自主导航小车(AGV)轨迹跟踪的模糊预测控制分析 .pdfVIP

自主导航小车(AGV)轨迹跟踪的模糊预

测控制分析

摘要：近几年，轮式机器人运行常见轨迹跟踪问题逐渐为人们所熟知，现有

研究更倾向于以差速驱动机器人为主体，通过深入研究运动控制问题的方式，提

出相应观点。本文同样以差速模型为研究对象，通过全局跟踪的方式，一方面，

多角度分析预测控制算法，在模糊规则的指导下，实时调整控制律常见误差权值，

随着AGV得到控制，跟踪设定轨迹的目标自然能够实现。另一方面，基于仿真实

验，对设计所得算法是否有效且可行加以验证，并获得实证有效的结论。

关键词：轨迹跟踪；自主导航小车；模糊预测控制

前言：AGV是无人生产车间自动搬运物料所使用主要工具，只有智能AGV才

能使物料被安全、快速且准确的搬运到特定位置，不受外界环境干扰。要想确保

处于运行状态的AGV能够自动探索外界环境并选择最优路径，对物料搬运所设定

轨迹进行跟踪，关键是围绕轨迹跟踪展开分析，可以说，轨迹跟踪是否准确，通

常会给AGV搬运任务完成速度和质量带来直接影响，本文所讨论项目的价值有目

共睹。

1自主导航小车运动模型

有关人员对现有研究的内容进行了整理，分别指出了研究的优势与不足。例

如，国外某学者基于跟踪系统对应误差模型，对控制律进行了设计，但设计律只

能做到局部跟踪，其他学者以全局跟踪控制为最终目的，将动态反馈所获得指数

收敛作为主要依据，对跟踪控制律进行了设计，即便如此，该设计仍有制约控制

效果的因素存在，即奇异点，另外，控制器维数远超出合理范围。此后，国内学

者以上述研究为依据，创造性的提出了一维控制器，旨在使系统不存在奇异点，

但系统对模型角速度有极为严格的要求，在经过反复试错和改进后，差速驱动

AGV应运而生，这也是本文所研究的重点。

为了降低研究难度，有关人员基于AGV、工作空间，对坐标系进行了建立，

而用来表示跟踪轨迹的公式为。随后，基于工作空间坐标系，对AGV坐

标系原点加以表示，坐标系X轴和原点的夹角，便代表AGV的位姿。将差速驱动

AGV运行速度设定为，在AGV按照预定速度对预设轨迹进行跟踪的过程中，有

关人员仅需对AGV驱动轮速度加以控制即可。

2关于轨迹跟踪的模糊预测与控制分析

2.1确定导航系统

QR码属于矩阵二维码，组成元素以编码区域、功能图形为主，任意QR码均

对应完全相同的三个探测图形，用来对位置进行探测，如图1。

图1QR码探测图形

每个图形都可以被分解为三个完全重叠的正方形，由于QR码遇到相似图形

的几率极低，因此，基于QR码识别视场往往具有理想的速度和精确度，有关人

[1]

员能够凭借QR码，对视场符号方向及所处位置加以确定。

本文研究AGV需要往返于多个站点，运行轨迹以直线和转向为主，站点利用

QR码为AGV导航，先由车载摄像头对QR码进行采集，通过计算的方式，判断站

点航向角、横纵位置是否存在误差，再酌情修正误差并进行站点转向，事实证明，

这样做可使AGV得到理想的导航控制效果。但要注意一点，实际采集图像以真彩

图为主，要想减弱外界光线所带来干扰，保证该算法始终能够表现出良好的效率

及成功率，关键是将真彩图转化成相应的灰度图像。基于此，在实验正式开始前，

有关人员便对采集所得图像进行了阈值处理，确保初始图像被尽数转化成为实验

所需灰度图像。而决定阈值处理有效性的因素为初始阈值，反复尝试所得结果表

明，将阈值除湿值设定成120，可使算法表现出理想的解算效率及成功率。

2.2估计小车位姿

车轮和地面的运动状态为相对运动，因此，AGC在某些时刻极易出现预设位

姿与实际位姿不符的情况，而本文所研究运动控制项目被提出的初衷，便是以车

载传感器为依托，根据检测外界环境、运动状态所得结论，对AGV进行自定位，

在此基础上，参考目标位置和当前位姿，通过实时调整控制量的方式，达到轨迹

跟踪的目的。由此可见，位姿估计是极为重要的环节。

在估计小车位姿时，有关人员先要确定状态变量，而状态变量的计算公式为：

在式中，代表控制周期内左驱动轮转过角度，