【摘要】：移動機器人是研發(fā)較早的一類機器人,已悄然在當(dāng)前生產(chǎn)生活中得到了廣泛的應(yīng)用。自動導(dǎo)航車(Aut o mate d Guide d Vehic le,AGV),是一種融合了機械、電子、傳感器、無線通信、人工智能等先進技術(shù)的一類輪式移動機器人。它兼具感知、規(guī)劃和決策等功能,能夠?qū)崿F(xiàn)按照規(guī)定導(dǎo)引線路行駛,具有較強的抗干擾能力和目標(biāo)識別能力,在制造加工業(yè)、自動化港口碼頭、醫(yī)藥衛(wèi)生以及特殊行業(yè)有著獨特的應(yīng)用優(yōu)勢。在自動化碼頭裝卸系統(tǒng)中,它是一種負責(zé)集裝箱水平運輸?shù)娜詣影徇\工具,是實現(xiàn)堆場無人化作業(yè)的重要組成部分�？紤]到碼頭作業(yè)中的人為因素、天氣因素和人工成本,發(fā)展及開拓AGV應(yīng)用技術(shù)有助于我們提高生產(chǎn)效率和降低意外風(fēng)險。本文將圍繞四輪車式自動導(dǎo)航車的這一對象的軌跡跟蹤控制展開研究。首先,對車式自動導(dǎo)航車建立運動學(xué)模型和動力學(xué)模型,就反演法控制方法,介紹了一種新的虛擬控制量并在運動學(xué)模型的基礎(chǔ)上設(shè)計軌跡跟蹤控制器,然后運用李雅普諾穩(wěn)定性判據(jù)對該系統(tǒng)的全局一致穩(wěn)定性進行理論分析,并進行仿真實驗。其次,對蛙跳算法進行研究,針對蛙跳算法易陷入局部最優(yōu)的缺點,提出了改進的蛙跳算法(I mpro ve d S huffled Fro g Leap ing A lgor ith m,IS FLA),運用測試函數(shù)檢驗其優(yōu)化性能,并對該算法進行收斂性分析。然后將IS FLA算法應(yīng)用于車式自動導(dǎo)航車中,仿真實驗結(jié)果表明,該導(dǎo)航車對目標(biāo)軌跡的跟蹤精度有所提高。最后,將自動導(dǎo)航車的運動學(xué)模型與動力學(xué)模型相結(jié)合,在第三章研究內(nèi)容的基礎(chǔ)上,針對AGV的初始時刻誤差跳變大的問題,提出結(jié)合運動學(xué)和動力學(xué)模型的串級控制策略,其中,外環(huán)控制采用反演法來設(shè)計運動學(xué)模型的控制律,內(nèi)環(huán)控制引入滑模變結(jié)構(gòu)控制的方法來設(shè)計驅(qū)動力控制器。在設(shè)計滑模變結(jié)構(gòu)控制的控制律時,采用雙曲正切函數(shù)替代符號函數(shù),且采用模糊切換增益的方法消除滑模變結(jié)構(gòu)控制引起的系統(tǒng)抖振現(xiàn)象,以保證系統(tǒng)運行狀態(tài)平滑。仿真實驗表明,該控制策略提高了導(dǎo)航車跟蹤目標(biāo)軌跡的精度。
[Abstract]:Mobile robot is a kind of robot that was developed earlier and has been widely used in current production and life. Automatic Navigation vehicle (Aut o mate d Guide d Vehic le,AGV) is a kind of wheeled mobile robot which combines the advanced technology of machinery, electronics, sensor, wireless communication, artificial intelligence and so on. It has the functions of perception, planning and decision making, it can drive according to the prescribed guiding line, it has strong anti-interference ability and target recognition ability, and it can be used in manufacturing processing industry and automatic port wharf. Medical and health care and special industries have unique application advantages. In the automatic terminal loading and unloading system, it is a kind of automatic handling tool in charge of container horizontal transportation, which is an important part of realizing the unmanned operation of the yard. Considering the human factors, weather factors and labor cost in dock operation, the development and development of AGV application technology will help us to improve production efficiency and reduce accident risk. In this paper, the trajectory tracking control of this object of four-wheeled automatic navigation vehicle will be studied. First of all, the kinematics model and dynamic model of vehicle automatic navigation vehicle are established. A new virtual control quantity is introduced and a trajectory tracking controller is designed on the basis of kinematics model. Then the global uniform stability of the system is theoretically analyzed by using the Lyapunov stability criterion, and the simulation experiment is carried out. Secondly, this paper studies the leapfrog algorithm, aiming at the disadvantage that the leapfrog algorithm is easy to fall into local optimum, an improved leapfrog algorithm, (I mpro ve d S huffled Fro g Leap ing A lgor ith mi is FLA), is put forward to test its optimization performance by using test function. The convergence of the algorithm is analyzed. Then the IS FLA algorithm is applied to the vehicle automatic navigation vehicle. The simulation results show that the tracking accuracy of the vehicle is improved. Finally, the kinematics model and dynamic model of automatic navigation vehicle are combined. Based on the research content of chapter 3, aiming at the problem of large error jump in the initial moment of AGV, a cascade control strategy combining kinematics and dynamics model is proposed. The outer loop control uses the inverse method to design the control law of the kinematics model, and the inner loop control introduces the sliding mode variable structure control method to design the driving force controller. In the design of the control law of sliding mode variable structure control, the hyperbolic tangent function is used to replace the symbol function, and the fuzzy switching gain is used to eliminate the chattering phenomenon caused by sliding mode variable structure control, so as to ensure the smooth running state of the system. The simulation results show that the control strategy improves the precision of tracking the target.
【學(xué)位授予單位】：上海電機學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP242

【參考文獻】

相關(guān)期刊論文 前10條

1 李殿起;段勇;;用跟蹤微分器實現(xiàn)機器人自抗擾控制[J];兵工學(xué)報;2016年09期

2 劉卉;張廣明;歐陽慧珉;;基于模型預(yù)測控制的軌跡跟蹤算法研究[J];控制工程;2016年S1期

3 陳罡;孟靜;高曉丁;劉俊杰;;基于Backstepping方法的移動機器人路徑跟蹤問題研究[J];測控技術(shù);2016年08期

4 朱龍英;赫建立;蘇磊;成磊;陸寶發(fā);;基于動力學(xué)特性的機器人自適應(yīng)魯棒控制算法研究[J];中國農(nóng)機化學(xué)報;2016年04期

5 朱贏鵬;潘聰華;謝怡杰;張夏良;王健;;基于BP神經(jīng)網(wǎng)絡(luò)PID的四輪智能車循跡控制仿真研究[J];汽車零部件;2016年02期

6 楊興明;李文靜;朱建;;基于RBF神經(jīng)網(wǎng)絡(luò)的機器人的路徑跟蹤控制[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2015年11期

7 劉子龍;胡少凱;劉潔;王亞剛;;非完整移動機器人在線辨識級聯(lián)路徑跟隨控制[J];系統(tǒng)仿真學(xué)報;2015年11期

8 陳罡;高婷婷;賈慶偉;周奇才;黃江帥;王薇;;帶有未知參數(shù)和有界干擾的移動機器人軌跡跟蹤控制[J];控制理論與應(yīng)用;2015年04期

9 熊中剛;葉振環(huán);賀娟;陳連貴;令狐金卿;;基于免疫模糊PID的小型農(nóng)業(yè)機械路徑智能跟蹤控制[J];機器人;2015年02期

10 馬魯;陳國初;王海群;;蛙跳算法及其在函數(shù)優(yōu)化中的應(yīng)用[J];上海電機學(xué)院學(xué)報;2014年02期

相關(guān)博士學(xué)位論文 前4條

1 王建彬;四輪全向移動機器人的運動控制與運動規(guī)劃研究[D];廣東工業(yè)大學(xué);2014年

2 葉錦華;不確定非完整輪式移動機器人的運動控制研究[D];華南理工大學(xué);2013年

3 柳向斌;非線性系統(tǒng)控制的魯棒與自適應(yīng)設(shè)計方法[D];浙江大學(xué);2009年

4 崔志華;微粒群算法的性能分析與優(yōu)化[D];西安交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 章植棟;AGV視覺導(dǎo)航技術(shù)與路徑規(guī)劃[D];長安大學(xué);2013年

2 唐飛云;自主導(dǎo)航車軌跡跟蹤控制方法研究[D];大連理工大學(xué);2012年

3 張燕;基于神經(jīng)網(wǎng)絡(luò)的移動機器人軌跡跟蹤控制[D];燕山大學(xué);2010年

4 周紅莉;基于神經(jīng)網(wǎng)絡(luò)的移動機器人控制研究[D];蘭州理工大學(xué);2006年

5 魏曉濤;AGV移動機構(gòu)控制研究[D];哈爾濱工程大學(xué);2004年

6 張智勇;AGV地面系統(tǒng)設(shè)計及開發(fā)[D];西北工業(yè)大學(xué);2002年

，

本文編號：2354147