 |
CN108646755A (zh) * | 2018-07-03 | 2018-10-12 | 清华大学 | 一种土石方智能碾压系统 |
CN108897311A (zh) * | 2018-06-14 | 2018-11-27 | 天津大学 | 一种碾压机集群无人驾驶筑坝系统 |
CN109356003A (zh) * | 2018-09-18 | 2019-02-19 | 北京龙马智行科技有限公司 | 一种路基路面智能碾压系统 |
CN109542105A (zh) * | 2018-12-28 | 2019-03-29 | 北京龙马智行科技有限公司 | 一种路基路面智能无人碾压系统 |
CN110331639A (zh) * | 2019-07-08 | 2019-10-15 | 长安大学 | 一种可自主作业智能压路机系统 |
DE102019125702A1 (de) * | 2018-09-27 | 2020-04-02 | Caterpillar Paving Products Inc. | Automatische baustellenplanung für autonome baufahrzeuge |
CN111350169A (zh) * | 2020-03-11 | 2020-06-30 | 中国水利水电第四工程局有限公司 | 一种高拱坝智能曲线无人碾压施工系统和方法 |
CN111445170A (zh) * | 2020-04-30 | 2020-07-24 | 天津大学 | 一种无人碾压机群自主作业系统及方法 |
CN111459163A (zh) * | 2020-04-07 | 2020-07-28 | 三一汽车制造有限公司 | 无人压路机机群协同工作的控制方法和控制系统 |
CN111538331A (zh) * | 2020-04-24 | 2020-08-14 | 北京科技大学 | 一种地下无人铰接车的反应式导航方法 |
CN111595355A (zh) * | 2020-05-28 | 2020-08-28 | 天津大学 | 一种无人碾压机群路径规划方法 |
WO2020184755A1 (ko) * | 2019-03-13 | 2020-09-17 | 엘지전자 주식회사 | 차량 제어 장치 및 그것을 포함하는 차량 |
CN111794052A (zh) * | 2020-07-31 | 2020-10-20 | 柳工无锡路面机械有限公司 | 一种可实现机群化施工的无人驾驶压路机 |
CN112947462A (zh) * | 2021-03-02 | 2021-06-11 | 广东省智能机器人研究院 | 考虑时变漂角与姿态调节的无人艇群编队协同控制方法 |
-
2021
- 2021-07-27 CN CN202110852960.0A patent/CN113671948B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE0300001D0 (sv) * | 2003-01-02 | 2003-01-02 | Arnex Navigation Systems Ab | Förfarande i form av intelligenta funktioner för fordon och automatiska lastmaskiner gällande kartläggning av terräng och materialvolymer, hinderdetektering och styrning av fordon och arbetsredskap |
US6991401B1 (en) * | 2005-04-05 | 2006-01-31 | Caron Compactor Company | Compactor wheel with trash exclusion properties |
US20070255497A1 (en) * | 2006-04-28 | 2007-11-01 | Paul Harms | Device and method for determining the position of a road roller relative to a road finisher |
US20150153738A1 (en) * | 2013-12-03 | 2015-06-04 | King Abdulaziz City For Science And Technology | Robotic leader-follower navigation and fleet management control method |
CN105002810A (zh) * | 2015-06-01 | 2015-10-28 | 清华大学 | 一种智能碾压机器人 |
JP6360583B1 (ja) * | 2017-03-29 | 2018-07-18 | 大成建設株式会社 | 建設機械用機械学習装置、建設機械および建設機械用機械学習方法 |
CN108897311A (zh) * | 2018-06-14 | 2018-11-27 | 天津大学 | 一种碾压机集群无人驾驶筑坝系统 |
CN108646755A (zh) * | 2018-07-03 | 2018-10-12 | 清华大学 | 一种土石方智能碾压系统 |
WO2020006698A1 (zh) * | 2018-07-03 | 2020-01-09 | 清华大学 | 一种土石方智能碾压系统 |
CN109356003A (zh) * | 2018-09-18 | 2019-02-19 | 北京龙马智行科技有限公司 | 一种路基路面智能碾压系统 |
DE102019125702A1 (de) * | 2018-09-27 | 2020-04-02 | Caterpillar Paving Products Inc. | Automatische baustellenplanung für autonome baufahrzeuge |
US20200103906A1 (en) * | 2018-09-27 | 2020-04-02 | Caterpillar Paving Products Inc. | Automatic site planning for autonomous construction vehicles |
CN109542105A (zh) * | 2018-12-28 | 2019-03-29 | 北京龙马智行科技有限公司 | 一种路基路面智能无人碾压系统 |
WO2020184755A1 (ko) * | 2019-03-13 | 2020-09-17 | 엘지전자 주식회사 | 차량 제어 장치 및 그것을 포함하는 차량 |
CN110331639A (zh) * | 2019-07-08 | 2019-10-15 | 长安大学 | 一种可自主作业智能压路机系统 |
CN111350169A (zh) * | 2020-03-11 | 2020-06-30 | 中国水利水电第四工程局有限公司 | 一种高拱坝智能曲线无人碾压施工系统和方法 |
CN111459163A (zh) * | 2020-04-07 | 2020-07-28 | 三一汽车制造有限公司 | 无人压路机机群协同工作的控制方法和控制系统 |
CN111538331A (zh) * | 2020-04-24 | 2020-08-14 | 北京科技大学 | 一种地下无人铰接车的反应式导航方法 |
CN111445170A (zh) * | 2020-04-30 | 2020-07-24 | 天津大学 | 一种无人碾压机群自主作业系统及方法 |
CN111595355A (zh) * | 2020-05-28 | 2020-08-28 | 天津大学 | 一种无人碾压机群路径规划方法 |
CN111794052A (zh) * | 2020-07-31 | 2020-10-20 | 柳工无锡路面机械有限公司 | 一种可实现机群化施工的无人驾驶压路机 |
CN112947462A (zh) * | 2021-03-02 | 2021-06-11 | 广东省智能机器人研究院 | 考虑时变漂角与姿态调节的无人艇群编队协同控制方法 |
Non-Patent Citations (6)
Title |
---|
ZHANG, Q., AN, Z., LIU, T., ZHANG, Z.: "Intelligent rolling compaction system for earth-rock dams", 《AUTOMATION IN CONSTRUCTION》, no. 116, pages 1 - 4 * |
ZHANG, Q., LIU, T., ZHANG, Z: "Unmanned rolling compaction system for rockfill materials", 《AUTOMATION IN CONSTRUCTION》, no. 100, pages 103 - 117 * |
刘天云;张兆省;皇甫泽华;张庆龙;宋金龙;徐玉杰;安再展;: "振动频率对堆石料压实质量监测指标的影响", 《人民黄河》, no. 03, pages 118 - 122 * |
吴金海;雒泽华;徐光辉;田波;GEORGE CHANG;: "智能压实技术的研究进展", 《筑路机械与施工机械化》, no. 01, pages 21 - 24 * |
张庆龙;刘天云;李庆斌;安再展;樊凛;: "基于闭环反馈控制和RTK-GPS的自动碾压系统", 《水力发电学报》, no. 05, pages 154 - 163 * |
张晓琴;黄玉清;刘刚;: "基于改进的领导-跟随者编队算法研究", 《计算机工程与设计》, vol. 31, no. 11, pages 2547 - 2549 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114330830A (zh) * | 2021-11-30 | 2022-04-12 | 云南昆船智能装备有限公司 | 一种多台agv协同搬运同一货物的作业方法及存储介质 |
CN116224837A (zh) * | 2023-05-06 | 2023-06-06 | 湖南致同工程科技有限公司 | 一种可抗通信延迟的多无人压路车协同控制仿真系统及方法 |
CN116485063A (zh) * | 2023-06-20 | 2023-07-25 | 成都工业职业技术学院 | 一种基于大数据的无人驾驶碾压机群控制方法及装置 |
CN116485063B (zh) * | 2023-06-20 | 2023-08-18 | 成都工业职业技术学院 | 一种基于大数据的无人驾驶碾压机群控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113671948B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113671948B (zh) | 一种土石方工程无人碾压机机群协同智能作业控制方法 | |
CN108222093B (zh) | 一种自主推土机器人 | |
CN102591358B (zh) | 一种多无人机的动态编队控制方法 | |
CN111857124B (zh) | 用于机器控制的系统和方法 | |
CN109542105A (zh) | 一种路基路面智能无人碾压系统 | |
CN110045598B (zh) | 一种悬臂式掘进机井下行进路径跟踪控制方法 | |
Lee et al. | Blade control in Cartesian space for leveling work by bulldozer | |
CN115033016B (zh) | 一种异构无人集群编队避障方法及系统 | |
Jia et al. | Research on cooperative area search of multiple underwater robots based on the prediction of initial target information | |
CN116859929A (zh) | 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 | |
Tahirovic et al. | A roughness-based RRT for mobile robot navigation planning | |
Nguyen et al. | Robotic autonomous systems for earthmoving equipment operating in volatile conditions and teaming capacity: a survey | |
CN111794052A (zh) | 一种可实现机群化施工的无人驾驶压路机 | |
CN114819256A (zh) | 一种反铲式挖掘机连续实时轨迹规划方法 | |
CN110058521B (zh) | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 | |
US20240200303A1 (en) | Autonomous work excavator and operation method thereof | |
CN115562269A (zh) | 多机联动无人驾驶压路机机群自主规划作业方法及系统 | |
CN114995512A (zh) | 基于预测模型滚动优化的无人机蜂群编队队形控制方法 | |
Hong et al. | Path optimization for a wheel loader considering construction site terrain | |
CN211596288U (zh) | 一种无人驾驶压路机 | |
CN110297502B (zh) | 基于uwb定位的线控底盘轨迹跟踪控制系统及方法 | |
CN209833810U (zh) | 基于rtk的六履带车辆自适应行走系统 | |
AU2021448614A9 (en) | Precise stopping system and method for multi-axis flatbed vehicle | |
AU2021448614A1 (en) | Precise stopping system and method for multi-axis flatbed vehicle | |
Xie et al. | An optimal path-planning algorithm for unmanned rollers with constraints on roller attitude |
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 |