法律状态公告日
法律状态信息
法律状态
2020-04-10
授权
授权
2019-01-11
实质审查的生效 IPC(主分类):G05D1/02 申请日:20180613
实质审查的生效
2018-12-18
公开
公开
技术领域
本发明涉及AGV控制方法,特别是涉及基于改进型虚拟跟随领航者的离散多AGV非质点系统的三角编队控制方法。
背景技术
在针对多AGV系统的编队方法中,许多控制方式都是将AGV车体简化为一个质点,从而将路径规划的分析简化为质点的位移和速度大小。此外,在多AGV系统的三角编队算法中,大多使用跟随领航者算法,即以某一辆AGV作为参考车辆,其余车辆保持与参考车辆车速、运动方向一致,从而完成编队。但是当系统中AGV数量较多时,参考车辆发送给跟随车辆的消息会存在丢包,数据延迟的现象,导致编队效率低下,错误率高。
传统技术存在以下技术问题:
最早的AGV系统编队控制算法是将每一个独立的AGV智能车看成一个质点,将编队过程简化为类似于分层拓扑结构的拓扑算法,以质点的位移代替车体的移动,该方法的编队过程是机器人先将底层占满,再向高层运动,最终收敛到静止的期望区域内。然而此方法中所有机器人只能知道全局信息,且高层和底层的通信是单向的。但是AGV智能车并不是单纯的质点,除了需要考虑车身的位移与速度,还需要考虑车体的姿态角。所以只有当多AGV系统中的每一个个体都保持相同的车速以及运动姿态角时才能保证编队的完成与稳定。
发明内容
基于此,有必要针对上述技术问题,提供一种离散多AGV非质点系统的三角编队控制方法,解决目前多AGV系统编队过程中运动模型过于简化以至于不能准确描绘车体运动的问题,以及多辆AGV通信过程中存在的信息传递延时、数据包丢失等导致的编队效果不好的问题。
一种离散多AGV非质点系统的三角编队控制方法,包括:
确定参考小车自身的初始位置和运动目标;
解决多AGV中的两辆智能车中的编队,所述解决多AGV中的两辆智能车中的编队具体包括:跟随小车确认自身的坐标位置;在控制所述跟随小车与所述参考小车实现编队的过程中引入一个虚拟领航者;所述虚拟领航者与所述跟随小车保持固定的距离,通过控制实现所述虚拟领航者的速度和转角和参考小车的状态一致来实现所述两辆智能车之间的编队;
利用“解决多AGV中的两辆智能车中的编队”的方法解决多AGV中剩下的AGV的编队。
上述离散多AGV非质点系统的三角编队控制方法,解决目前多AGV系统编队过程中运动模型过于简化以至于不能准确描绘车体运动的问题,以及多辆AGV通信过程中存在的信息传递延时、数据包丢失等导致的编队效果不好的问题。
在另外的一个实施例中,步骤“所述虚拟领航者与所述跟随小车保持固定的距离,通过控制实现所述虚拟领航者的速度和转角和参考小车的状态一致来实现所述两辆智能车之间的编队。”中控制实现所述虚拟领航者的速度和转角和参考小车的状态一致具体包括:
消除所述虚拟领航者与所述参考小车的位置误差;
消除所述虚拟领航者与所述参考小车的转角误差。
在另外的一个实施例中,步骤“消除所述虚拟领航者与所述参考小车的位置误差;”具体包括:
设某个AGV车体的位置坐标为(x,y,θ),T为采样周期,k为第k次采样,v和ω分别为车体的速度以及角速度,则离散系统AGV小车的模型方程为:
令所述虚拟领航者的位置坐标为(xv,yv,θv),所述跟随小车的位置坐标为(xf,yf,θf),则所述虚拟领航者和所述跟随小车之间位置关系的离散表达式为:
根据车体模型方程得:
其中,
联立以上二式可得公式(1):
cf(k)为AGV系统的编队控制律。cf(k)=[vf(k),ωf(k)]T,br(k)=[cosθr(k),sinθr(k)]T。
设控制律cf(k)为:cf(k)=Av(k)-1(br(k)vr(k)-αe(k)),|1-αT|<1。
联立控制律与车体模型方程可得:
e(k+1)=(1-αT)e(k),|1-αT|<1
求解上式可得虚拟领航者与参考小车的位置误差为:
e(k)=(1-αT)ke(0),|1-αT|<1
可知当跟踪误差的初始值为一有限的常数时,在k→∞时,e(k)→∞,即跟踪误差收敛于0,此时所述虚拟领航者与所述参考小车的位置重合。
在另外的一个实施例中,步骤“消除所述虚拟领航者与所述参考小车的转角误差;”具体包括:
设所述虚拟领航者与所述参考小车之间的车体转角误差为eθ(k)=θf(k)-θr(k),由公式(1)可得:
取极限得:
因此,
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
附图说明
图1为本申请实施例提供的一种离散多AGV非质点系统的三角编队控制方法的流程示意图。
图2为本申请实施例提供的一种离散多AGV非质点系统的三角编队控制方法的位置示意图。
图3为本申请实施例提供的一种离散多AGV非质点系统的三角编队控制方法的仿真示意图。
图4为本申请实施例提供的一种离散多AGV非质点系统的三角编队控制方法仿真过程中车身转角的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参阅图1,一种离散多AGV非质点系统的三角编队控制方法,包括:
确定参考小车自身的初始位置和运动目标;
解决多AGV中的两辆智能车中的编队,所述解决多AGV中的两辆智能车中的编队具体包括:跟随小车确认自身的坐标位置;在控制所述跟随小车与所述参考小车实现编队的过程中引入一个虚拟领航者;所述虚拟领航者与所述跟随小车保持固定的距离,通过控制实现所述虚拟领航者的速度和转角和参考小车的状态一致来实现所述两辆智能车之间的编队;
利用“解决多AGV中的两辆智能车中的编队”的方法解决多AGV中剩下的AGV的编队。
上述离散多AGV非质点系统的三角编队控制方法,解决目前多AGV系统编队过程中运动模型过于简化以至于不能准确描绘车体运动的问题,以及多辆AGV通信过程中存在的信息传递延时、数据包丢失等导致的编队效果不好的问题。
在另外的一个实施例中,步骤“所述虚拟领航者与所述跟随小车保持固定的距离,通过控制实现所述虚拟领航者的速度和转角和参考小车的状态一致来实现所述两辆智能车之间的编队。”中控制实现所述虚拟领航者的速度和转角和参考小车的状态一致具体包括:
消除所述虚拟领航者与所述参考小车的位置误差;
消除所述虚拟领航者与所述参考小车的转角误差。
在另外的一个实施例中,步骤“消除所述虚拟领航者与所述参考小车的位置误差;”具体包括:
设某个AGV车体的位置坐标为(x,y,θ),T为采样周期,k为第k次采样,v和ω分别为车体的速度以及角速度,则离散系统AGV小车的模型方程为:
令所述虚拟领航者的位置坐标为(xv,yv,θv),所述跟随小车的位置坐标为(xf,yf,θf),则所述虚拟领航者和所述跟随小车之间位置关系的离散表达式为:
根据车体模型方程得:
其中,
联立以上二式可得公式(1):
cf(k)为AGV系统的编队控制律。cf(k)=[vf(k),ωf(k)]T,br(k)=[cosθr(k),sinθr(k)]T。
设控制律cf(k)为:cf(k)=Av(k)-1(br(k)vr(k)-αe(k)),|1-αT|<1。
联立控制律与车体模型方程可得:
e(k+1)=(1-αT)e(k),|1-αT|<1
求解上式可得虚拟领航者与参考小车的位置误差为:
e(k)=(1-αT)ke(0),|1-αT|<1
可知当跟踪误差的初始值为一有限的常数时,在k→∞时,e(k)→∞,即跟踪误差收敛于0,此时所述虚拟领航者与所述参考小车的位置重合。
在另外的一个实施例中,步骤“消除所述虚拟领航者与所述参考小车的转角误差;”具体包括:
设所述虚拟领航者与所述参考小车之间的车体转角误差为eθ(k)=θf(k)-θr(k),由公式(1)可得:
取极限得:
因此,
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
下面介绍一个本发明的具体应用场景:
1、在多智能小车编队系统中存在一个领航者,该领航者处于编队队形中的某个位置并向其他智能小车发送位置信息,其他的智能小车以领航者的位置信息为参考。
2、参考小车自身的初始位置和确定运动目标。
3、先考虑两辆智能车的编队。跟随小车确认自身的坐标位置。在控制跟随小车与参考小车实现编队的过程中引入一个虚拟领航者。虚拟领航者与跟随小车保持固定的距离,通过控制实现虚拟领航者的速度和转角和参考小车的状态一致来实现智能小车之间的编队。由于AGV系统在实际工业领域是离散系统,系统的控制信号仅在离散的时间上生成并发生作用,因此控制律需要在每个采样周期内对智能小车系统进行控制。
4、在参考小车与跟随小车确定了自身位置时,引入虚拟领航者。
5、编队问题此时转化为控制实现虚拟领航者的速度和转角和参考小车的状态一致,即消除虚拟领航者与参考小车的位置误差和转角误差。
6、以下是消除消除虚拟领航者与参考小车的位置误差。
设某个AGV车体的位置坐标为(x,y,θ),T为采样周期,k为第k次采样,v和ω分别为车体的速度以及角速度。则离散系统AGV小车的模型方程为:
令虚拟领航者的位置坐标为(xv,yv,θv),跟随小车的位置坐标为(xf,yf,θf),则虚拟领航者和跟随小车之间位置关系如图2所示,其离散表达式为:
根据车体模型方程得:
其中,
联立以上二式可得(5):
cf(k)为AGV系统的编队控制律。cf(k)=[vf(k),ωf(k)]T,br(k)=[cosθr(k),sinθr(k)]T。
设控制律cf(k)为:cf(k)=Av(k)-1(br(k)vr(k)-αe(k)),|1-αT|<1。
联立控制律与车体模型方程可得:
e(k+1)=(1-αT)e(k),|1-αT|<1
求解上式可得虚拟领航者与参考小车的位置误差为:
e(k)=(1-αT)ke(0),|1-αT|<1
可知当跟踪误差的初始值为一有限的常数时,在k→∞时,e(k)→∞,即跟踪误差收敛于0,此时虚拟领航者与参考小车的位置重合。
7、消除完虚拟领航者与参考小车的位置误差后,接下来消除虚拟领航者与参考小车的转角误差。
设虚拟领航者与参考小车之间的车体转角误差为eθ(k)=θf(k)-θr(k),由公式(5)可得:
取极限得:
因此,
跟随小车各自将自己与参考小车的距离和转角等参数发送给参考小车,参考小车接收到该参数后,保持与跟随小车距离和转角不变,编队完成。
本发明的多AGV智能车编队模型采用的是离散模型,为了减小计算次数并且结合实际系统的要求采样周期选为0.1s。为了体现本发明相对于传统发明的进步效果,特将本方法与未引入虚拟领航者的跟随领航者算法进行仿真比较。经多次实验得出在采样次数大于60次后多AGV智能车的三角形编队形成,即编队跟踪误差趋于0。
参考小车的初始参数和运动规律设置为:t=0时刻,参考小车位于坐标系原点,参考小车的车身转角为
图3中上图是本方法的仿真结果,经多次实验得出在采样次数大于60次后多AGV智能车的三角形编队形成,即编队跟踪误差趋于0。图3中下图是未引入虚拟领航者的跟随领航者算法的仿真图,不难发现,虽然最后编队系统仍能形成参考队形,但现有方法导致的通信延时极大得影响了编队形成前期的编队效果。当通信延时的步数大于一定值时,小车编队系统将不稳定,无法形成期望队形。图4是四辆AGV的车身转角。
下面介绍下本申请的仿真步骤:
1、在3D虚拟实验仪器中导入AGV车体模型并编写好运动程序。
2、根据虚拟虚拟跟随领航者控制算法编写出针对多台AGV智能小车的三角形编队的Simulink仿真框图。
3、将上述仿真框图通过Matlab/Simulink中的Real-Time Workshop生成可执行代码上传到网络化3D实时虚拟实验室中并在虚拟实验室中对实时仿真进行组态,加入多智能小车编队系统的3D仿真监控窗口、变量输入窗口、各个智能小车位置坐标2D监控窗口。
4、在运动变量输入窗口逐个输入参考小车的横纵坐标及车身转角的状态变量。将这些运动变量传给运动程序后可以使3D智能小车发生相应运动,如将小车的横坐标变量传递给水平位移程序可以使小车发生与横坐标变量相同大小的水平位移。可以通过3D仿真监控窗口来监控3D实时仿真效果。
5、针对多智能小车编队系统而言,网络化3D虚拟实验室将网络化控制器中传出的各个智能小车坐标信号通过2D曲线仿真窗口绘制成二维的仿真曲线。
本方法引入虚拟跟随领航者算法,一个虚拟领航者针对一个跟随车辆而不是单一的参考车辆针对所有跟随车辆,从而减少了参考车辆的工作成本和时间,提高了编队效率。虚拟领航者与跟随小车保持一个固定距离,控制参考小车与虚拟领航者的状态误差趋于零,就能控制跟随小车与参考小车保持固定的距离和角度,从而形成跟随小车和参考小车之间的编队以实现两辆车的编队,然后重复该过程直到实现整个多AGV系统的编队。
2、除了考虑车身的位移与速度,还考虑车体的姿态角。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
机译: AGV,AGV系统和AGV控制方法
机译: 自动引导车辆,AGV控制系统和AGV控制方法
机译: AGV的AGV运行控制方法,装置及物理分配系统