AGV小车控制系统的循迹算法入门

由于近两年机器人市场大跃进的发展，AGV小车就是轮式移动机器人的典型应用，众多企业或个人摩拳擦掌参与其中。科技作为专注AGV机器人的研发企业，多年的研发制造经验积累大量创新性的核心技术。不免引来小部分希望通过非正常途径获得这些技术，通过百度搜索不难发现种种搞笑的仿制品（/）这让我们非常尴尬。下面为了满足部分学生或爱好者需要，我们浅谈一下AGV小车控制系统的循迹算法（入门级）

因为AGV小车对控制器的实时性、精确性和鲁棒性要求很高，而且包含各种机械装置、传感器、计算机等非线性复杂的系统，对其建立数学模型很困难，而基于经验知识的模糊逻辑控制器不需要精确的数学模型且控制的鲁棒性比较好，所以用模糊逻辑进行控制是目前行之有效的办法。

AGV驱动转向形式主要有舵轮控制和差速控制两种，下面我们主要针对最灵活性最强的差速控制的AGV进行分析：差速控制的AGV是指有两个可变速驱动能力的电机带动车轮转动，再辅以万向轮以辅助调整方向的控制形式。磁导航传感器偏离磁条中心线的偏移量，通过偏移角度，分别通过导向偏差信号来调整两电机的转速，从而达到纠正AGV小车的行驶姿态．对于经济型AGV小车的循迹装置大多数采用磁条导航或色带导航。

 

AGV的路径判别是利用首先测得路径临界区域的色带所在传感器的位置进行判定驱动方向，以通过的中心线为原点建立坐标系，理论上讲，为了可靠性只要有两点数值即可通过差速进行路径跟踪。(确定路径标线在坐标系中的位置偏差参数(e)和方向角参数(a)，)，e=nr，d= arctan(a／b)，这两个参数可作为控制系统的输入量，以控制AGV对运行路径的跟踪．)

为简化建立模型采用模糊控制的方法，系 由模糊决策系统与模糊控制组成，模糊决策系统包括模糊化、模糊推理、模糊判决；控制系 统包括模糊化模糊比较器、模糊控制器以及执行机构． 采用双变量二维控制方法，对于本系统2个输入量(偏距玩与偏角E)和两个输出量 (线速度 与 角速度 )处理过程为3个环节。

由路径判别得出的中心偏距d和偏角r作为模糊处理的基本输入变量．基本输入量乘以量化 系数忌取整后可得量化等级．取模糊论域为[一3， 3]，将模糊变量量化为7个等级即{一3，一2， 一1，0，1，2，3}．依据隶属度函数将量化等级表示 为7个模糊子集，采用模糊变量赋值表．将模糊变 量用符号表示为PB、PM、PS、O、Ns、NM、NB，对应 为正大、正中、正小、零、负小、负中、负大．使用时根据输入值的最大隶属度判断模糊等级对应的模糊子集。

 

控制量的模糊化．控制量为速度控制的两个分量向前速度v、角速度w．这里采用v∈V与v∈W两个控制量来表示，角速度w的模糊子集记为PB、PM、Ps、O、NS、NM、，NB，其含义同输入变量，因不需后退，前线速度v采用模糊子集记为PVB、PB、PM、PS、PVS、O对应于很大速度、较 大速度、中速、低速、很地速、零速度。根据控制规则及相应的控制变量隶属度定义，可得模糊关系R，表达为表的形式以方便 AGV在实时控制时查询从而获得控制量。