自动引导车运动分段控制技术研究

【摘要】：非完整约束是指一种用不可积分的微分方程来表示的约束,它的存在使得系统更难控制；另一方面,非完整约束又广泛存在于自动引导车(AGV-Automatic Guided Vehicle)、太空机器人、欠驱动的水下舰船系统等实际系统中,在军事、工业、民用、深海太空业等领域具有很强的应用背景。AGV作为一种典型的非完整系统,研究其控制问题具有重要的理论意义和良好的实用价值。本文在对相关研究现状进行分析的基础上,对三轮AGV运动控制问题进行了深入研究,内容主要包括基于神经动力学模型的初期跟踪控制、结合能量优化策略的中段跟踪控制、镇定和跟踪统一的后期运动控制以及AGV整体运动分段控制(IMSC-Integrated Motion Sectionalized Control)等。 在系统调研AGV国内外研究现状的基础上,对AGV的结构及分类以及路径跟随、轨迹跟踪、点镇定等三种基本运动的若干关键运动控制技术进行了分析和梳理,指出了目前存在的问题及需要进一步研究的内容。 引入微分几何和非线性控制理论的一些基本概念和定理,给出了非完整系统以及约束的相关知识,综合归纳出了一套用于分析非完整系统的数学工具。用该工具分析了AGV的非完整性,并以三轮AGV为例,建立了AGV的运动学和动力学模型。 根据AGV系统的硬件组成和软件设计原理,对AGV控制系统进行合理的功能分配和模块划分,提出了所研究AGV的控制体系结构。 针对当AGV存在初始位姿误差或AGV的参考轨迹不连续时传统轨迹跟踪控制器会产生一个较大初始速度跳变的问题,在建立AGV跟踪误差系统模型的基础上,引入神经动力学思想,提出了一种基于生物激励神经动力学模型的AGV轨迹跟踪控制器。该控制器首先由运动学控制器产生一个理想控制律,接着利用神经动力学解决初始速度跳变问题,最后用快速终端滑模控制器进一步提高跟踪精度。仿真结果表明,该控制器能很好地解决跟踪过程中出现的初始速度跳变问题,最终实现系统全局渐进稳定。 针对AGV在运动中段能耗大的问题,在深入分析系统能耗情况的基础上,建立了AGV的能耗模型及运动学模型,提出了一种基于能量优化策略的AGV轨迹跟踪控制算法。能量优化控制器是上述控制算法的核心,设定电机能量效率函数为其目标函数,电机电枢等效电路电压平衡方程式和转矩方程式组成的方程组为其系统状态方程,使AGV能准确跟踪参考轨迹的条件为其状态约束,再加上一个控制输入约束,组成优化问题的三个约束,最后用遗传算法解优化问题得出一个最优速度控制律。仿真结果表明,该控制策略可以在使AGV顺利实现轨迹跟踪的同时达到能量优化的效果。 针对AGV系统的后期轨迹跟踪和镇定问题,在深入分析预测控制机理和稳定性的基础上,认真研究了存在非完整约束和控制输入约束的AGV轨迹跟踪的非线性模型预测控制问题,设计了基于模型预测终端控制器的终端镇定控制算法,并结合AGV的运动模型,使用状态观测器对含噪声的动态系统进行状态估计,进一步增强了轨迹跟踪控制的效果。同时,考虑到AGV需有避障功能,为镇定控制器设计了一个避障控制模块。计算机仿真结果证实了所设计轨迹跟踪算法的正确性和有效性。 为了实现对AGV整个运动过程的高精度和低能耗控制,本文提出了一种整体运动分段控制方法,即对AGV运动的初、中和后期三个不同阶段的运动,根据其各自特点分别采用上述三种控制方法,且将三种方法有机地组合成一种方法,并通过计算和仿真确定了各种方法所使用的运动区间,从而能更好地实现AGV在整个轨迹跟踪过程中的平滑性、节能性、鲁棒性及全局稳定性。