CN201993646U - 工业型激光导引agv的双闭环控制系统 - Google Patents

Abstract

本实用新型公开了一种工业型激光导引AGV的双位置闭环控制系统，由检测模块和控制模块组成，其特征是检测模块是由作为电机位置传感器的编码器和作为AGV位姿传感器的激光扫描仪构成；控制模块由伺服驱动器和工控机构成，设置控制模块是由内位置环和外位置环构成的双位置闭环控制模块；内位置环为电机转角位置环，外位置环是以激光扫描仪读取AGV位姿信号，以外位置环中反馈的AGV位姿信号计算AGV当前位置的路径跟踪误差，将路径跟踪误差作为控制系统的输入量。本实用新型可以很好地实现工业型激光导引AGV的自主行走功能并保证AGV路径跟踪的快速性和平稳性。

Description

工业型激光导引AGV的双闭环控制系统

技术领域

本实用新型属于机器人技术和自动化领域，特别涉及一种作业于自动化车间的自动导航运输车的工业型激光导引AGV的控制系统。

背景技术

激光导引AGV(AGV，Automatic Guided Vehicle)是一种以激光作为导引方式的自动导航运输车，由于定位精度高，能适合多种环境的复杂路径，可快速变更行驶路径，目前得到广泛应用。控制系统是AGV的核心内容，而路径跟踪控制方法是保证AGV控制精度的关键所在。

目前大部分激光导引AGV生产厂家的控制系统都是从瑞典的NDC公司引进的，其成套控制系统价格昂贵。

已有公开的实验型AGV系统为单闭环控制系统，由于工业型AGV驱动装置中使用了减速器等传动系统，这些传动系统都存在由间隙引起的误差问题，又加上AGV是轮式移动机器人，车轮以及地面之间存在着非完整约束，故实验型AGV系统的单位置闭环控制系统在用于工业型激光导引AGV时势必存在有动态响应差等问题，产生很大的路径跟随误差。

在路径跟踪控制方法方面，目前最常用的是模糊控制方法。模糊控制具有鲁棒性和稳定性好的特点，适用于复杂的非线性系统的控制，很多学者通过对AGV进行建模仿真或通过实验型AGV对算法进行验证，结果表明该方法是路径跟踪控制方法中控制效果最好的方法之一。但是在将常规模糊控制算法应用于工业型激光导引AGV路径跟踪控制时出现了路径跟踪速度慢的现象，尤其是当AGV在高速状态下行走时，延时效应和系统响应慢表现的更为明显。这是由于工业实用型AGV系统复杂、重量大、惯性大，故与一般的实验型AGV相比，控制难度要大很多，且很难达到应有的精度。另外由于伺服电机驱动系统响应的时滞性影响了系统调节速度，使之未能快速调节到稳定状态。在速度较高时，由于AGV行走较快，延时效应会使精确跟踪预定路径变的更难。

实用新型内容

本实用新型是为避免上述现有技术所存在的不足之处，提供一种工业型激光导引AGV的双闭环控制系统，以期更好地实现工业型激光导引AGV的自主行走功能并提高AGV路径跟踪的快速性和稳定性。

本实用新型解决技术问题采用如下技术方案：

本实用新型工业型激光导引AGV的双位置闭环控制系统是由检测模块和控制模块组成，其结构特点是：

所述检测模块是由作为电机位置传感器的编码器和作为AGV位姿传感器的激光扫描仪构成；

所述控制模块由伺服驱动器和工控机构成，设置所述控制模块是由内位置环和外位置环构成的双位置闭环控制模块；

所述内位置环为电机转角位置环，由编码器检测电机转角位置信号，将所述电机转角位置信号反馈到伺服驱动器，以伺服驱动器为电机驱动单元；

所述外位置环是以激光扫描仪读取AGV位姿信号，所述AGV位姿信号反馈到工控机，工控机输出信号至伺服驱动器信号输入端，电机转动输出通过减速器驱动AGV行走转向机构；以外位置环中反馈的AGV位姿信号计算AGV当前位置的路径跟踪误差，将所述路径跟踪误差作为控制系统的输入量。

与已有技术相比，本实用新型有益效果体现在：

1、本实用新型控制模块设置为双闭环控制系统，与已公开的实验型AGV的单位置闭环控制系统相比，具有误差调节速度快，AGV行走平稳的特点，且可应用于工业型产品。

2本实用新型控制模块中内环为半闭环的电机转角位置环，由于其电气部分与机械部分相对独立，可以采用较高的位置增益，使系统易整定，动态响应快；外环通过激光扫描仪直接获取AGV的实际位姿信号，可通过路径跟踪方法保证较高的AGV的控制精度和跟随速度；

3、本实用新型AGV路径跟踪控制方法是在AGV常规模糊控制算法基础上，利用AGV控制系统采用的计算机采样控制以及微分算法具有减小时滞性和预测功效的特点，给出一种新的模糊预测控制算法，较好地解决了系统延时问题，提高了路径跟踪的快速性。

4、本实用新型根据AGV在实际工作时的特点，对模糊控制的路径跟踪控制方法做了改进，提出根据AGV行走速度实时调整模糊比例因子k_β，速度高时比例因子小，速度低时比例因子大，能有效保证AGV行走平稳，在较短的时间内调整路径误差，提高了AGV的路径跟踪精度。

5、本实用新型为一种工业型激光导引AGV的控制系统，相对于价格昂贵的NDC控制系统来说具有经济、实用的特点，且可获得很好的控制效果；

附图说明

图1为本实用新型实施例中所应用的激光导引AGV系统示意图；

图2为本实用新型激光导引AGV双位置闭环控制系统图；

图3为本实用新型AGV路径误差示意图；

图4为本实用新型激光导引AGV模糊预测控制算法图；

图5为本实用新型实施例中所应用的模糊量化因子的隶属度函数图；

图6本实用新型方法获得的v＝60m/min，k_dp＝480，k_da＝720时激光导引AGV的误差控制效果图；

表1为本实用新型实施例所应用的模糊控制规则表；

表2为本实用新型实施例所应用的部分行驶速度下的k_β、k_dp、k_dα值；

表3为本实用新型实施例所应用的实验方案表。

具体实施方式

本实施例采用的激光导引AGV是一台由叉车改造而成的单轮驱动型后叉式AGV，轴距1300mm，自重1吨，额定起重质量可达800kg，其前轮既是驱动轮又是转向轮，各由一个交流伺服电机控制。如图1所示，AGV由车体、安全防撞系统、行走转向系统、通讯系统、双位置闭环控制系统及其它辅助系统组成。其中安全防撞系统采用德国SICK公司的S3000激光扫描安全装置，该装置固定在AGV车体的前端，通过通讯线与工控机相连。行走转向系统由伺服电机、减速器、行走转向机构组成。通讯系统是由无线网卡和无线路由器组成的无线局域网，可顺利实现AGV和上位机之间的通讯。

如图2所示，本实施例中的双位置闭环控制系统，由检测模块和控制模块组成；

检测模块是由作为电机位置传感器的编码器和作为AGV位姿传感器的激光扫描仪构成；

控制模块由伺服驱动器和工控机构成，设置控制模块是由内位置环和外位置环构成的双位置闭环控制系统；其中，内位置环为电机转角位置环，由编码器检测电机转角位置信号，并将电机转角位置信号反馈到伺服驱动器，以伺服驱动器为电机驱动单元；外位置环是以激光扫描仪读取AGV位姿信号，AGV位姿信号反馈到工控机，工控机输出信号至伺服驱动器信号输入端，电机转动输出通过减速器驱动AGV行走转向机构；

内位置环用来控制电机的精确运行，由于其电气自动控制部分与AGV执行机构相对独立，可以采用较高的位置增益，使系统易整定，响应快，保证系统的动态特性；可通过调节电机的各个增益参数，使电机性能达到最佳。

在外位置环中，检测系统采用德国SICK公司的NAV200激光定位系统，将激光扫描仪安装在AGV车体上，通过不断的扫描周围环境中的激光反射板，可以直接计算出AGV的实际位姿信号。外位置环主要用于稳态误差方面的控制，保证系统的跟随性。由于其包含了一些非线性因素如减速器等传动机构，故控制精度主要靠路径跟踪控制方法保证。以外位置环中反馈的AGV位姿信号计算AGV当前位置的路径跟踪误差，将路径跟踪误差作为控制系统的输入量。

在AGV运动所在平面的直角坐标系中，将AGV的位姿表示为(x，y，α)，其中(x，y)为AGV在直角坐标系中的位置坐标，α为AGV的方位角，方位角为AGV的中心轴线与x轴正向的夹角；

如图3所示，设置AGV的目标位姿为(x′，y′，α′)，由激光扫描仪检测得到AGV的起点位姿为(x₀，y₀，α₀)；根据相关路径规划算法规划出从起点位姿(x₀，y₀，α₀)到目标位姿(x′，y′，α′)的理论路径L；

定义实际位姿和目标位姿之间的误差为位姿误差，位姿误差包括法向位置误差e_pn和方位角误差e_α，根据经验，可通过调整AGV前轮的转向角β来消除这两项误差。

本实施例采用了模糊预测控制算法作为AGV路径跟踪控制方法，该算法是在常规模糊控制算法的基础上融合微分算法，并根据AGV行走速度自动调整模糊比例因子。图4显示了AGV的模糊预测控制算法图，具体实现步骤如下所示：

a、由激光扫描仪检测到AGV的实际位姿为(x_A，y_A，α_A)，则AGV的方位角误差e_α和法向位置误差e_pn分别为：

e_α＝α_A-α′                      (1)

$e_{\mathrm{pn}}=k\·\frac{|x_A\tan {\mathrm{\α}}^{\′}-x^{\′}\tan {\mathrm{\α}}^{\′}+y^{\′}-y_A|}{\sqrt{1+{\left({\tan \mathrm{\α}}^{\′}\right)}^2}}---\left(2\right)$

设定：当AGV实际位姿位于理论路径L的右侧时，k＝1；当AGV实际位姿位于理论路径L的左侧时，k＝-1；

b、采用微分算法修正AGV的法向位置误差e_pn和方位角误差e_α，获得修正法向位置误差e_pn0和修正方位角误差e_α0分别为：

$e_{\mathrm{pn}0}=e_{\mathrm{pn}}+\frac{{\mathrm{de}}_{\mathrm{pn}}\left(t\right)T_d}{\mathrm{dt}}---\left(3\right)$

$=e_{\mathrm{pn}}+\frac{(e_{\mathrm{pn}}\left(i\right)-e_{\mathrm{pn}}(i-1))T_d}{T}$

$e_{\mathrm{\α}0}=e_{\mathrm{\α}}+\frac{{\mathrm{de}}_{\mathrm{\α}}\left(t\right)T_d}{\mathrm{dt}}$

(4)

$=e_{\mathrm{pn}}+\frac{(e_{\mathrm{\α}}\left(i\right)-e_{\mathrm{\α}}(i-1))T_d}{T}$

式中：T_d为微分时间常数，T为采样周期，e_pn(i)为AGV当前采样点位姿的法向位置误差信号，e_α(i)为AGV当前采样点位姿的方位角误差信号，e_pn(i-1)为AGV上一个采样点位姿的法向位置误差信号，e_α(i-1)为AGV上一个采样点位姿的方位角误差信号，e_pn和e_α的相邻时刻的采样点差值Δ_pn和Δ_α分别为：

Δ_pn＝e_pn(i)-e_pn(i-1)；

Δ_α＝e_α(i)-e_α(i-1)；

c.通过模糊控制算法求得AGV控制量β。

首先将修正法向位置误差e_pn0和修正方位角误差e_α0进行模糊化，变成相应的模糊语言变量，然后按照已有的Mamdani模糊推理方法、模糊控制规则表和加权平均清晰化方法推理出输出量Δβ。并将输出量Δβ乘以相应的模糊比例因子k_β得到最终的控制量β；模糊量化因子k_P、k_α模糊比例因子k_β和预测参数k_dp、k_dα的值均根据AGV实验控制效果确定，且在不同的AGV行走速度下，模糊比例因子k_β、预测参数k_dp、k_dα值是自动变化的。具体实施为：

1.输入量的模糊化。

首先将AGV的修正法向位置误差e_pn0和修正方位角误差e_α0分别乘以法向位置误差模糊量化因子k_P和方位角误差模糊量化因子k_α变换到各自的模糊集论域范围，得到模糊控制器的法向位置误差输入量e′_pn和方位角误差输入量e′_α：

e′_pn＝e_pn0k_p

(5)

＝e_pnk_p+Δ_pnk_dp

e′_α＝e_αk_α

(6)

＝e_αk_α+Δ_αk_dα

其中k_dp和k_dα为预测参数，且k_dp＝T_dk_p/T，k_dα＝T_dk_α/T。

然后将法向位置误差输入量e′_pn和方位角误差输入量e′_α按照隶属度函数进行模糊化，变成相对应的模糊语言变量(NB，NM，NS，ZE，PS，PM，PB)。隶属度函数均采用三角形，在误差较大的区域选用低分辨率的模糊集，在误差较小的区域选用高分辨率的模糊集，隶属度函数如图5所示。

2.模糊控制规则表的制定。

模糊控制规则是模糊控制器的核心部分，它直接影响着控制器性能的好坏。模糊控制规则一般采用“IF….THEN….”的方式来描述，条件句的前件为输入和状态，后件为控制变量，本实施例根据操作经验以及人们驾驶车辆的操作经验，总结出AGV控制系统的模糊控制规则，如IFe_pn＝NB ande_α＝NB，Thenβ＝NB.等49条规则，并制成规则表的形式如表1所示。

3.模糊推理。

根据输入量和模糊控制规则，按照已有的Mamdani模糊推理方法可推理出控制量x_i和与之对应的隶属度函数μ(x_i)。

4.清晰化。

采用已有的公式(7)加权平均法将经模糊推理得到的控制量及其对应的隶属度函数变换为在论域范围内的精确量。

$\mathrm{\Δ\β}=\frac{\underset{0}{\overset{48}{\mathrm{\Σ}}}{x}_i\·\mathrm{\μ}\left(x_i\right)}{\underset{0}{\overset{48}{\mathrm{\Σ}}}\mathrm{\μ}\left(x_i\right)}---\left(7\right)$

则实际控制量β为：β＝Δβ·k_β                              (8)

其中，k_β为模糊比例因子，以实际控制量β为工控机的输入控制信号；

5.模糊量化因子k_pn、k_α，模糊比例因子k_β和预测参数k_dp、k_dα的确定。

经分析可知，若量化因子k_p、k_α取值过小，系统的反应太慢，稳态精度降低；但是取值过大时，系统的调节速度过快，极易产生震荡，影响控制效果。比例因子k_β过大时系统会产生较大的超调，震荡性也会增加；过小时则会使系统动态响应时间过长，不利于快速达到稳态效果。预测参数k_dp和k_dα的大小对控制器的改善效果呈抛物线形状，在一定范围内可达到最佳控制效果，因此合理选择系统的这些参数对于提高模糊控制器的控制性能具有极大的影响。

模糊比例因子k_β、预测参数k_dp和k_dα是根据AGV行走速度的变化实时调整；法向位置误差模糊量化因子k_P和方位角误差模糊量化因子k_α在AGV任意行走速度下为固定值，按如下方法确定：

(1)令k_dp＝0，k_dα＝0，确定k_P、k_α和k_β的值：

模糊控制器的输入变量e′_pn、e′_α和输出变量β的模糊语言集合均为{NB，NM，NS，ZE，PS，PM，PB}，e′_pn的基本论域为[-0.05，0.05]，计量单位为m，其模糊集论域为[-6，6]；e′_α的基本论域为[-0.1，0.1]、计量单位为rad，模糊集论域为[-6，6]；β的基本论域为[-10，10]、计量单位为度，模糊集论域为[-1，1]。

则k_P、k_α和k_β的初始值分别为：

$k_{p0}=\frac{6}{0.05}=120;$ $k_{\mathrm{\α}0}=\frac{6}{0.1}=60;$ $k_{\mathrm{\β}0}=\frac{10}{1}=10;$

以初始值k_P0、k_α0和k_β0为基础，根据实验效果确定k_P、k_α、k_β的值：

首先使AGV以速度v＝10m/min低速沿某一预定路线行走，设置k_P＝120、k_α＝60保持不变，将k_β值在[0，15]的论域范围内变化，找到使AGV路径跟踪误差最小且调整速度最快的一个值为k_β＝10；然后使k_β＝10保持不变，k_P和k_α其中一个保持初始值不变，另外一个在其论域范围内变化，找出使AGV路径跟踪误差最小且调整速度最快的一组值分别为k_p＝120；k_α＝180；得到AGV在低速状态下控制效果最好的一组模糊因子为k_p＝120；k_α＝180；k_β＝10；其中k_P的论域范围为[30，600]，k_α的论域范围为[15，300]。

保持k_p＝120和k_α＝180不变，改变AGV的行走速度，使AGV分别以20、30、40、50、60m/min的速度行走，设置k_β值在[0，15]的论域范围内变化，根据

的关系，找出在各个速度下使路径跟踪误差最小且调整速度最快的k_β值，如表2所示。

(2)确定预测参数k_dp和k_dα：

使AGV分别以10、20、30、40、50、60m/min的速度行走，各个速度下的模糊因子的值分别保持不变，令k_dp＝k_p·d₀；k_dα＝k_α·d₀，并分别依次设置d₀＝1，2，3，4……，对比d₀取不同的值时AGV的控制效果，找到一组使AGV路径跟踪误差最小且调整速度最快的预测数k_dp＝b₂；k_dα＝c₂；

以AGV以60m/min的速度行走为例，按照如表3所示的实验方案表安排的实验顺序，让AGV从某初始状态出发跟踪设定的直线路径，初始误差e_pn设置为0.08m左右，角度误差e_α为0.025rad左右。根据实验效果，可得到其最佳的预测参数是k_dp＝480，k_da＝720。图6显示了激光导引AGV在以60m/min的速度行走时的误差调整及控制曲线图，为做图方便，本实施例将控制量β换算成以rad为计量单位的数值：AGV能在一个较短的时间内达到稳定状态，随后误差和控制量均在一个较小的范围内变化，但在后期控制量又出现了一个大的摆动，这是由于AGV开始降速，为了保证路径跟踪精度，比例因子k_β随着速度v的减小而增大，控制量β也随之增大。目前当AGV速度v≤60m/min时，控制精度可达|e_pn|≤0.01m，|e_α|≤0.01rad。

各个速度下的预测参数k_dp和k_dα的取值见表2，表中没有显示的速度所对应的k_β、kd_p、k_dα值可采用插值法求得。

表1模糊控制规则表

表2部分行驶速度下的k_β、k_dp、k_dα值

表3实验方案表

Claims (1)

1.一种工业型激光导引AGV的双位置闭环控制系统，由检测模块和控制模块组成，其特征是：

所述检测模块是由作为电机位置传感器的编码器和作为AGV位姿传感器的激光扫描仪构成；

所述控制模块由伺服驱动器和工控机构成，设置所述控制模块是由内位置环和外位置环构成的双位置闭环控制模块；

所述内位置环为电机转角位置环，由编码器检测电机转角位置信号，将所述电机转角位置信号反馈到伺服驱动器，以伺服驱动器为电机驱动单元；

所述外位置环是以激光扫描仪读取AGV位姿信号，所述AGV位姿信号反馈到工控机，工控机输出信号至伺服驱动器信号输入端，电机转动输出通过减速器驱动AGV行走转向机构；以外位置环中反馈的AGV位姿信号计算AGV当前位置的路径跟踪误差，将所述路径跟踪误差作为控制系统的输入量。

Images