基于模糊控制的激光叉車AGV路徑追蹤

趙志宏 車軍 王彩蕓

摘要：在“中國制造2025”戰略背景下，制造車間為了將物料運輸效率進一步提高，需要將AGV作為車間產業智能化、自動化升級的重要工具。對于這種無人駕駛的自動導引小車來說，提高其導航精度是其能應用于現場環境的關鍵，也是其能夠安全工作的重要保證。為了改進傳統PID算法在路徑追蹤偏差修正中表現出的魯棒性差、對環境變化比較敏感等問題，一種參數自整定模糊PID控制被用作運動控制算法，在小車運動過程中，實時修改其PID參數，使系統的響應速度更快，控制效果更優。通過試驗表明，自整定模糊PID控制系統在運動控制系統中的動態響應，調節速度，超調量等表現皆優于傳統PID控制。

關鍵詞：自動導引小車;導航定位;路徑跟蹤;模糊控制

中圖分類號：TP273文獻標志碼：A

0引言

在“中國制造2025”戰略和制造強國戰略背景下，智能制造工程作為戰略五大工程之一，建設智能化車間是其主要目的。而AGv（自動引導小車，Automat—ed Guided vehiele的簡稱），代替人工來執行車間中的物料運輸的功能，是提高效率，建設智能化工廠的趨勢。這種AGv小車通過裝備導引裝置，使得車體沿規定的導引路徑行駛，并同時完成物料運輸，安全保護等功能。

AGV的導引方式有多種導引方式，典型的譬如電磁導引、激光導引等。在某制造車間工作環境中，采用激光導引得移動小車，相比其他導引方式小車，具有定位準確，路徑更為靈活的優點。因此研究激光AGv的導引技術具有很強的實用性。本論述將針對國內某機車轉向架生產制造車間為響應戰略，打造現代化智能物流系統而使用的激光叉車AGV進行研究，重點對其軌跡跟蹤技術進行探究。

1激光導引叉車系統的結構及參數

在制造車間，AGv負責將自動立體庫及緩存區的物料自動配送至車間各個工位及車間內各產線的物料轉運。叉車型激光AGv如圖1所示。叉車采用三輪結構，主驅動輪采用中230×90mm的輪子置于前面中心部分，兩個定向隨動輪（2-φ85×60mm）置于車體的后端左右兩側，附加安裝于車底兩個起支撐作用φ150×50mm的平衡輪（萬向輪）。叉車結構設計在滿載的情況下，重心向一側偏移不能超過120—150mm;對于不滿載的情況，重心向一側偏移不能超過250mm。AGV的部分參數見表1所列。

叉車系統由無線通信模塊、人機交互模塊、傳感器檢測模塊、控制模塊、導航定位模塊等組成，AGV系統結構圖如圖2所示。

2叉車導航系統

AGV小車采用帶反光板的激光導航技術。小車在工作環境中運行時，安裝在車體頂部的激光掃描雷達高速旋轉并發射激光束，并通過接受在運行環境中預先布置好的反光板的反射光經控制器的計算就能確定小車當前的位置和姿態信息。但前提是激光掃描系統至少要掃描到三塊反光板，所以必須確保激光掃描器在小車工作路徑的任何一個位置可以掃描到三個或以上的反光板。考慮到AGV工作環境比較寬闊，則采用50mmX70mm的平面覆膜激光反射板，根據現場的實際情況來確定使用數量。在反光板的安裝中應當注意：完全對稱于工作路徑兩側的安裝方式要避免;反光板附著的一些材質如窗戶玻璃因其易反光性會對激光雷達的接收造成一定程度的干擾，需在其兩側放置反光板;反光板一般需安裝正面45°或90°;在精度要求比較高的地點（如裝卸貨物的站點）要多安裝幾個反光板。

3激光定位算法

本論述定位算法的原理是控制器通過計算所匹配到的反光板與小車的夾角得出小車位置點和方位。在這個算法中，激光導航完全可以滿足其角度分辨率高和波束極窄的硬性條件要求。小車的工作環境絕對坐標系應設在路徑規劃區域第一象限以方便計算。地圖環境坐標點的添加采用手動模式，具體方法如下：先用CAD做出廠區環境的平面圖，提前測量每一塊反光板的位置坐標數據，并導出這些數據以建立工作環境的絕對坐標。激光定位的原理圖如圖3所示。

通過公式（2）求解超定方程組（掃描到的反光板數量要求大于3），就可以得到局部坐標系平移和旋轉變換參數COSθ，sinθ，△X，△Y，進而得到AGV的位姿。所以可以通過反光板的坐標信息推到出AGV小車的坐標信息，在輔助加以編碼器實時采集反饋到的速度和轉向角信息計算與路徑規劃之后期望的位置坐標的差值，得出任意時刻小車位置和角度偏差值。另外還要注意反光板匹配問題：若掃描儀在旋轉約180°時掃描到了4塊反射板，就從最后一塊板開始匹配，并與期望反射板列表一一對比，以排除是否為同一反射板的可能并確定具體反射板的位置。因為任何來自反射板的光線都要滿足一定的規則，才能被系統認定為有效反射板。經過這個流程的判斷，篩選下來的反光板就能被用來小車估計位置的校正。

4AGV小車路徑跟蹤控制

路徑跟隨的目的是使得AGV能在以給定的速度下沿某條既定的路線行駛。它的原理簡要概括如下：激光導航儀把掃描到的的坐標系下AGV坐標信息作為反饋與上位機（工控機）生成的期望路徑位姿進行比較，將比較之后的距離和角度偏差作為控制器的輸入，經過控制算法的計算得出移動小車需要的平移角度調整量和角速度調整量，并轉換成AGV驅動輪軸轉速的調整量，由下位機控制驅動輪的轉速實現糾偏。AGV運動控制框圖如圖4所示。

路徑跟隨算法采用模糊PID控制，PID作為運動控制的經典算法，具有控制方法簡單易操作的優點，但是需要獲得被控對象的模型才能修正偏差，AGV在實際運行工控下會有一些非理想因素影響參數模型，所以采用智能控制算法輔助PID算法能有效彌補單一算法帶來的不足，減小路徑追隨帶來的偏差，增加系統的運行穩定性。對于一些數學模型難以獲取的對象，模糊控制因其控制機理易接收和語言控制規則好建立等優點，該控制方法十分適用。因此本論述將采用模糊PID復合控制。

模糊控制與傳統PID算法復合控制有2種控制方法：（1）線性復合控制思想：通過一個切換環節分別在2種場景中使用模糊控制和PID控制。如在偏差和偏差變化率較小的時候使用PID控制，否則將使用模糊控制。此方法設計需保證不同算法之間的平穩切換;（2）模糊自整定PID控制：通過模糊控制器的輸出來改變PID中的參數值KD、Kj、Kd用來保證系統處于最佳狀態。經過實驗和對比，最終選擇方案2作為模糊PID控制算法，其結構如圖5所示。

該控制器以誤差e和誤差變化率ec作為輸入，通過模糊控制器的運算在不同時刻實現基于e和ec對PID參數的在線修改。根據AGV在現場運動的試驗和測定，設模糊語言變量e的基本論域[-50，50]，偏差變化率ec的基本論域為[-8，8]，根據語言值范圍設定隸屬度函數把輸入中的離散值轉換為模糊規則中的語言變量值。本論述選取三角形隸屬度函數。在MATLAB中得到隸屬函數圖如圖6所示。根據實際糾偏情況和經驗制定模糊規則，其規則如下：（1）當lel較大，△Kp應取較大值，△KI取較小值，使系統跟蹤性能良好，又能防止微分和積分過飽的現象。（2）當lel和lecl為中等時，AKp，△kd取較小值，△Kj取值適中以防系統超調過大。3leI和lecl較小時，此時的系統超調不能耐太大所△Kp取較小值，△Ki應設定較大以避免系統頻繁震蕩，△Kd的值適當選取。根據以上原則制定模糊控制器的規則，其規則形式為：ifA and B then C。△KP，△Ki，△Ks輸出論域設為[一3，3]，并將他們的模糊論域劃分為7個等級{NB，NM，NS，ZO，PS，PM，PB}，分別對應負大，負中，負小，零，正小，正中，正大。模糊規則曲面圖如圖7所示，這樣模糊控制器就完成了將模糊量按照制定的規則得出模糊輸出。最后的控制算法步驟是解模糊，原因是此時的模糊控制器輸出還是模糊矢量，并不能直接控制執行執行機構，所以得轉換成清晰的控制量數值。本論述利用重心法：將隸屬度函數曲線與橫坐標軸所包圍出的面積重心作為控制器輸出。在本系統中模糊控制器的輸出是△Kp，△Ki，△kdi.所以最終的輸出結果是（設三個參數的初始值分別為KPo，Kio，Kdo）：KP=Kpo+△KP;Ki=kio+△Ki;Kd=Kdo+△Kd。

為驗證模糊PID較傳統PID算法的優越性，通過MATLAB仿真實驗對這兩種控制方法進行試驗，試驗曲線如圖8所示：系統給定階躍響應后兩種算法的試驗曲線種可以看出傳統PID在最大超調量，調節時間等響應參數中表現良好，但是模糊PID控制方案更勝一籌，更能準確地控制系統動態響應。表2列出了系統試驗時的各項性能指標，從指標參數數值上能更精確的看出兩種控制方案的優劣性。

經過上文中的對比分析，決定采用模糊PID作為系統的運動控制算法。圖9為實驗平臺試驗AGV智能小車分別在直線、圓和任意曲線規劃軌跡下的運動循跡效果。

上述仿真結果說明，搭載模糊PID復合控制算法的運動控制系統能夠較快、較好的跟蹤任意規劃好的曲線，且循跡穩態誤差為0，具有較好的穩定性和收斂性。

在計算機仿真驗證成功之后，又在搭建的實際實驗測試平臺中進行導引實驗、抗干擾實驗等再次證明了模糊PID復合控制的優越性，試驗表明該系統能滿足AGV在實際工況下的需要。

5結束語

綜上所述，作為智能化制造工廠升級的關注重點，本文介紹了一種在車間使用的AGV結構及參數，并對其導航定位方式展開研究，對其路徑偏差的修正算法進行設計改進，并通過計算機軟件仿真和實驗平臺試驗驗證了控制算法的穩定性、有效性。