劉甘霖　戚學(xué)江　沈玲　左是

摘 要： 本文針對AGV自動導(dǎo)引小車高速過彎運行時穩(wěn)定性較差，對其進(jìn)行建立數(shù)學(xué)模型，采用神經(jīng)網(wǎng)絡(luò)補償控制方法，使用matlab進(jìn)行仿真，仿真結(jié)果表明，基于神經(jīng)網(wǎng)絡(luò)補償控制方法在AGV高速行駛過程中的超調(diào)量、調(diào)節(jié)時間、穩(wěn)態(tài)性能表現(xiàn)較好，具有進(jìn)一步實際應(yīng)用研究的意義。

關(guān)鍵詞： AGV；神經(jīng)網(wǎng)絡(luò)；穩(wěn)定性；MATLAB

中圖分類號： TP29 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-8153（2018）03-0066-04

0 引言

自動導(dǎo)引小車（Automated Guided Vehicle，AGV），是指裝備有電磁或光學(xué)等自動導(dǎo)引裝置，以智能控制器為核心，通常使用蓄電池提供動力，能夠沿預(yù)先設(shè)定的路徑行駛，具有安全保護(hù)以及各種移載功能的運輸車[1-2]。針對汽車零部件生產(chǎn)企業(yè)中廣泛使用的超低潛伏式AGV在高速過彎運行時的穩(wěn)定性較差，本文擬對其進(jìn)行數(shù)學(xué)建模，采用神經(jīng)網(wǎng)絡(luò)補償算法以提高穩(wěn)定性，使用MATLAB進(jìn)行仿真，驗證神經(jīng)網(wǎng)絡(luò)補償算法對AGV高速過彎時穩(wěn)定性的有效性，仿真結(jié)果表明將神經(jīng)網(wǎng)絡(luò)補償算法用于控制兩輪差速驅(qū)動AGV上具有較好的高速過彎穩(wěn)定性，適合應(yīng)用于提升汽車零部件生產(chǎn)企業(yè)生產(chǎn)效率。

1 超低潛伏式AGV系統(tǒng)結(jié)構(gòu)及運動學(xué)分析

本文控制對象為現(xiàn)代物流業(yè)以及汽車制造業(yè)廣泛使用的一種超低潛伏式AGV，牽引能力小于200 KG，采用位于車體中間靠前兩輪差速驅(qū)動方式驅(qū)動，前后輪為從動萬向輪。兩輪差速驅(qū)動AGV運動學(xué)結(jié)構(gòu)簡圖如圖1所示。

2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)補償?shù)腜D算法

2.1 問題描述

對于二階非線性系統(tǒng)

由K的選取，可得t？邛∞時e（t）？邛0， （t）？邛0，即系統(tǒng)的輸出y及其導(dǎo)數(shù)漸進(jìn)地收斂于理想輸出yd及其導(dǎo)數(shù)。若非線性函數(shù)非f（x）是已知的，則可以選擇控制u來消除其非線性的性質(zhì)，再根據(jù)控制理論設(shè)計控制器[4]。但本文研究對象f（x）是未知的，控制式（11）很難實現(xiàn)。故采用神經(jīng)網(wǎng)絡(luò)系統(tǒng)代替f（x），實現(xiàn)自適應(yīng)神經(jīng)網(wǎng)絡(luò)補償。

2.2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計與分析

采用神經(jīng)網(wǎng)絡(luò)逼近f，設(shè)計基于前饋加補償?shù)腜D控制律，式（11）變?yōu)?/p>

式中，h（x）為神經(jīng)網(wǎng)絡(luò)高斯基函數(shù)，神經(jīng)網(wǎng)絡(luò)權(quán)值 根據(jù)自適應(yīng)律而變化[5-6]。

設(shè)計自適應(yīng)律為：

3 仿真分析

因AGV高速運行中主要動態(tài)指標(biāo)在過彎中選取，需要過彎時有良好的動態(tài)性能，取被控對象的動態(tài)方程如下：

其中x1為轉(zhuǎn)彎角度，x2為轉(zhuǎn)彎速度，？駐m為AGV重量，仿真中取？駐m=25 KG；a為轉(zhuǎn)彎加速度，仿真中取a=10 m/s2；r為轉(zhuǎn)彎半徑，仿真中取r=0.5 m；u為控制輸入。

為了使仿真更加貼近AGV實際工作情況，取轉(zhuǎn)彎角度指令為連續(xù)三角函數(shù)yd=0.1sint；AGV初始狀態(tài)為[？仔/60，0]。采用基本的RBF結(jié)構(gòu)，其中在RBF結(jié)構(gòu)中取C=-0.2 -0.1 0 0 0.1 0.2-0.2 -0.1

采用控制律（13），自適應(yīng)律?。?5），取Q=500 0 0 500，kd=20

kp=10，自適應(yīng)參數(shù)??？酌=100.Simulink系統(tǒng)仿真圖、 f（x）與 （x）的變化、角度和角速度跟蹤仿真結(jié)果分別如圖2、圖3、圖4所示。

仿真結(jié)果表明，在高速過彎運行時具有良好的狀態(tài)跟蹤性能。

4 結(jié)束語

神經(jīng)網(wǎng)絡(luò)補償?shù)腜D控制在AGV高速運行時的應(yīng)用較少，本文通過對神經(jīng)網(wǎng)絡(luò)補償算法進(jìn)行分析，通過matlab仿真驗證了神經(jīng)網(wǎng)絡(luò)補償?shù)腜D控制可以運用在AGV控制上，尤其是在高速運行下的控制，仿真結(jié)果表明其收斂速度較快，幾乎無超調(diào)量，穩(wěn)態(tài)性能能夠滿足AGV正常運行。這對后續(xù)將神經(jīng)網(wǎng)絡(luò)補償?shù)腜D控制算法應(yīng)用在高速AGV運動控制上有一定的借鑒意義。

[參考文獻(xiàn)]

[1]王皖君，張為公.自動導(dǎo)引車導(dǎo)引技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J].傳感器與微系統(tǒng)，2009，28（12）：5-7+10.

[2]陳順平，梅德慶，陳子辰.激光導(dǎo)引AGV的自動引導(dǎo)系統(tǒng)設(shè)計[J].工程設(shè)計學(xué)報，2003（05）：279-282.

[3]趙晨宇，陳息坤.差速轉(zhuǎn)向農(nóng)業(yè)專用AGV小車的設(shè)計與模糊控制研究[J].農(nóng)機化研究，2016（11）：123-124.

[4]劉金琨.先進(jìn)PID控制及其MATLAB仿真[M].北京：電子工業(yè)出版社，2004：320-323.

[5]楊 麗，趙 偉，劉建業(yè).基于小波神經(jīng)網(wǎng)絡(luò)的陀螺漂移預(yù)測研究[J].導(dǎo)航與控制，2010（02）：36-41.

[6]嚴(yán)聰聰，徐凱琳，張建昆，張林軍，劉加強，劉 強，李倩囡.基于改進(jìn)的粒子群算法的活性污泥神經(jīng)網(wǎng)絡(luò)控制模型[J].給水排水，2018（01）：130-136.