基于自主算法的智能工廠低速無人物流車系統(tǒng)研究

可修改周期時(shí)長；第三，系統(tǒng)定期清空運(yùn)行temp 信息，但運(yùn)行日志將被保存（通常保存一年）；第四，系統(tǒng)允許人工指令干涉算法指令，且優(yōu)先級最高，當(dāng)識別系統(tǒng)到人工指令時(shí)將中斷算法，并根據(jù)識別標(biāo)志位發(fā)起車輛移動指令，強(qiáng)制人工調(diào)度指令車輛可跨越所有站點(diǎn)直達(dá)終點(diǎn)[1]。

2 無人車輛控制系統(tǒng)的組成部分

2.1 控制系統(tǒng)軟件代碼的邏輯架構(gòu)

在無人車輛控制系統(tǒng)中，控車程序代碼相當(dāng)于普通車輛中的“駕駛員”，上文中提到，雷達(dá)、聲吶、傳感器和攝像頭為控車系統(tǒng)提供了外部信息，而處理信息、根據(jù)信息做出合理動作與判斷這依托于處理器，或者說依托于控制代碼的邏輯結(jié)構(gòu)。首先是車控系統(tǒng)的監(jiān)控與遙調(diào)，它依托于嵌入式單片機(jī)運(yùn)行控制代碼，以E 系列智能無人車系統(tǒng)為例，該系列無人車操控系統(tǒng)所采用的CPU 為德州儀器產(chǎn)MSP 家族單片機(jī)，通過結(jié)合其他輔助邏輯芯片等外圍電路設(shè)計(jì)，讓各個(gè)機(jī)能模塊彼此分散獨(dú)立。使用者可以根據(jù)不同的用途更換不同的模塊，在出現(xiàn)故障時(shí)，可以快速更換模塊排除故障。這樣設(shè)計(jì)既增強(qiáng)了整個(gè)系統(tǒng)的組織靈活性，也降低了其維護(hù)難度。一般的模塊組合有模擬控制、數(shù)字控制、開關(guān)控制、C 總線控制、I2C/SPI/UART數(shù)字采集、50Am 模擬小電流采集等。不僅如此，通過自研的擴(kuò)展協(xié)議可以支持多路并聯(lián)擴(kuò)展，使得該系統(tǒng)可以實(shí)時(shí)采集各傳感器狀態(tài)和實(shí)時(shí)控制車輛控制器，以達(dá)到預(yù)定的控制率目標(biāo)，并且可以彈性地適配不同的車輛配置[2]。在性能允許的情況下，控制代碼會關(guān)閉不必要的傳感器以降低功耗，其總體邏輯結(jié)構(gòu)如圖1所示。

圖1 E200 無人物流車輛控制系統(tǒng)邏輯架構(gòu)

上述邏輯的基本運(yùn)行原則取自蜂群無人機(jī)的工作機(jī)制，包括車輛與障礙物間距離控制、自動導(dǎo)航、路況信息及地圖信息共享等等。整個(gè)代碼程序的邏輯原理是利用迪杰斯特拉算法通過蜂群計(jì)算提高規(guī)劃收斂速度，增強(qiáng)系統(tǒng)擺脫局部最優(yōu)解的能力，同時(shí)允許任務(wù)在無人車群內(nèi)部的二次實(shí)時(shí)調(diào)度[2]。

2.2 環(huán)境識別和數(shù)據(jù)庫匹配

為了實(shí)現(xiàn)對物體高分辨率成像，車輛對環(huán)境的識別還需要合成孔徑雷達(dá)的幫助，再利用運(yùn)動物體的多普勒效應(yīng)，獲取復(fù)雜微波輻射背景下的清晰雷達(dá)圖像，為車輛識別物體做出控制判別提供可靠依據(jù)。另一方面利用上述算法還可以做到對規(guī)則運(yùn)動物體軌跡的識別預(yù)判。類似于多障礙物運(yùn)動趨勢預(yù)測的計(jì)算方法，其運(yùn)算邏輯封裝仍然是輸入- 輸出模式，將數(shù)據(jù)自動輸入邏輯鏈條頂端，計(jì)算其二維運(yùn)行軌跡，在此基礎(chǔ)上，需要增加自身威脅的評估，其依據(jù)的是與地圖數(shù)據(jù)庫的匹配、物體的速度和軌跡、物體規(guī)模的大小，判定不同運(yùn)動物體的威脅程度。為自主路徑規(guī)劃提供了底層支撐。該方法對于平臺發(fā)送的任務(wù)具有智能分流、快速響應(yīng)調(diào)度、用戶體驗(yàn)良好和能效比高的特點(diǎn)[2]。

圖2 是E200 無人車輛利用數(shù)據(jù)庫匹配發(fā)現(xiàn)識別障礙物的實(shí)例圖像。

圖2 E200 無人車輛障礙物識別

3 運(yùn)動定位與立體視距功能的實(shí)現(xiàn)

3.1 運(yùn)輸目標(biāo)與障礙物的識別

在無人駕駛車行駛過程中，運(yùn)用的是精簡版的蜂群車輛避讓算法，通過去掉其中的三維變量變成二維模型即可運(yùn)用與智能工廠場景來識別車載攝像機(jī)圖像中不同的物體信息，也稱之為模糊算法。目標(biāo)或障礙物的識別方法主要采用羅盤式方向劃分，一車輛頭部傳感器為中心，其正前方為默認(rèn)為正北向，識別步長為15 度，即一點(diǎn)鐘方向、二點(diǎn)鐘方向...直到十二點(diǎn)方向。其與障礙物的距離定義為dl、df、dr，車輛運(yùn)動方向與目標(biāo)方向的夾角定義為ic，該變量作為模糊控制的輸入，通過步長控制速度進(jìn)行反饋，將無人車運(yùn)動的角度變化cc 作為模糊控制的輸出[3]。假設(shè)車輛轉(zhuǎn)軸最大范圍為正負(fù)180°，量化之后其對應(yīng)語言變量記為｛1 點(diǎn)向，2 點(diǎn)向，3 點(diǎn)向，....｝｛LB，LS，Z，RS，RB｝；輸入系統(tǒng)之后形成的模糊控制規(guī)則如表1 所示。

表1 模糊控制規(guī)則庫（部分）

3.2 定位系統(tǒng)與工作路徑規(guī)劃及目標(biāo)搜尋

車輛定位系統(tǒng)與目標(biāo)搜尋功能主要依靠車輛調(diào)度指揮系統(tǒng)所分配的運(yùn)輸任務(wù)起始目標(biāo)參數(shù)來實(shí)現(xiàn)，從算法角度來說，則依靠對場地的環(huán)境建模與車輛路徑規(guī)劃決定。假設(shè)根據(jù)計(jì)算發(fā)現(xiàn)的最優(yōu)安全無碰撞路徑P1，P2，…，Pn。在路徑規(guī)劃模型中，無人車i 的路徑Pi 由一組向量表示Pi=（pi1，pi2，…，pil），則路徑總長度為min（Pi1，Pi2，…，Pil）D=∑k=1k=lPikl。該公式中：Pik 表示無人車i 行走第k 步的路徑長度。假設(shè)Pik 表示任務(wù)點(diǎn)（xi，yi）和任務(wù)點(diǎn)（x'i，y'i）的距離，那么Pik 可通過（xi，yi）與（x'i，y'i）之間的歐式距離衡量，即Pik =（x'i-xi）2+（y'i-yi）2[4]，此處規(guī)定無人車只能進(jìn)行平面運(yùn)動|Xa-Xa-1|-2≤l，?a>1|Ya-Ya-1|≤l，?a>1，l 為常數(shù)（Xa-Xa-1）2+（Ya-Ya）-2≤l，?a>1，式中：a 為無人車行走至第a 步；Xa、Ya 分別為無人車第a 步時(shí)的橫坐標(biāo)值和縱坐標(biāo)值。為保證無人車之間可保持安全距離，設(shè)另一無人車坐標(biāo)為L（a0，b0）[4]，則（Xa-a0）2+（Ya-b0）2≥l，?a>1。在此基礎(chǔ)上進(jìn)行的路徑規(guī)劃，將加重對周期考量的權(quán)重，根據(jù)實(shí)際實(shí)驗(yàn)數(shù)據(jù)分析比對，其具體情況如表2 所示。

表2 TSP路徑規(guī)劃計(jì)算結(jié)果

其計(jì)算生成的環(huán)境與車輛建模關(guān)系如圖3 所示。

圖3 環(huán)境簡模與車輛軌跡關(guān)系

3.3 無人車輛控制系統(tǒng)地圖數(shù)據(jù)庫的運(yùn)用

同很多場景類電子游戲的架構(gòu)相類似，無人車輛控制系統(tǒng)數(shù)據(jù)庫是整個(gè)系統(tǒng)運(yùn)行不可或缺的組成部分，更是系統(tǒng)軟件運(yùn)行的主框架。數(shù)據(jù)庫中包含了很多可能運(yùn)用到的算法工具，除去上文中提到的任務(wù)分配、路徑規(guī)劃算法及環(huán)境識別功能等，還有地圖庫模型數(shù)據(jù)；地圖模型的構(gòu)建首先是確定邊界，硬件方面一般是由車輛傳感器識別紫外光來終止移動，從而形成虛擬圍欄，對于地圖內(nèi)部部分無法進(jìn)入的區(qū)域，也采用類似辦法對“黑域”進(jìn)行閉合，假設(shè)車輛通信半徑為R，根據(jù)地圖的具體情況，可以用無線紫外光將虛擬圍欄劃分為：鏈路建立區(qū)1（0）

圖4 虛擬圍欄算法環(huán)境下的避讓關(guān)系

結(jié)束語

智能化無人物流車的應(yīng)用可以有效滿足我國運(yùn)輸業(yè)的發(fā)展需求，緩解相關(guān)行業(yè)人力資源緊張的矛盾，提高物流行業(yè)的工作效率。本文簡要介紹了整個(gè)系統(tǒng)的組織架構(gòu)和運(yùn)用算法，希望可以通過互相之間的交流與探討，促進(jìn)彼此共同進(jìn)步。