基于AGV的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)設(shè)計

孫 聰 曹 亮 雷鳳蕓

成都市農(nóng)林科學院，四川 成都 611134

0 引言

無人搬運車（Automated Guided Vehicle，AGV）的應用能夠有效提升我國農(nóng)業(yè)生產(chǎn)效率，但對其進行調(diào)度及控制存在一定的難度。當多個AGV同時作業(yè)時，時常出現(xiàn)路徑擁堵、沖突等狀況，在一定程度上限制了其應用［1］。為此，筆者針對設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)的設(shè)計展開深入探討，以期助力我國農(nóng)業(yè)發(fā)展。

1 設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)作業(yè)流程

為了實現(xiàn)設(shè)施農(nóng)業(yè)物流運輸自動化，筆者設(shè)計了一種基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)。該系統(tǒng)總體結(jié)構(gòu)如圖1 所示。基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)主要分為3 個層次，每個層次分別完成不同規(guī)模的任務，并且任務規(guī)模由下至上呈遞增趨勢［2］。當用戶對控制系統(tǒng)下達任務請求時，任務規(guī)劃層接收到請求進行設(shè)施農(nóng)業(yè)物流運輸任務規(guī)劃，并將規(guī)劃好的任務映射至子任務，由任務規(guī)劃層對子任務進行優(yōu)化排序，從而生成AGV 的控制路徑，最后將其傳輸至行為決策層。行為決策層接收到子任務后將其映射至AGV 行為，從而生成一系列的AGV 控制行為指令，如起步、轉(zhuǎn)彎、加速、停止等，再將行為指令下達至智能控制層。智能控制層接收到AGV 行為控制指令后，將其映射至AGV 的動作控制，從而控制AGV 完成相應的動作。由此可見，在筆者所設(shè)計的基于AGV的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)中，每一個層次的邏輯方式、時域跨度及對實現(xiàn)控制任務所賦予的指令等各不相同，但是這種遞階合作式的控制結(jié)構(gòu)可以使被控的AGV 在不確定環(huán)境下?lián)碛辛己玫倪m應能力，進而滿足設(shè)施農(nóng)業(yè)物流運輸?shù)母呔取崟r性等要求。

圖1 基于AGV的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)

2 基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)硬件設(shè)計

基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)主要由AGV、主控制器、節(jié)點傳感器及執(zhí)行設(shè)備配電箱等組件構(gòu)成。

2.1 主控制器

主控制器是基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)的核心，其性能至關(guān)重要。筆者綜合考慮AGV 的實際結(jié)構(gòu)，選用STM32F407 單片機作為主控芯片。該單片機內(nèi)置32 位核心處理器，主要功能特點如表1所示。

表1 STM32F407單片機參數(shù)

STM32F407 單片機不僅具有較好的穩(wěn)定性，而且運算速度較快。應用STM32F407 單片機可大大提升AGV 控制程序的執(zhí)行效率，完全能滿足設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)對主控制器的需求。

2.2 節(jié)點傳感器

在基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)中，農(nóng)業(yè)生產(chǎn)環(huán)境信息采集主要依靠溫濕度傳感器來完成。在進行節(jié)點傳感器選型時，筆者綜合考慮傳感器的測量精度及抗干擾能力，選用DHT90數(shù)字溫濕度傳感器。該傳感器具有多種封裝形式，可以適應不同的設(shè)施農(nóng)業(yè)物流運輸場景。其引腳分布情況如圖2所示。

圖2 DHT90數(shù)字溫濕度傳感器引腳示意圖

利用DHT90 數(shù)字溫濕度傳感器采集設(shè)施農(nóng)業(yè)物流運輸環(huán)境信息時，傳感器AO 引腳會輸出采集的溫濕度信息模擬量，經(jīng)過模擬/數(shù)字（Analog/Digital，A/D）轉(zhuǎn)換后顯示設(shè)施農(nóng)業(yè)物流環(huán)境的溫濕度數(shù)值。

2.3 執(zhí)行設(shè)備配電箱

執(zhí)行設(shè)備配電箱（見圖3）主要由9部分構(gòu)成，即氣泵、主動圈、從動圈、承接凸輪、滾軸、主動圈連桿、主動圈葉片、從動圈葉片和從動圈連桿。筆者選用MNS型執(zhí)行設(shè)備配電箱進行設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)配電控制。MNS 型執(zhí)行設(shè)備配電箱應裝設(shè)端正、牢固，固定式配電箱的中心點與地面的垂直距離應為1.4～1.6 m。

圖3 執(zhí)行設(shè)備配電箱

3 基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)軟件設(shè)計

3.1 AGV運動控制模型

筆者設(shè)計的基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)的主要被控對象為AGV，因此設(shè)計系統(tǒng)軟件時需要了解AGV 運動控制模型。AGV 運動控制模型的控制原理如圖4所示［3］。

圖4 AGV運動控制模型原理

首先確定AGV開環(huán)傳遞函數(shù)C，公式為

式（1）中：δ表示拉普拉斯算子，ω表示控制截止頻率，η表示AGV阻尼。

利用自適應律調(diào)節(jié)控制器的參數(shù)，得到AGV線性控制模型為［4］

式（2）中：U 表示AGV 控制變量，α0、α1、α2分別表示AGV 驅(qū)動在未知負載作用下的系數(shù)，β 表示參考模型的控制輸出表示AGV控制器的一階輸出表示AGV 控制器的二階輸出。式（2）通過選取合適的自適應律，即可使AGV 的輸出與參考模型輸出保持一致，從而達到AGV的運動控制目的。

3.2 設(shè)施農(nóng)業(yè)物流運輸路徑規(guī)劃算法

在基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)中，合理的設(shè)施農(nóng)業(yè)物流運輸路徑規(guī)劃對確保控制效果至關(guān)重要［5］。筆者綜合考慮設(shè)施農(nóng)業(yè)物流的實際運輸環(huán)境及AGV的運行情況，引入A-STAR算法來規(guī)劃設(shè)施農(nóng)業(yè)物流運輸路徑，即控制AGV 行走的最優(yōu)路徑［6］。該算法可以有效適應設(shè)施農(nóng)業(yè)作業(yè)環(huán)境的拓撲變化，屬于啟發(fā)式搜索算法。A-STAR 算法在規(guī)劃物流運輸路徑時不會盲目遍歷全部節(jié)點，而是先對各個節(jié)點進行評估，根據(jù)評估結(jié)果來規(guī)劃設(shè)施農(nóng)業(yè)物流運輸路徑。所以，該系統(tǒng)引入A-STAR 算法可以顯著提升AGV的控制效率［7］。A-STAR算法的評估函數(shù)為

式（3）中：P（i）表示設(shè)施農(nóng)業(yè)物流運輸規(guī)劃路徑中路過節(jié)點i的距離代價評估值；D（i）表示規(guī)劃設(shè)施農(nóng)業(yè)物流運輸路徑對節(jié)點i 遍歷的實際距離代價，即估計運輸路徑的耗時；F（i）表示遍歷節(jié)點i 的啟發(fā)代價值［8-9］。該算法的關(guān)鍵是估價函數(shù)F（i），其表達形式有很多種。筆者主要采用曼哈頓距離函數(shù)來代表估價函數(shù)，計算公式為

式（4）中：x 表示設(shè)施農(nóng)業(yè)物流運輸路徑中目標點的橫坐標，y 表示設(shè)施農(nóng)業(yè)物流運輸路徑中目標點的縱坐標，xi表示節(jié)點i的橫坐標，yi表示節(jié)點i的縱坐標。式（4）所示的曼哈頓距離函數(shù)可以確保估價函數(shù)描述的設(shè)施農(nóng)業(yè)物流運輸路徑起點與終點之間距離更加接近，進而保證控制AGV沿著最優(yōu)路徑向目標終點前進。

4 系統(tǒng)測試

系統(tǒng)測試是驗證基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)可行性與可靠性的關(guān)鍵。筆者在MATLAB 環(huán)境下開展仿真試驗，測試該系統(tǒng)的控制性能。首先，搭建一個如圖5 所示的柵格地圖模型作為仿真環(huán)境。

圖5 系統(tǒng)測試仿真環(huán)境

由圖5 可知，此次系統(tǒng)測試所使用的柵格地圖模型尺寸為15 cm×15 cm，其中AGV 的起始點坐標為（1，1），目標終點坐標為（15，15），地圖中的障礙物為隨機生成。為客觀評價該系統(tǒng)的控制性能，選用基于多因子約束的AGV 控制系統(tǒng)、基于自適應控制的AGV控制系統(tǒng)作為對照。測試過程中，分別使用這3 個系統(tǒng)控制AGV由起始點走向目標點，每經(jīng)過一個柵格需要2 s，如果在格內(nèi)轉(zhuǎn)彎則需要4 s 經(jīng)過柵格，獲得測試結(jié)果如圖6所示。

圖6 系統(tǒng)路徑規(guī)劃結(jié)果

由圖6 可知，使用多因子約束系統(tǒng)在該地圖中規(guī)劃的AGV行走路徑共轉(zhuǎn)折10次，AGV行走時間為72 s；使用自適應控制系統(tǒng)在該地圖中規(guī)劃的AGV 行走路徑共轉(zhuǎn)折9 次，AGV 行走時間為70 s；使用基于AGV的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)在該地圖中規(guī)劃的AGV 行走路徑共轉(zhuǎn)折4次（較基于多因子約束的AGV控制系統(tǒng)、基于自適應控制的AGV控制系統(tǒng)分別減少了6 次、5 次），AGV 行走時間為60 s（較基于多因子約束的AGV 控制系統(tǒng)、基于自適應控制的AGV 控制系統(tǒng)分別縮短了12、10 s）。這說明筆者設(shè)計的系統(tǒng)可以尋求到最優(yōu)AGV行走路徑。此外，系統(tǒng)分別統(tǒng)計在不同尺寸柵格地圖中這3 個系統(tǒng)規(guī)劃AGV 行走路徑時所遍歷的節(jié)點數(shù)目，對比結(jié)果如圖7所示。

圖7 控制系統(tǒng)遍歷節(jié)點數(shù)量對比圖

由圖7 可知，隨著柵格地圖尺寸的增加，系統(tǒng)在控制AGV行走時所遍歷的節(jié)點數(shù)目也在不斷增加，而筆者所設(shè)計的系統(tǒng)在控制過程中遍歷節(jié)點的數(shù)目一直遠遠小于對照，有效加快了AGV路徑規(guī)劃算法的計算速度。此次測試結(jié)果可以驗證基于AGV 的設(shè)施農(nóng)業(yè)物流遞階智能控制系統(tǒng)是可行且可靠的，具有優(yōu)越的控制性能。

5 結(jié)語

通過系統(tǒng)測試，筆者驗證了所設(shè)計的系統(tǒng)在規(guī)劃AGV 作業(yè)路徑時，可以優(yōu)化路徑的轉(zhuǎn)折次數(shù)及控制過程中的節(jié)點遍歷數(shù)量。但今后相關(guān)學者還需要對更多的復雜細節(jié)問題進行綜合研究。