過金超 王普杰 曹宏 陳進(jìn)陽

關(guān)鍵詞：自抗擾控制;3C視覺導(dǎo)航;重載AGV;導(dǎo)航精度

摘要：針對(duì)當(dāng)前視覺導(dǎo)航重載AGV系統(tǒng)色帶引導(dǎo)、掃碼定位方式所存在的路徑鋪設(shè)復(fù)雜、色帶易受環(huán)境干擾等問題，設(shè)計(jì)了基于自抗擾控制（ADRC）的3C視覺導(dǎo)航重載AGV系統(tǒng).該設(shè)計(jì)采用3個(gè)獨(dú)立高速單目相機(jī)對(duì)AGV結(jié)構(gòu)進(jìn)行改進(jìn)，以實(shí)現(xiàn)無色帶引導(dǎo)，用相機(jī)掃描地面站點(diǎn)的數(shù)據(jù)矩陣碼信息，將得到的圖像偏差信息傳遞給控制器，經(jīng)過ADRC實(shí)時(shí)調(diào)整AGV運(yùn)行軌跡，實(shí)現(xiàn)重載AGV導(dǎo)航定位.仿真與實(shí)際應(yīng)用結(jié)果表明，該系統(tǒng)運(yùn)行穩(wěn)定且靈活，AGV響應(yīng)速度快，能有效實(shí)現(xiàn)軌跡的實(shí)時(shí)跟蹤且導(dǎo)航精度明顯提高，最大導(dǎo)航誤差絕對(duì)值小于8 mm，最大偏移角絕對(duì)值小于1°.

Abstract：Aiming at the problems of the current visual navigation heavy load AGV system using load color band guidance and scanning code positioning， such as complex path laying and color band susceptible to environmental interference， the 3C visual navigation heavy load AGV system based on auto disturbance rejection control（ADRC） was designed. In this design， three independent high-speed monocular cameras were used to improve the structure of AGV， so as to realize the navigation without color band. Cameras were used to scan the data matrix code information of the ground station， and the scanned image deviation information was transmitted to the controller. Through ADRC real-time adjustment of AGV moving track， it realized the navigation and positioning of heavy load AGV. The results of simulation and practical application showed that the system was stable and flexible， AGV had fast response speed， and it could effectively track the trajectory in real time and improve the navigation accuracy. The absolute value of the maximum navigation error was less than 8 mm， and the absolute value of the maximum offset angle was less than 1°.

0 引言

自動(dòng)導(dǎo)引車AGV （automated guided vehicle） 是指以各類電、磁、聲、光傳感器為自動(dòng)導(dǎo)引裝置，能夠按照預(yù)設(shè)導(dǎo)引路徑行駛的無人駕駛運(yùn)輸車[1].隨著智慧工廠與智能物流的不斷發(fā)展，重載AGV有望成為智慧倉儲(chǔ)物流系統(tǒng)的關(guān)鍵角色，實(shí)現(xiàn)各生產(chǎn)環(huán)節(jié)物料的自動(dòng)運(yùn)輸，保證整個(gè)生產(chǎn)線高效運(yùn)行[2-3].

AGV的導(dǎo)航定位精度和路徑調(diào)整能力是制約其在工業(yè)領(lǐng)域推廣應(yīng)用的瓶頸[4].當(dāng)前的導(dǎo)航方式主要有磁導(dǎo)航[5-6]、慣性導(dǎo)航[7]、激光導(dǎo)航[8]、視覺導(dǎo)航[9]等.磁導(dǎo)航運(yùn)用電磁感應(yīng)原理，其導(dǎo)航元件多種多樣，如地標(biāo)磁釘[5]、電渦流線圈和射頻器件[6]等，雖然磁導(dǎo)航在AGV行業(yè)中應(yīng)用廣泛，但其鋪設(shè)成本較高，不便于后期維護(hù)與調(diào)整，難以滿足現(xiàn)代化柔性生產(chǎn)過程中的重載轉(zhuǎn)運(yùn)需求;慣性導(dǎo)航技術(shù)定位準(zhǔn)確性高，靈活性強(qiáng)，但對(duì)控制算法的要求較高且容易受周圍環(huán)境的影響;激光導(dǎo)航需在AGV行駛路徑的周圍安裝激光反射板，對(duì)安裝角度和位置都有非常精確的要求，成本較高，且易受環(huán)境干擾，不適合環(huán)境復(fù)雜的工廠環(huán)境;視覺導(dǎo)航利用圖像處理技術(shù)進(jìn)行導(dǎo)航，應(yīng)用于工業(yè)重載AGV經(jīng)濟(jì)成本低、實(shí)用性強(qiáng)，但傳統(tǒng)的視覺導(dǎo)航方式大多采用色帶引導(dǎo)、掃碼定位方式，在實(shí)際應(yīng)用中存在路徑鋪設(shè)復(fù)雜、色帶易受環(huán)境干擾等問題.

在實(shí)際運(yùn)行過程中，AGV的運(yùn)行軌跡容易因非線性因素和系統(tǒng)內(nèi)、外部擾動(dòng)影響而出現(xiàn)偏差.為了提高AGV系統(tǒng)控制精度，文獻(xiàn)[10]將PID與模糊控制相結(jié)合，采用模糊規(guī)則對(duì)PID控制參數(shù)進(jìn)行在線調(diào)整，雖然系統(tǒng)具有一定的魯棒性，但對(duì)復(fù)雜多變的應(yīng)用環(huán)境適應(yīng)性較差.文獻(xiàn)[11]提出的自適應(yīng)反演滑?？刂品椒ㄊ瓜到y(tǒng)響應(yīng)更快，魯棒性更強(qiáng)，且具有良好的瞬時(shí)性能，但用于重載AGV易出現(xiàn)抖振現(xiàn)象，直接影響控制效果.自抗擾控制ADRC（active disturbance rejection control）技術(shù)在PID控制基礎(chǔ)上，將非線性因素和系統(tǒng)內(nèi)、外部擾動(dòng)視為總擾動(dòng)，通過構(gòu)造擴(kuò)張狀態(tài)觀測(cè)器對(duì)總擾動(dòng)進(jìn)行實(shí)時(shí)估計(jì)與補(bǔ)償，消除各種不確定因素的影響[12]，具有控制參數(shù)少、收斂速度快、誤差補(bǔ)償效果好等優(yōu)點(diǎn).

基于此，本文擬采用3個(gè)獨(dú)立高速單目相機(jī)，對(duì)基于色帶引導(dǎo)和掃碼定位的傳統(tǒng)視覺導(dǎo)航方式重載AGV結(jié)構(gòu)進(jìn)行改進(jìn)，在AGV控制系統(tǒng)中采用ADRC控制策略對(duì)擾動(dòng)進(jìn)行實(shí)時(shí)補(bǔ)償，以期提高AGV的運(yùn)動(dòng)靈活性和導(dǎo)航精度.

1 系統(tǒng)設(shè)計(jì)

AGV運(yùn)行時(shí)的導(dǎo)航靈活性和精度是評(píng)價(jià)其系統(tǒng)性能的關(guān)鍵因素.導(dǎo)航的靈活性與導(dǎo)航方式和AGV結(jié)構(gòu)有關(guān)，導(dǎo)航精度與AGV控制算法有直接聯(lián)系.本文對(duì)采用傳統(tǒng)視覺導(dǎo)航方式的重載AGV結(jié)構(gòu)進(jìn)行改進(jìn)，將色帶引導(dǎo)和掃碼定位導(dǎo)航中的1個(gè)或2個(gè)單目高速相機(jī)改為3個(gè)獨(dú)立單目高速相機(jī)（3C），且對(duì)其鋪設(shè)方式進(jìn)行優(yōu)化，改進(jìn)后的AGV無需色帶引導(dǎo)，只需掃碼就可以實(shí)現(xiàn)導(dǎo)航，AGV運(yùn)行靈活.在AGV控制算法上，采用ADRC策略對(duì)擾動(dòng)進(jìn)行實(shí)時(shí)補(bǔ)償，以消除各種不確定因素的影響，使AGV運(yùn)行穩(wěn)定、快速響應(yīng)，能適用于復(fù)雜車間環(huán)境.

經(jīng)過改進(jìn)的3C視覺導(dǎo)航重載AGV結(jié)構(gòu)如圖1所示，其中AGV中心軸①—③位置安裝高速單目視覺相機(jī)，且相機(jī)1與相機(jī)2之間的中心距離和相機(jī)2與相機(jī)3之間的中心距離相等.相機(jī)采用PGV光學(xué)相機(jī)，通過雙舵輪驅(qū)動(dòng)設(shè)計(jì)，可實(shí)現(xiàn)原地360°轉(zhuǎn)彎;為避免沖突，在④—⑦位置上安裝激光避障雷達(dá).

AGV控制系統(tǒng)結(jié)構(gòu)如圖2所示，主要由電池管理模塊、避障模塊、3C視覺導(dǎo)航模塊、伺服驅(qū)動(dòng)與轉(zhuǎn)向模塊、車載控制模塊和上位機(jī)控制模塊等組成.控制系統(tǒng)采用分布式控制，由兩級(jí)微機(jī)組成，車載控制模塊采用西門子S7-1200PLC，上位機(jī)控制模塊采用工控機(jī)，既可以實(shí)現(xiàn)單AGV獨(dú)立運(yùn)行，又可以實(shí)現(xiàn)多AGV同時(shí)運(yùn)行.

1.1 3C視覺導(dǎo)航設(shè)計(jì)

根據(jù)改進(jìn)后AGV上3個(gè)相機(jī)分布的結(jié)構(gòu)特點(diǎn)，設(shè)計(jì)數(shù)據(jù)矩陣碼的鋪設(shè)方式，相鄰兩個(gè)數(shù)據(jù)矩陣碼之間的中心距離與兩個(gè)相機(jī)之間中心距離相等.AGV導(dǎo)航示意圖見圖3，其中編號(hào)5—8是鋪設(shè)在地面上的數(shù)據(jù)矩陣碼.當(dāng)AGV從站點(diǎn)5運(yùn)動(dòng)到站點(diǎn)6時(shí)，AGV運(yùn)行分為兩步：1）相機(jī)1與相機(jī)3同時(shí)分別掃描站點(diǎn)6與站點(diǎn)5的信息，AGV減速運(yùn)行;2）當(dāng)相機(jī)2中心位置與站點(diǎn)6中心位置坐標(biāo)重合時(shí)，AGV停止.在行進(jìn)過程中，AGV難免會(huì)出現(xiàn)軌跡誤差，因此為保證AGV軌跡出現(xiàn)誤差后能及時(shí)進(jìn)行修正，3個(gè)獨(dú)立相機(jī)在站點(diǎn)間運(yùn)行時(shí)（即從矩陣碼進(jìn)入掃描區(qū)到離開掃描區(qū)），不斷掃描站點(diǎn)誤差，并將掃描誤差信息實(shí)時(shí)傳遞給上位機(jī).上位機(jī)控制算法對(duì)其軌跡進(jìn)行修正并下發(fā)給AGV進(jìn)行軌跡跟蹤，從而實(shí)現(xiàn)AGV導(dǎo)航.

視覺相機(jī)在AGV中軸線上，AGV偏移量由數(shù)據(jù)矩陣碼偏差值和偏移角度組成.在AGV運(yùn)行過程中，相機(jī)在某時(shí)刻掃描某數(shù)據(jù)矩陣碼時(shí)偏差和偏移角度如圖4所示.圖4以相機(jī)讀取區(qū)域建立局部坐標(biāo)系，以工作車間建立全局坐標(biāo);由1，2，3，4組成的正方形區(qū)域是數(shù)據(jù)矩陣碼，偏差角是α0.在AGV運(yùn)行過程中，只要有一個(gè)相機(jī)掃描到數(shù)據(jù)矩陣碼，前、后舵輪就會(huì)同時(shí)自動(dòng)地進(jìn)行誤差修正，這種修正方式較靈活，運(yùn)算量較小.

全局坐標(biāo)下相機(jī)讀取區(qū)域中心位姿為O（x0′，y0′，α0′），將其轉(zhuǎn)化為AGV偏差位姿O（x0，y0，α0）.數(shù)據(jù)矩陣碼中心位姿為O′（xr′，yr′，αr′），將其轉(zhuǎn)化為AGV期望位姿O′（xr，yr，αr）.AGV期望軌跡運(yùn)動(dòng)學(xué)模型為

1.2 ADRC跟蹤器設(shè)計(jì)

在AGV系統(tǒng)中，ADRC是用于上位機(jī)控制模塊的控制算法.通過3C視覺導(dǎo)航采集的坐標(biāo)信息傳遞給上位機(jī)，經(jīng)過上位機(jī)中的ADRC跟蹤器進(jìn)行修正，將修正后的坐標(biāo)指令下發(fā)給PLC，再通過PLC對(duì)AGV進(jìn)行控制.

1.2.1 ADRC數(shù)學(xué)模型 ADRC跟蹤器主要包含微分跟蹤器、擴(kuò)張狀態(tài)觀察器和誤差反饋系統(tǒng).微分跟蹤器（TD）線性狀態(tài)方程為

2 仿真結(jié)果與分析

為了驗(yàn)證本文設(shè)計(jì)的基于ADRC的3C視覺導(dǎo)航重載AGV系統(tǒng)的性能，以Matlab為平臺(tái)進(jìn)行仿真.設(shè)定AGV速度為1 m/s，ADRC控制參數(shù)r0=10，b0=1，w=10，β01=30，β02=300，β03=1000，k1=5，k2=3.圓形軌跡和直線軌跡跟蹤曲線與位姿誤差曲線分別如圖6和圖7所示，圖中軌跡跟蹤曲線橫、縱坐標(biāo)表示AGV在全局坐標(biāo)下的軌跡位置;位姿誤差曲線橫坐標(biāo).

3 實(shí)際應(yīng)用結(jié)果與分析

為了驗(yàn)證本文基于ADRC的3C視覺導(dǎo)航重載AGV系統(tǒng)在實(shí)際應(yīng)用中的運(yùn)行情況，在現(xiàn)場(chǎng)進(jìn)行了實(shí)際運(yùn)行測(cè)試.供測(cè)試用的AGV 的長(zhǎng)度為1.8 m，車上安裝的兩個(gè)相鄰相機(jī)之間中心位置距離為0.75 m，因此鋪設(shè)在地面上的相鄰兩個(gè)數(shù)據(jù)矩陣碼之間的中心距離也為0.75 m.設(shè)置的直線路徑中，路徑長(zhǎng)15 m，共鋪設(shè)22個(gè)數(shù)據(jù)矩陣碼，為進(jìn)一步測(cè)試其轉(zhuǎn)彎性能，在路徑中的起始位置進(jìn)行原地零半徑轉(zhuǎn)彎.在 0.5 m/s，1.0 m/s，1.5 m/s，2.0 m/s，2.5 m/s和3.0 m/s速度下，分別記錄AGV前進(jìn)（后退）、原地左轉(zhuǎn)（右轉(zhuǎn)）時(shí)的最大導(dǎo)航誤差和最大偏差角，重復(fù)進(jìn)行50次，然后取平均值，結(jié)果見表1和表2.

由表1和表2可知，在實(shí)際運(yùn)行中，直行時(shí)最大導(dǎo)航誤差為7.44 mm，最大偏移角為0.89°;原地90°轉(zhuǎn)彎時(shí)，最大導(dǎo)航誤差為 7.21 mm，最大偏移角為0.92°.該結(jié)果與仿真結(jié)果中的理想精度有一定差距，這與實(shí)際的地面平整度、光滑度、AGV車體的制造工藝等因素有關(guān).由此可知，基于ADRC的3C視覺導(dǎo)航重載AGV系統(tǒng)最大導(dǎo)航誤差絕對(duì)值小于8 mm，最大偏移角絕對(duì)值小于1°.此系統(tǒng)導(dǎo)航方式簡(jiǎn)單，數(shù)據(jù)矩陣碼鋪設(shè)便利，導(dǎo)航精度高，AGV運(yùn)行穩(wěn)定且靈活.

4 結(jié)語

本文對(duì)基于色帶引導(dǎo)和掃碼定位的傳統(tǒng)視覺導(dǎo)航方式重載AGV結(jié)構(gòu)進(jìn)行了改進(jìn)，設(shè)計(jì)了基于ADRC的3C視覺導(dǎo)航重載AGV系統(tǒng).該設(shè)計(jì)采用3個(gè)獨(dú)立單目相機(jī)，無需色帶引導(dǎo)，只需鋪設(shè)數(shù)據(jù)矩陣碼即可實(shí)現(xiàn)導(dǎo)航，在導(dǎo)航控制算法中采用ADRC以有效消除各種外界干擾.仿真與實(shí)際應(yīng)用結(jié)果表明，AGV運(yùn)行穩(wěn)定、靈活，響應(yīng)速度快，最大導(dǎo)航誤差絕對(duì)值小于 8 mm，最大偏移角絕對(duì)值小于1°，在復(fù)雜車間環(huán)境下可實(shí)現(xiàn)軌跡的實(shí)時(shí)跟蹤，性能高于同類產(chǎn)品且制造成本低，具有較高的工程實(shí)用價(jià)值.

在該研究成果的基礎(chǔ)上，下一步將在ADRC控制中引入人工智能算法，利用智能算法自動(dòng)調(diào)節(jié)ADRC中需要設(shè)置的常數(shù)參數(shù)，將其變成動(dòng)態(tài)調(diào)整變量，進(jìn)一步提高ADRC收斂速度，減少所需參數(shù)設(shè)置，進(jìn)而提高 AGV運(yùn)行響應(yīng)速度.

參考文獻(xiàn)：

[1] BACIK J，DUROVSK YF，BIR0S M，et al.Path-finder-development of automated guided vehicle for hospital logistics [J].IEEE Access，2017，5：26892.

[2] 過金超，趙海洋，蔣正柯，等.雙向重載智能自主導(dǎo)航車系統(tǒng)設(shè)計(jì)[J].輕工學(xué)報(bào)，2017，32（2）：97.

[3] 高瑜，過金超，崔光照.一種改進(jìn)的多機(jī)器人路徑規(guī)劃自適應(yīng)人工勢(shì)場(chǎng)法[J].鄭州輕工業(yè)學(xué)院學(xué)報(bào)（自然科學(xué)版），2013，28（6）：77.

[4] 肖獻(xiàn)強(qiáng)，程亞兵，王家恩.基于慣性和視覺復(fù)合導(dǎo)航的AGV研究與設(shè)計(jì)[J].中國(guó)機(jī)械工程，2019，30（22）：1.

[5] LEE S Y，YANG H W.Navigation of automated guided vehicle suing magnet spot guidance method [J].Robotics & Computer Integrated Manufacturing，2012，28（3）：425.

[6] LU S，XU C，ZHONG R Y.A RFID-enabled positioning system automated guided vehicle for smart factories [J].Journal of Manufacturing Systems，2017，44：179.

[7] JUNG K，KIM J.Intelligent autonomous systems [M].Berlin Heidelberg：Springer，2013：807-816.

[8] OSMAN K，GHOMMAM J，SAAD M.Vision based lane reference detection and tracking control of an automated guided vehicle [C]∥IEEE Control Systems Society.2017 25th Mediterranean Conference on Control and Automation.Piscataway：IEEE，2017：595.

[9] XU Z，HUANG S，DING J.A New positioning method for indoor laser navigation on under determined condition [C]∥IEEE Control Systems Society.2016 Sixth International Conference on Instrumentation & Measurement，Computer，Communication and Control.Piseatamay：IEEE，2016：703.

[10]王琳華.磁導(dǎo)式AGV自動(dòng)導(dǎo)航車控制系統(tǒng)的設(shè)計(jì)[D].長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2013.

[11]江亞峰，王彬彬，袁明新，等.基于自適應(yīng)反演滑模的全向AGV運(yùn)動(dòng)控制[J].計(jì)算機(jī)仿真，2019，32（2）：348.

[12]韓京清.自抗擾控制技術(shù)——估計(jì)補(bǔ)償不確定因素的控制技術(shù)[M].北京：國(guó)防工業(yè)出版社，2008：197-207.

[13]羅蕊.基于自抗擾控制的移動(dòng)機(jī)器人軌跡跟蹤[D].天津：天津工業(yè)大學(xué)，2018.