麦克纳姆轮AGV运动轨迹控制研究
马琳涵;张慧;周健;柳凯;周志国;卢仕杰
【期刊名称】《齐鲁工业大学学报》
【年(卷),期】2024(38)3
【摘 要】随着现代智能化和自动化的快速发展,移动自动引导车辆(AGV)开始担任重要角色。致力于研究麦克纳姆轮AGV的轨迹跟踪控制方法,采用自适应滑模控制以提高其在自动化物流和制造领域的应用性能。首先,在考虑外部干扰的情况下,对麦克纳姆轮AGV进行数学建模,建立其运动学模型和动力学模型。其次,在动力学模型的基础上设计一种自适应滑模轨迹跟踪控制器,该方法通过引入滑模面来实现对系统状态的控制,利用Lyapunov理论分析该控制方法的稳定性。最后,通过matlab仿真实验验证该控制器提高了AGV的轨迹精度以及有效性。
【总页数】10页(P24-33)
【作 者】马琳涵;张慧;周健;柳凯;周志国;卢仕杰
【作者单位】齐鲁工业大学(山东省科学院)信息与自动化学院
【正文语种】中 文
【中图分类】TP242.6
【相关文献】
1.基于麦克纳姆轮的全向AGV移动平台控制方法研究2.基于麦克纳姆轮的磁导航AGV纠偏控制研究3.基于麦克纳姆轮的喷药机器人底盘运动轨迹研究4.协同搬运系统中的麦克纳姆轮AGV运动控制研究5.基于麦克纳姆轮的全向AGV控制研究 因版权原因，仅展示原文概要，查看原文内容请购买
《物料搬运自动导引车设计及轨迹跟踪控制研究》
一、引言
随着现代物流和制造业的快速发展，物料搬运的效率和准确性成为了企业竞争力的关键因素。自动导引车（Automated
Guided Vehicle，AGV）作为一种智能化的物料搬运工具，其设计及轨迹跟踪控制技术的研究显得尤为重要。本文旨在探讨物料搬运自动导引车的系统设计及轨迹跟踪控制技术，以提升物料搬运的自动化水平。
二、物料搬运自动导引车设计
1. 系统架构设计
物料搬运自动导引车的系统架构主要包括感知层、决策层和执行层。感知层负责获取车辆内外部信息，包括环境感知、障碍物检测等；决策层负责根据感知信息制定行驶路径和速度策略；执行层则负责控制车辆的电机、刹车等执行机构，实现车辆的移动。
2. 硬件设计
硬件设计包括车体结构、驱动系统、导航系统、传感器系统等。车体结构需轻便且坚固，以适应各种复杂环境；驱动系统可采用电机驱动，具有高效、低噪音、低能耗等优点；导航系统可采用激光导航、视觉导航或电磁导航等方式，实现车辆的精准定位；传感器系统包括距离传感器、速度传感器等，用于感知周围环境和车辆状态。
3. 软件设计
软件设计包括控制系统、路径规划算法、避障算法等。控制系统负责协调各硬件模块的工作；路径规划算法根据全局路径规划和实时感知信息，为车辆规划最优路径；避障算法则能在遇到障碍物时，及时调整车辆行驶轨迹，避免碰撞。
三、轨迹跟踪控制研究
轨迹跟踪控制是自动导引车的核心技术之一，其目的是使车辆在行驶过程中能够准确、稳定地跟踪预定轨迹。本文研究的轨迹跟踪控制方法主要包括以下内容：
1. 控制器设计
控制器是轨迹跟踪控制的核心，可采用经典的控制算法如PID控制、模糊控制等，也可采用现代的控制方法如神经网络控制、优化控制等。通过合理设计控制器参数，使车辆在各种环境下都能保持良好的轨迹跟踪性能。
2. 轨迹规划与优化
轨迹规划是指根据任务需求和约束条件，为车辆规划出一条合理的行驶轨迹。优化则是在轨迹规划的基础上，通过调整轨迹参数，使车辆在行驶过程中能够更好地适应环境变化，提高轨迹跟踪的准确性和稳定性。
《装备制造技术》2018年第07期0前言自动引导小车AGV（automatedguidedvehicle），是现代物流系统中的重要成员[1]，它具有自动化集成度高、柔性好、可靠性高、自动导航运行、安装便利及使用方便等特点[2]。AGV的导航方式众多，包括视觉导航、GPS导航、激光导航、磁带导引[3]。其中磁带导引由于实现简单，造价便宜，抗干扰能力强在工程领域应用最广。磁导航AGV的控制方法较常用的即传统的PID控制，文献[4]用双磁导引方式得出AGV的位置偏差和角度偏差然后用pid算法实现车速的控制，但由于AGV本身的非完整约束特性和非线性加上传感器精度不够[5]，传统的控制方法控制效果不佳且实现复杂，在以PLC为核心的控制系统上很难实现。故本文采用模糊控制方法进行AGV路径跟踪控制。1AGV总体结构和控制系统组成本文设计的磁导航AGV由本体结构、电气控制单元和传感器检测单元三部分组成，其总体结构如图1所示。AGV本体结构为六轮式结构，由位于车体中部驱动单元的两驱动轮和前后四个万向轮组成。两驱动轮由两个步进电机通过差速驱动实现AGV直行、转向、避障等运动。电控单元中采用西门子S7-200系列PLCCPU224XP作为主控制器，用PTO脉冲输出方式完成AGV加速启动和减速停止时的步进电机控制，PWM脉冲输出方式完成轨迹跟踪时的电机控制。传感器检测单元由用于磁条路径检测的磁传感器和用于避障的超声波传感器和接触式防撞传感器组成，其中磁传感器为AGV的“眼睛”，通过读取磁条获取小车位置和偏移状态信息，主控制单元通过对其所得到的信息进行分析，得到不同偏移状态时的电机控制量，从而达到对AGV准确控制的目的。2AGV循迹模糊控制器2.1AGV循迹模糊控制器结构和模糊化本文设计的模糊控制器为单输入-单输出（SISO）二维结构形式模糊控制器。位置偏差e和位基于PLC的磁导航AGV路径跟踪模糊控制研究林义忠，张勤，望翔（广西大学机械工程学院，广西南宁530004）摘要：由于AGV具有非线性和非完整约束特性，导致很难对其建立精确的数学模型，用传统的控制方法进行控制会产生严重的滞后，造成轨迹跟踪时会产生较大的偏差且不能及时纠正，对AGV导航精度造成很大影响。而模糊控制是一种非线性控制方法，可以有效改善这种情况。设计了用于AGV路径跟踪的模糊控制器，并阐述了此模糊控制器在西门子PLC上的实现方法。经现场实测，运用此模糊控制器的AGV有良好的导航精度，纠偏迅速。关键词：磁导航AGV；模糊控制；PLC；路径跟踪中图分类号：TP273.4文献标识码：A文章编号：1672-545X（2018）07-0207-04
《轮式移动机器人轨迹跟踪智能控制》篇一
一、引言
随着科技的进步和人工智能的飞速发展，轮式移动机器人在工业、军事、医疗、服务等领域的应用越来越广泛。其中，轨迹跟踪智能控制是轮式移动机器人研究的重要方向之一。本文将深入探讨轮式移动机器人的轨迹跟踪智能控制技术，包括其原理、方法、应用和挑战等方面。
二、轮式移动机器人轨迹跟踪的基本原理
轮式移动机器人的轨迹跟踪主要依赖于其运动学模型和控制系统。运动学模型描述了机器人的运动状态与输入之间的关系，而控制系统则根据设定的轨迹和当前状态，通过算法计算出控制指令，使机器人能够准确跟踪目标轨迹。
三、智能控制方法在轨迹跟踪中的应用
1. 传统控制方法：传统的轨迹跟踪方法主要包括PID控制、模糊控制等。这些方法简单易行，但在复杂环境下效果不佳，容易受到外界干扰。
2. 智能控制方法：随着人工智能技术的发展，越来越多的智能控制方法被应用于轮式移动机器人的轨迹跟踪。如基于神经网络的控制方法、基于强化学习的控制方法等。这些方法能够根据环境变化自适应调整控制策略，提高机器人的轨迹跟踪性能。
四、智能控制算法的优化与实现 针对轮式移动机器人的轨迹跟踪问题，本文提出一种基于深度学习的智能控制算法。该算法通过训练神经网络模型，使机器人能够学习并适应各种复杂环境下的轨迹跟踪任务。具体实现步骤包括：
1. 数据集准备：收集大量轮式移动机器人的轨迹数据，包括正常环境下的数据和复杂环境下的数据。
2. 神经网络模型构建：设计合适的神经网络结构，包括输入层、隐藏层和输出层。输入层接收机器人的当前状态和目标轨迹信息，输出层输出控制指令。
3. 训练过程：使用收集的数据集对神经网络模型进行训练，使模型能够学习并掌握各种环境下的轨迹跟踪技能。
4. 优化与调整：根据训练结果对模型进行优化和调整，提高其性能和鲁棒性。
五、应用与挑战
轮式移动机器人的轨迹跟踪智能控制在许多领域都有广泛的应用前景。例如，在无人驾驶汽车中，智能控制算法可以使汽车在复杂道路环境下准确跟踪行驶轨迹；在工业生产中，轮式移动机器人可以准确完成物料搬运、装配等任务。然而，实际应用中仍面临许多挑战，如环境感知、多机器人协同、能量管理等问题。未来研究需要进一步解决这些问题，提高轮式移动机器人的性能和鲁棒性。
