CN114312351B - Agv小车运动控制方法、装置、设备及存储介质 - Google Patents

Agv小车运动控制方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114312351B
CN114312351B CN202210012236.1A CN202210012236A CN114312351B CN 114312351 B CN114312351 B CN 114312351B CN 202210012236 A CN202210012236 A CN 202210012236A CN 114312351 B CN114312351 B CN 114312351B
Authority
CN
China
Prior art keywords
agv
speed
agv trolley
determining
motor
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
CN202210012236.1A
Other languages
English (en)
Other versions
CN114312351A (zh
Inventor
周君武
彭炳顺
张成涛
梁国全
李国钒
付娆
玉雄侯
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.)
Dongfeng Liuzhou Motor Co Ltd
Original Assignee
Dongfeng Liuzhou Motor 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 Dongfeng Liuzhou Motor Co Ltd filed Critical Dongfeng Liuzhou Motor Co Ltd
Priority to CN202210012236.1A priority Critical patent/CN114312351B/zh
Publication of CN114312351A publication Critical patent/CN114312351A/zh
Application granted granted Critical
Publication of CN114312351B publication Critical patent/CN114312351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于AGV小车技术领域，公开了一种AGV小车运动控制方法、装置、设备及存储介质。该方法包括：获取AGV小车的货物重量和目标速度；检测所述AGV小车的目标状态；在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；根据所述电机补偿转矩对所述AGV小车进行加速补偿。通过上述方式，实现了AGV小车的稳定控制，在起步阶段根据AGV小车载重和目标速度对AGV小车进行差异化的扭矩补偿，以保证AGV小车能又快又稳的达到目标速度，扭矩补偿提高了AGV小车的工作效率，而根据载重进行差异化控制能保证在扭矩补偿过程中，不会因为货物重量的不同造成货物掉落或者翻车的情况，提高了AGV小车的安全性。

Description

AGV小车运动控制方法、装置、设备及存储介质
技术领域
本发明涉及AGV小车技术领域，尤其涉及一种AGV小车运动控制方法、装置、设备及存储介质。
背景技术
目前AGV搬运机器人或AGV小车，主要功用集中在自动物流搬转运。物品的搬运往往涉及整体小车质量的增减，从而造成AGV小车的行驶不稳定，容易造成AGV小车起步、制动不平稳；转弯不平顺，极易造成货物脱落，甚至有AGV小车侧翻的风险。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种AGV小车运动控制方法、装置、设备及存储介质，旨在解决现有技术AGV小车运动不稳定的技术问题。
为实现上述目的，本发明提供了一种AGV小车运动控制方法，所述方法包括以下步骤：
获取AGV小车的货物重量和目标速度；
检测所述AGV小车的目标状态；
在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；
根据所述电机补偿转矩对所述AGV小车进行加速补偿。
可选的，所述根据所述货物重量和目标速度确定电机补偿转矩，包括：
获取所述AGV小车的当前电机转速；
根据所述目标速度确定理想电机转速；
根据所述理想电机转速和当前电机转速确定转速差；
根据所述转速差、货物重量和预设PI控制算法确定电机补偿转矩。
可选的，所述检测所述AGV小车的目标状态之后，还包括：
在所述目标状态为转向状态时，根据所述转向指令确定弯道参数；
根据所述弯道参数和货物重量确定最大过弯速度；
获取所述AGV小车的当前车速；
根据所述当前车速和最大过弯速度生成减速指令，以完成过弯速度控制。
可选的，所述检测所述AGV小车的目标状态之后，还包括：
在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度；
将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩；
根据所述电机制动转矩完成制动控制。
可选的，所述将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩之前，包括：
将所述期望制动加速度带入预设神经网络模型，得到PID调整系数；
根据所述PID调整系数和预设初始控制参数确定预设PID控制参数。
可选的，所述将所述期望制动加速度带入预设神经网络模型，得到PID调整系数之前，包括：
获取采样数据和对应的AGV小车侧翻测试结果；
根据所述AGV小车侧翻测试结果确定AGV小车侧翻测试结果对应的测试PID调整系数；
根据所述采样数据和测试PID调整系数对初始神经网络模型进行训练，得到预设神经网络模型。
可选的，所述获取AGV小车的货物重量和目标速度，还包括：
获取路径规划信息和任务计划信息；
根据所述路径规划信息获取路径距离；
根据所述任务计划信息确定最小任务完成时间；
根据所述最小任务完成时间和路径距离确定目标速度。
此外，为实现上述目的，本发明还提出一种AGV小车运动控制装置，所述AGV小车运动控制装置包括：
获取模块，用于获取AGV小车的货物重量和目标速度；
所述获取模块，还用于检测所述AGV小车的目标状态；
处理模块，用于在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；
控制模块，用于根据所述电机补偿转矩对所述AGV小车进行加速补偿。
此外，为实现上述目的，本发明还提出一种AGV小车运动控制设备，所述AGV小车运动控制设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的AGV小车运动控制程序，所述AGV小车运动控制程序配置为实现如上文所述的AGV小车运动控制方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有AGV小车运动控制程序，所述AGV小车运动控制程序被处理器执行时实现如上文所述的AGV小车运动控制方法的步骤。
本发明获取AGV小车的货物重量和目标速度；检测所述AGV小车的目标状态；在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；根据所述电机补偿转矩对所述AGV小车进行加速补偿。通过上述方式，实现了AGV小车的稳定控制，在起步阶段根据AGV小车载重和目标速度对AGV小车进行差异化的扭矩补偿，以保证AGV小车能又快又稳的达到目标速度，扭矩补偿提高了AGV小车的工作效率，而根据载重进行差异化控制能保证在扭矩补偿过程中，不会因为货物重量的不同造成货物掉落或者翻车的情况，提高了AGV小车的安全性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的AGV小车运动控制设备的结构示意图；
图2为本发明AGV小车运动控制方法第一实施例的流程示意图；
图3为本发明AGV小车运动控制方法第二实施例的流程示意图；
图4为本发明AGV小车运动控制装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的AGV小车运动控制设备结构示意图。
如图1所示，该AGV小车运动控制设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对AGV小车运动控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及AGV小车运动控制程序。
在图1所示的AGV小车运动控制设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明AGV小车运动控制设备中的处理器1001、存储器1005可以设置在AGV小车运动控制设备中，所述AGV小车运动控制设备通过处理器1001调用存储器1005中存储的AGV小车运动控制程序，并执行本发明实施例提供的AGV小车运动控制方法。
本发明实施例提供了一种AGV小车运动控制方法，参照图2，图2为本发明一种AGV小车运动控制方法第一实施例的流程示意图。
本实施例中，所述AGV小车运动控制方法包括以下步骤：
步骤S10：获取AGV小车的货物重量和目标速度。
需要说明的是，本实施例的执行主体为AGV小车，所述AGV小车可以为智能搬运车，也可以为智能叉车，还可以为与智能搬运车功能相同或者相似的其他设备，本实施例对此不加以限定。
可以理解的是，本实施例应用于AGV小车的运动过程中，AGV小车，主要功用集中在自动物流搬转运。物品的搬运往往涉及整体小车质量的增减，如果按照预设设定的固定速度或者加速度进行行驶，造成AGV小车的行驶不稳定，容易造成AGV小车起步、制动不平稳；转弯不平顺，极易造成货物脱落，甚至有AGV小车侧翻的风险。例如：货物很重，惯性过大货物很有可能跌落，如果以较慢的速度行驶又会影响AGV小车的搬运效率，因此本实施例通过在起步阶段根据AGV小车载重和目标速度对AGV小车进行差异化的扭矩补偿，以保证AGV小车能又快又稳的达到目标速度，扭矩补偿提高了AGV小车的工作效率，而根据载重进行差异化控制能保证在扭矩补偿过程中，不会因为货物重量的不同造成货物掉落或者翻车的情况，提高了AGV小车的安全性。
在具体实现中，目标速度为AGV小车或者地面控制中心规划的行驶速度，如何达到这个速度则根据AGV小车中设置运动控制器调节。其货物重量则可以通过在小车上安装探测货物重量的模块测得货物重量。
在本实施例中，获取路径规划信息和任务计划信息；根据所述路径规划信息获取路径距离；根据所述任务计划信息确定最小任务完成时间；根据所述最小任务完成时间和路径距离确定目标速度。
可以理解的是，为了得到一个合理的目标速度，可以根据规划的路径距离和控制中心设定的任务时间获取，其中任务时间为控制中心给予AGV小车搬运任务的规划，例如：此次搬运任务应当在3～5分钟完成。如此才能按照计划完成当日的搬运任务。根据其中最小任务完成时间和路径距离即可确定目标速度，结合上述距离，这是因为AGV小车按照计划并没有必要快于3分钟完成，3分钟即为最快完成任务的时间，因此车辆可以按照最小任务完成时间3分钟计算行驶速度即可，也保证了车辆能在满足要求的同时尽快的行驶。
步骤S20：检测所述AGV小车的目标状态。
需要说明的是，所述AGV小车的目标状态即为AGV小车需要选择的运动控制器对应的状态，本实施例中，以四种运动控制器为例进行说明，例如：以整体小车质量、弯道曲率和目标速度设计了起步、直线、转弯和制动的速度控制器。针对加速和制动过程中的不稳定性，设计了AGV小车自适应补偿起步控制器和神经网络PID制动控制器；为了准确跟踪速度设计了直线行驶速度跟踪控制器和过弯道速度控制器。其对应的目标状态可以包括加速状态、减速状态、转向状态以及巡航状态等等，根据不同的目标状态AGV小车可以调用不同的运动控制器进行控制。
步骤S30：在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩。
可以理解的是，在所述目标状态为加速状态时，加速过快会导致货物跌落，加速过慢又会影响AGV小车的工作效率，因此需要结合目标速度和货物重量确定一个在没有跌落风险下最快能到达目标速度的加速控制，一般AGV小车是根据当前速度和需要达到速度间的速度差基于一个恒定的扭矩进行控制，速度差越大扭矩越大，但其为了保证货物稳定性，输出扭矩比较小加速过程漫长，因此本实施例在原有电机扭矩控制的基础上增加一个补偿转矩以保证其加速度。
在本实施例中，获取所述AGV小车的当前电机转速；根据所述目标速度确定理想电机转速；根据所述理想电机转速和当前电机转速确定转速差；根据所述转速差、货物重量和预设PI控制算法确定电机补偿转矩。
具体的，可以根据货物质量确定最大加速度，再通过目标速度确定理想电机转速和当前电机转速确定转速差，以对电机进行精细化的扭矩控制，根据所述理想电机转速和当前电机转速确定转速差，基于货物重量可以保证计算得到的电机补偿转矩不会过大导致货物脱落，具体电机补偿转矩的获取方法，本实施例提出如下优选方案：在小车上安装探测货物重量的模块测得货物重量m1；同时获取目标速度Vtarget。放于AGV小车平面上的货物力学分析可以得到：Tf＝μm1g (1)
其中，Tf为货物的最大静摩擦力，如果AGV小车加速度过快超过Tf对应的加速度时，则会发生货物跌落的情况，因此需要对加速度进行限制，μ为AGV小车车顶的摩擦系数；m1为货物重量；g＝9.8m/s2；AGV小车行驶动力学分析：
Ft＝Fi+Ff+Fw+Fj (2)
其中Ft为驱动力；Fi为坡度阻力；Ff为滚动阻力；Fw为空气阻力；Fj为加速阻力。假设工厂为平地，且忽略空气阻力可简化为：Ft＝Ff+Fj (3)
其中Ff＝m2*g*f；其中f为地面的摩擦阻力系数；m2为整车质量(AGV小车质量加货物质量)；δ为AGV小车旋转质量系数；/>为AGV小车行驶加速度；具体展开为：/>
因为在起步过程中必然会存在加速度故：Ft-Ff-Fj＝m2a (5)
a为小车的加速度。而根据力学分析：m1a＝μm1g (6)
结合(5)(6)得：Ft＝Ff+Fj+μm2g (7)
而故输出扭矩为：/>
令可得速度为：/>
进行拉普拉斯变换：v(s)＝C1Te-C2 (10)
其中，C1为C2为/>
目标车速与实际车速的差值为：ΔVn＝Vtarget-VC(n) (11)
根据车速与输出转矩的关系：v＝0.377*n*r/i (12)
其中n为电机转速；i为主减速比；故可表示为目标转速和实际转速的差值：nerr(n)＝ntarget-nc(n) (13)
将上式代入(10)式可得控制输出的扭矩命令：
Te(n)＝Te(n-1)+ΔTe(n) (14)
其中Te(n-1)为n-1时刻的输出扭矩；ΔTe(n)为n时刻需要补偿的扭矩。
自适应起步扭矩补偿计算模块：挡小车处于起步阶段时，根据当前电机转速nc(n)与目标转速ntarget的差值nerr(n)，可通过调速控制算法计算需要实时补偿的电机输出转矩ΔTe(n)。将偏差加入增量PI控制器，即：
式中，u(t)为控制器的输出量；e(t)为控制器输入量，即给定值与被控对象输出值的偏差信号；kp为比例系数；Ti为积分时间常数；u0为控制量的初始值。将(15)式离散化：
根据增量PI的原理，车辆在起步过程中控制器根据采集到的电机输出转速、输出扭矩信号，可计算第k时刻转矩增量ΔTe(k)：
至此，得到了电机补偿转矩，具体根据电机补偿转矩可以得到AGV小车车辆的输出转矩以进行车辆控制，式中nerr(k)和nerr(k-1)是k和k-1时刻的电机转速偏差值。第k时刻控制器输出的转矩命令为：
综上所述，可以根据货物重量得到加速过程中最合理的加速度，然后通过上述控制原理，根据目标速度得到目标转速和当前转速的转速差值，根据转速差得到每个时刻的转矩增量即电机补偿转矩，进而根据电机补偿转矩对电机输出转矩进行精细化控制，以保证车辆在当前货物载重下不会跌落的同时最快的到达目标速度。
步骤S40：根据所述电机补偿转矩对所述AGV小车进行加速补偿。
需要说明的是，得到电机补偿转矩后可以对AGV小车进行加速补偿，具体过程为根据转速差得到每个时刻的转矩增量即电机补偿转矩，进而根据电机补偿转矩确定该时刻电机的输出转矩，进而对电机进行转矩控制保证电机转速增加的稳定性。
在本实施例中，提出一种在目标状态为转向时，对应的运动控制器控制过程，例如：在所述目标状态为转向状态时，根据所述转向指令确定弯道参数；根据所述弯道参数和货物重量确定最大过弯速度；获取所述AGV小车的当前车速；根据所述当前车速和最大过弯速度生成减速指令，以完成过弯速度控制。
具体的，弯道参数包括弯道的曲率、AGV小车转向角度或者转向半径，可以根据路线规划的路线轨迹进行确认，也可以根据AGV小车的行驶规划进行确认，例如：转向角度。不同的确认方式视不同AGV小车控制方式而定，本实施例对此不加以限定，其中，根据弯道参数可以确定车辆最大过弯的速度，这是因为速度过快可能侧翻或者甩飞货物。得到最大过弯速度后可以根据最大过弯速度将当前速度保持在该速度具体控制方式可以通过PI控制实现。
本实施例获取AGV小车的货物重量和目标速度；检测所述AGV小车的目标状态；在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；根据所述电机补偿转矩对所述AGV小车进行加速补偿。通过上述方式，实现了AGV小车的稳定控制，在起步阶段根据AGV小车载重和目标速度对AGV小车进行差异化的扭矩补偿，以保证AGV小车能又快又稳的达到目标速度，扭矩补偿提高了AGV小车的工作效率，而根据载重进行差异化控制能保证在扭矩补偿过程中，不会因为货物重量的不同造成货物掉落或者翻车的情况，提高了AGV小车的安全性。
参考图3，图3为本发明一种检测所述AGV小车方法第二实施例的流程示意图。
基于上述第一实施例，本实施例检测所述AGV小车方法在所述步骤S20之后，还包括：
步骤S301：在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度。
需要说明的是，本实施例还提出一种在制动场景中的控制方法，通过货物重量根据受力分析模型同样可以得到制动时加速度的大小，以保证在尽快达到制动目的所需要的加速度，例如：-1m/s2。
步骤S302：将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩。
可以理解的是，所述PID控制参数即为为比例系数、积分时间常数以及微分时间常数，将所述期望加速度和PID控制参数输入PID算法，即可对电机在制动阶段的输出转矩进行控制。
在本实施例中，本实施例提出一种获取预设PID控制参数的优选方案：将所述期望制动加速度带入预设神经网络模型，得到PID调整系数；根据所述PID调整系数和预设初始控制参数确定预设PID控制参数。
具体的，可以将期望加速度输入预设神经网络模型得到运算结果即预设PID调整系数，以根据期望速度对原有的PID控制参数进行调节，再将调整后的PID控制参数和期望加速度带入PID算法，得到输出扭矩。例如：kc＝Nnetkco，Ti＝NnetTio，Td＝NnetTdo，其中，kco、Tio、Tdo均为PID控制器的初始PID控制参数(比例系数、积分时间常数以及微分时间常数)；Nnet为经过神经网络学习后达到稳定状态的调整系数。
在本实施例中，获取采样数据和对应的AGV小车侧翻测试结果；根据所述AGV小车侧翻测试结果确定AGV小车侧翻测试结果对应的测试PID调整系数；根据所述采样数据和测试PID调整系数对初始神经网络模型进行训练，得到预设神经网络模型。
具体的，采集AGV小车在测试过程中的采样数据，根据采样数据对神经网络模型进行训练，以得到预设神经网络模型。以保证面对不同期望加速度时，AGV小车可以对电机输出扭矩进行快速、稳定且准确的控制。
步骤S303：根据所述电机制动转矩完成制动控制。
需要说明的是，电机制动转矩即为在电机制动时的输出转矩，根据所述电机制动转矩即可控制AGV小车减速或者停车，以完成制动任务。
本实施例在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度；将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩；根据所述电机制动转矩完成制动控制。通过上述方式，实现了对AGV小车制动过程中的PID控制自动设定合理的控制参数，从而保证了制动过程快速、准确且稳定。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有检测所述AGV小车程序，所述检测所述AGV小车程序被处理器执行时实现如上文所述的检测所述AGV小车方法的步骤。
参照图4，图4为本发明检测所述AGV小车装置第一实施例的结构框图。
如图4所示，本发明实施例提出的检测所述AGV小车装置包括：
获取模块10，用于获取AGV小车的货物重量和目标速度；
所述获取模块10，还用于检测所述AGV小车的目标状态；
处理模块20，用于在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；
控制模块30，用于根据所述电机补偿转矩对所述AGV小车进行加速补偿。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例获取模块10获取AGV小车的货物重量和目标速度；获取模块10检测所述AGV小车的目标状态；处理模块20在所述目标状态为加速状态时，根据所述货物重量和目标速度确定电机补偿转矩；控制模块30根据所述电机补偿转矩对所述AGV小车进行加速补偿。通过上述方式，实现了AGV小车的稳定控制，在起步阶段根据AGV小车载重和目标速度对AGV小车进行差异化的扭矩补偿，以保证AGV小车能又快又稳的达到目标速度，扭矩补偿提高了AGV小车的工作效率，而根据载重进行差异化控制能保证在扭矩补偿过程中，不会因为货物重量的不同造成货物掉落或者翻车的情况，提高了AGV小车的安全性。
在一实施例中，所述处理模块20，还用于获取所述AGV小车的当前电机转速；
根据所述目标速度确定理想电机转速；
根据所述理想电机转速和当前电机转速确定转速差；
根据所述转速差、货物重量和预设PI控制算法确定电机补偿转矩。
在一实施例中，所述处理模块20，还用于在所述目标状态为转向状态时，根据所述转向指令确定弯道参数；
根据所述弯道参数和货物重量确定最大过弯速度；
获取所述AGV小车的当前车速；
根据所述当前车速和最大过弯速度生成减速指令，以完成过弯速度控制。
在一实施例中，所述处理模块20，还用于在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度；
将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩；
根据所述电机制动转矩完成制动控制。
在一实施例中，所述处理模块20，还用于将所述期望制动加速度带入预设神经网络模型，得到PID调整系数；
根据所述PID调整系数和预设初始控制参数确定预设PID控制参数。
在一实施例中，所述处理模块20，还用于获取采样数据和对应的AGV小车侧翻测试结果；
根据所述AGV小车侧翻测试结果确定AGV小车侧翻测试结果对应的测试PID调整系数；
根据所述采样数据和测试PID调整系数对初始神经网络模型进行训练，得到预设神经网络模型。
在一实施例中，所述获取模块10，还用于获取路径规划信息和任务计划信息；
根据所述路径规划信息获取路径距离；
根据所述任务计划信息确定最小任务完成时间；
根据所述最小任务完成时间和路径距离确定目标速度。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的检测所述AGV小车方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种AGV小车运动控制方法，其特征在于，所述AGV小车运动控制方法包括：
获取AGV小车的货物重量和目标速度；
检测所述AGV小车的目标状态；
根据所述货物重量确定货物最大静摩擦力；
在所述目标状态为加速状态时，根据所述货物重量、货物最大静摩擦力和目标速度确定电机补偿转矩；
根据所述电机补偿转矩对所述AGV小车进行加速补偿；
所述检测所述AGV小车的目标状态之后，还包括：
在所述目标状态为转向状态时，根据所述转向指令确定弯道参数；
根据所述弯道参数和货物重量确定最大过弯速度；
获取所述AGV小车的当前车速；
根据所述当前车速和最大过弯速度生成减速指令，以完成过弯速度控制；
所述根据所述货物重量和目标速度确定电机补偿转矩，包括：
获取所述AGV小车的当前电机转速；
根据所述目标速度确定理想电机转速；
根据所述理想电机转速和当前电机转速确定转速差；
根据所述转速差、货物重量和预设PI控制算法确定电机补偿转矩；
检测所述AGV小车的目标状态之后，还包括：
在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度；
将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩；
根据所述电机制动转矩完成制动控制。
2.如权利要求1所述的方法，其特征在于，所述将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩之前，还包括：
将所述期望制动加速度带入预设神经网络模型，得到PID调整系数；
根据所述PID调整系数和预设初始控制参数确定预设PID控制参数。
3.如权利要求2所述的方法，其特征在于，所述将所述期望制动加速度带入预设神经网络模型，得到PID调整系数之前，包括：
获取采样数据和对应的AGV小车侧翻测试结果；
根据所述AGV小车侧翻测试结果确定AGV小车侧翻测试结果对应的测试PID调整系数；
根据所述采样数据和测试PID调整系数对初始神经网络模型进行训练，得到预设神经网络模型。
4.如权利要求1至3中任一项所述的方法，其特征在于，所述获取AGV小车的货物重量和目标速度，还包括：
获取路径规划信息和任务计划信息；
根据所述路径规划信息获取路径距离；
根据所述任务计划信息确定最小任务完成时间；
根据所述最小任务完成时间和路径距离确定目标速度。
5.一种AGV小车运动控制装置，其特征在于，所述AGV小车运动控制装置包括：
获取模块，用于获取AGV小车的货物重量和目标速度；
所述获取模块，还用于检测所述AGV小车的目标状态；
处理模块，用于根据所述货物重量确定货物最大静摩擦力
所述处理模块，还用于在所述目标状态为加速状态时，根据所述货物重量、货物最大静摩擦力和目标速度确定电机补偿转矩；
控制模块，用于根据所述电机补偿转矩对所述AGV小车进行加速补偿;
所述处理模块，还用于在所述目标状态为转向状态时，根据所述转向指令确定弯道参数；
根据所述弯道参数和货物重量确定最大过弯速度；
获取所述AGV小车的当前车速；
根据所述当前车速和最大过弯速度生成减速指令，以完成过弯速度控制。
所述处理模块，还用于获取所述AGV小车的当前电机转速；
根据所述目标速度确定理想电机转速；
根据所述理想电机转速和当前电机转速确定转速差；
根据所述转速差、货物重量和预设PI控制算法确定电机补偿转矩；
所述控制模块，用于在所述目标状态为制动状态时，根据所述货物重量确定期望制动加速度；
将预设PID控制参数和期望加速度输入预设PID算法，得到电机制动转矩；
根据所述电机制动转矩完成制动控制。
6.一种AGV小车运动控制设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的AGV小车运动控制程序，所述AGV小车运动控制程序配置为实现如权利要求1至4中任一项所述的AGV小车运动控制方法的步骤。
7.一种存储介质，其特征在于，所述存储介质上存储有AGV小车运动控制程序，所述AGV小车运动控制程序被处理器执行时实现如权利要求1至4任一项所述的AGV小车运动控制方法的步骤。
CN202210012236.1A 2022-01-05 2022-01-05 Agv小车运动控制方法、装置、设备及存储介质 Active CN114312351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210012236.1A CN114312351B (zh) 2022-01-05 2022-01-05 Agv小车运动控制方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210012236.1A CN114312351B (zh) 2022-01-05 2022-01-05 Agv小车运动控制方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114312351A CN114312351A (zh) 2022-04-12
CN114312351B true CN114312351B (zh) 2024-01-19

Family

ID=81025278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210012236.1A Active CN114312351B (zh) 2022-01-05 2022-01-05 Agv小车运动控制方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114312351B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114872690B (zh) * 2022-06-15 2022-12-20 广州元丰自动化设备有限公司 一种用于agv小车的自动泊车方法、系统、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189061A (zh) * 2018-08-10 2019-01-11 安徽库讯自动化设备有限公司 一种具有时间误差分析功能的agv小车运行状态调控方法
CN110843778A (zh) * 2019-11-29 2020-02-28 安徽江淮汽车集团股份有限公司 定速巡航控制方法、装置、设备及存储介质
CN110871171A (zh) * 2019-10-10 2020-03-10 广州艮业信息科技有限公司 一种供包台上件系统及分拣系统
CN110920415A (zh) * 2019-12-13 2020-03-27 华人运通(江苏)技术有限公司 一种车辆扭矩的补偿方法、装置、汽车及存储介质
CN111267837A (zh) * 2020-03-10 2020-06-12 东风商用车有限公司 一种弯道控制方法及控制系统
CN111267638A (zh) * 2020-01-21 2020-06-12 浙江吉利新能源商用车集团有限公司 一种商用车山路工况驾驶的控制方法、系统、设备及介质
CN112519592A (zh) * 2019-09-18 2021-03-19 长城汽车股份有限公司 车辆轮速控制方法、设备及电动汽车
US11161515B1 (en) * 2020-05-25 2021-11-02 Hyundai Motor Company Anti-jerk control method for electric vehicle

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189061A (zh) * 2018-08-10 2019-01-11 安徽库讯自动化设备有限公司 一种具有时间误差分析功能的agv小车运行状态调控方法
CN112519592A (zh) * 2019-09-18 2021-03-19 长城汽车股份有限公司 车辆轮速控制方法、设备及电动汽车
CN110871171A (zh) * 2019-10-10 2020-03-10 广州艮业信息科技有限公司 一种供包台上件系统及分拣系统
CN110843778A (zh) * 2019-11-29 2020-02-28 安徽江淮汽车集团股份有限公司 定速巡航控制方法、装置、设备及存储介质
CN110920415A (zh) * 2019-12-13 2020-03-27 华人运通(江苏)技术有限公司 一种车辆扭矩的补偿方法、装置、汽车及存储介质
CN111267638A (zh) * 2020-01-21 2020-06-12 浙江吉利新能源商用车集团有限公司 一种商用车山路工况驾驶的控制方法、系统、设备及介质
CN111267837A (zh) * 2020-03-10 2020-06-12 东风商用车有限公司 一种弯道控制方法及控制系统
US11161515B1 (en) * 2020-05-25 2021-11-02 Hyundai Motor Company Anti-jerk control method for electric vehicle

Also Published As

Publication number Publication date
CN114312351A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
Xu et al. Preview path tracking control with delay compensation for autonomous vehicles
Pounds et al. Stability of small-scale UAV helicopters and quadrotors with added payload mass under PID control
US9073624B2 (en) Methods and apparatus to cooperatively lift a payload
Kapania et al. Path tracking of highly dynamic autonomous vehicle trajectories via iterative learning control
Gonzales et al. Autonomous drifting with onboard sensors
Lai et al. Adaptive position/attitude tracking control of aerial robot with unknown inertial matrix based on a new robust neural identifier
Nasir et al. The control of a highly nonlinear two-wheels balancing robot: A comparative assessment between LQR and PID-PID control schemes
Lee et al. Synthesis of robust lane keeping systems: Impact of controller and design parameters on system performance
CN114312351B (zh) Agv小车运动控制方法、装置、设备及存储介质
CN111008467A (zh) 无人机吊挂飞行运输系统的减摆轨迹在线规划方法
US20230001935A1 (en) Controlling motion of a vehicle
Qin et al. Nonholonomic dynamics and control of road vehicles: moving toward automation
Xin et al. Slip-based nonlinear recursive backstepping path following controller for autonomous ground vehicles
CN116981609A (zh) 用于车辆动力学的自适应控制的系统和方法
US7190140B2 (en) Sliding mode controller position control device
Xia et al. Motion control of autonomous vehicles with guaranteed prescribed performance
CN114137825B (zh) 一种重载双舵轮agv车体的运动控制方法、系统及装置
Gauthier-Clerc et al. Online velocity fluctuation of off-road wheeled mobile robots: A reinforcement learning approach
Storms et al. Dynamic weight-shifting for improved maneuverability and rollover prevention in high-speed mobile manipulators
Ping et al. Simulation and experiment of automatic steering control for lane keeping manoeuvre
Ploeg et al. Position control of a wheeled mobile robot including tire behavior
El-Kebir et al. High-Frequency Vibration Reduction for Unmanned Ground Vehicles on Unstructured Terrain
Cao et al. System identification and control of the ground operation mode of a hybrid aerial–ground robot
Choi Model predictive control of autonomous delivery robot with non-minimum phase characteristic
Bascetta et al. A feedback linearisation algorithm for single-track models with structural stability properties

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