【摘要】：在當今大數(shù)據(jù)、人工智能的時代背景下,生產(chǎn)效率得到極大提升,生產(chǎn)車間也由傳統(tǒng)的自動化,經(jīng)數(shù)字化,逐步向智能化發(fā)展,作為實現(xiàn)智能化的關鍵設備---自動導航車AGV(Automated Guided Vehicle)的廣泛應用勢在必行。目前,AGV大都以電池作為動力源,采用電驅(qū)動的方式,受行駛工況要求和電池充放電特性的影響,小車的續(xù)駛里程受到限制,其工作效率得不到“質(zhì)”的提升,進而限制了企業(yè)的生產(chǎn)效率。因此,研究提升小車能量利用率及其續(xù)駛里程的方法,具有重要意義。本文以四輪驅(qū)動的AGV作為研究對象,結(jié)合再生制動技術,設計了適用于AGV的制動力分配策略。首先,利用ADVISOR和MATLAB/Simulink軟件建立了AGV的電機、電池以及整車控制器模型,并在ADVISOR軟件中對小車動力性能進行了仿真,同時,對AGV的加速度、續(xù)駛里程等數(shù)據(jù)進行了實車測試,將仿真結(jié)果與實車測試結(jié)果進行對比,驗證了所建立的AGV模型的有效性。其次,設計了AGV的再生制動系統(tǒng),對制動過程中的能量傳遞以及影響能量回收的因素進行了分析,研究小車在理想制動情況下和符合ECE(European Economic Commission)法規(guī)條件下的制動力分配情況;然后,對典型的制動力分配策略進行了研究,在此基礎上設計了基于模糊控制的制動力分配策略,并利用MATLAB/Simulink軟件搭建了控制策略的仿真模型。隨后確定了能量回收的評價指標,并根據(jù)AGV急起急停的運行特點設計了三種行駛工況�；贏DVISOR軟件對比分析模糊控制策略和傳統(tǒng)線性控制策略對能量回收的影響,結(jié)果顯示,與傳統(tǒng)線性控制策略相比,在模糊控制策略的控制下,能量回饋率最高可提升54.79%,電池SOC(State of Charge)最大可提高21.25%,續(xù)駛里程最大提升約10.8公里,表明了本文設計的制動力分配策略的優(yōu)異性,同時對能量回收過程中的電流進行了監(jiān)測,保證制動過程中充電的安全性。最后,根據(jù)模糊控制器設計過程中的不足,利用遺傳算法對其隸屬度函數(shù)和模糊規(guī)則進行了優(yōu)化設計,并根據(jù)優(yōu)化結(jié)果重新建立了模糊控制器,在ADVISOR軟件中對優(yōu)化后的控制策略仿真分析,結(jié)果顯示,相比優(yōu)化前的控制策略,電池SOC最大提升11.73%,續(xù)駛里程最大可提升2.6km。從結(jié)果來看,本文設計的制動力分配策略與線性制動力分配策略相比,能夠有效提高小車制動過程中的能量回收,提升小車的續(xù)駛里程。
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP273;TP23
【圖文】：

華 中 科 技 大 學 碩 士 學 位 論 文與傳統(tǒng)的物料搬運系統(tǒng)相比，AGV 的應用帶來了許多好處，包括高靈活性、高效的空間利用率、高的車間安全性，以及與柔性制造系統(tǒng)的其他設備方便高效的通信[6][7]。AGV的應用場景包括汽車生產(chǎn)廠、半導體制造車間、柔性制造系統(tǒng)和海港集裝箱碼頭。AGV的用途主要包括三個方面[8]：（1）在自動化倉庫或車間、碼頭等地方進行物料的搬運工作，如在自動化倉庫中，對進出庫的物品進行搬運，以提高作業(yè)效率；（2）在特殊環(huán)境或危險環(huán)境中代替人工作業(yè)，以避免危險發(fā)生；（3）作為移動工作臺，直接在 AGV移動平臺上對零部件進行組裝。如圖 1-1 所示，展示了 AGV 在不同場景中的應用。

好的結(jié)合了兩者的優(yōu)點，使仿真計算量小、運算速度快，又保證了仿真結(jié)果的精度在仿真計算時，先進行后向仿真，然后進行前向仿真。前向仿真依賴于駕駛員模型在計算車速時不僅考慮需求車速，而且還考慮當前車速。前向仿真計算量比較大，真速度較低，但是仿真精度較高。后向仿真不依賴于駕駛員模型，計算速度高，但仿真所用的參數(shù)都是在車輛穩(wěn)態(tài)條件下測量得到的，仿真結(jié)果不能反映車輛的實際駛情況。前后向仿真示意圖如圖 2-2、2-3 所示，ADVISOR 軟件參數(shù)輸入界面如圖 2所示。利用 ADVISOR 軟件可以快速建立車輛模型，并設置電池參數(shù)、電機類型、輪參數(shù)、車輛阻力、循環(huán)工況等。駕駛員模型 主控制器電機模型電池模型傳動系統(tǒng)圖 2-2 前向仿真循環(huán)工況 傳動系統(tǒng) 電機模型電池模型主控制器圖 2-3 后向仿真

【參考文獻】

相關期刊論文 前1條

1 戴勇;;基于物聯(lián)網(wǎng)技術的智能工廠應用示范[J];無線互聯(lián)科技;2015年18期

相關博士學位論文 前1條

1 林輝;輪轂電機驅(qū)動電動汽車聯(lián)合制動的模糊自整定PID控制方法研究[D];吉林大學;2013年

相關碩士學位論文 前10條

1 甘天宇;自尋跡機器人小車的設計與關鍵技術研究[D];吉林大學;2017年

2 李晶;基于ROS的AGV自動導航控制系統(tǒng)開發(fā)[D];華中科技大學;2017年

3 張亮;純電動汽車再生制動能量回收與控制策略研究[D];長沙理工大學;2017年

4 張磊;基于遺傳算法優(yōu)化的水下機器人路徑跟蹤模糊控制技術研究[D];浙江大學;2017年

5 劉煦;純電動汽車再生制動控制策略研究[D];電子科技大學;2015年

6 高建東;SG2300巷道式倉儲中心智能搬運AGV小車研制[D];內(nèi)蒙古工業(yè)大學;2015年

7 孫旭;輪轂電機驅(qū)動汽車復合制動動力學分析及控制[D];吉林大學;2014年

8 劉朋飛;智能AGV視覺導航控制系統(tǒng)研究及應用[D];華南理工大學;2013年

9 李蓬;輕度混合動力電動汽車制動能量回收控制策略仿真[D];清華大學;2005年

10 劉博;基于純電動汽車的制動能量回收系統(tǒng)的研究與實現(xiàn)[D];清華大學;2004年

本文編號：2713848