视觉导航AGV路径识别和跟踪控制技术研究

摘要

在现代的工业生产和物流搬运中，自主导航智能车(Automated Guided Vehicle,AGV)的应用越来广泛。AGV能够有效地完成高危险、高强度、复杂的作业任务，且能够节约工业生产成本，提高劳动生产效率。视觉导航AGV作为其中一个研究热点，具有视野广、智能化和柔性化等优点，使其具有很好的稳定性能和安全性能，因此对AGV路径识别和跟踪控制的研究具有重要的实际应用价值。
　　本文主要研究了视觉导航AGV路径识别和跟踪控制方法。主要内容包括以下几个部分：
　　首先，对视觉导航AGV平台进行了研究，采用6轮的轮系结构以增强其稳定性和准确性，驱动方式采用两轮差速驱动。结合其驱动方式进行了运动学分析，通过分析其角度偏差和位置偏差与两驱动轮速度之间的关系，建立了数学模型，进而得到AGV的系统方程。
　　其次，研究了从图像中提取路径信息的方法。对预处理后的图像采用遗传分割算法进行阈值分割，并分析和总结传统遗传算法的不足和改进方法，进而采用基于改进的自适应遗传分割算法对图像进行阈值分割，从而提高了算法的收敛速度，并且取得了良好的分割效果。然后使用Hough变换的图像处理方法，提取路径方程，并通过逆透视变换矫正路径的畸变，有效地提高了路径识别的精确度。
　　最后，针对基于PID控制器的AGV路径跟踪控制方法，研究了基于粒子群算法的PID控制器参数自整定方法。通过实验验证可知，与基于工程整定的方法相比，基于粒子群算法参数自整定的PID控制器能显著地提升AGV系统的控制性能。并针对算法收敛速度慢、易早熟的问题，研究设计了基于动态设置惯性权重的改进方法，以充分发挥粒子群的多样性。实验分析表明，改进后的算法全局收敛性能显著增强，收敛速度明显提升，参数自整定后的PID控制器表现出很好的控制性能。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及研究意义

1.2 国内外研究现状

1.3 本课题主要研究内容

第2章 视觉导航AGV的平台设计和数学模型的建立

2.1 视觉导航AGV平台设计

2.2 AGV运动学分析

2.3 AGV数学模型的建立

2.4 本章小结

第3章 AGV路径识别方法

3.1 路径识别的处理过程

3.2 路径图像预处理

3.3 基于遗传算法的图像分割

3.4 基于Hough变换的路径提取

3.5 路径畸变和矫正

3.6 本章小结

第4章 AGV路径跟踪控制方法

4.1 引言

4.2 粒子群算法理论概述

4.3 基于粒子群算法的PID参数自整定

4.4 基于改进粒子群算法的PID参数自整定

4.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢