基于移动机器人路径跟踪的智能控制设计与实践

  • 基于移动机器人路径跟踪的智能控制设计与实践已关闭评论
  • 56 views
  • A+
所属分类:AGV设计资料
摘要

本文对移动机器人路径跟踪的智能控制设计与实践进行分析,介绍模糊控制系统和视觉导航系统在移动机器人路径跟踪中发挥的作用,经过FPGA令移动机器人进行速度调节和基于PSO的PID算法进行智能方向调节。通过精细算法及控制系统优化,令移动机器人在进行工作中对路径具有高精准选择,提升移动机器人的工作效率。

随着科学技术的不断进步,科技人员将机器人向智能化、功能化、质量化等方面发展,目前,机器人已广泛应用到军事战争、地质和海洋监测、医疗、工业、等多领域。移动机器人在路径跟踪智能控制设计中,由于涉及学科较广、知识较为高端、令机器人在进行系统运行时易发生无法完成指令状态。在对移动机器人路径跟踪的智能控制设计中,研究控制系统、方向精准度和速度调节,可令移动机器人对路径跟踪形成优化并及时发出指令状态,提升移动机器人稳定性和效率性。

1 移动机器人路径跟踪的智能控制设计原理

1.1 模糊控制系统

模糊控制系统作为移动机器人路径跟踪的控制系统之一,主要是通过模糊控制芯片存储基于模糊控制的隶属度函数和模糊控制规则,通过模糊控制器发出指令使移动机器人完成相应动作。当前用于移动机器人路径跟踪的智能控制中模糊控制系统一般有硬件式指令控制器和软件式指令控制器,前者通过专业式模糊芯片完成模糊控制;后者通过离线式计算方法对模糊控制进行时效性控制。在进行模糊预算控制时,应先系统内部的即性给定值(U)和反馈性误差值(N),通过高斯隶属函数进行模糊运算求出反馈值误差转移量(ec)、模糊控制端口输入量(L)和模糊控制预设性规则(R),经过运算得出模糊控制决策。

1.2 视觉导航系统

视觉导航系统通过视线传感器对行走路径上的障碍物进行三维坐标分析,将避障信息准确传递到移动机器人运动反馈系统,达到移动机器人路径自主优化。视觉导航系统经过距离信息和基于水平线的观察角度将产生的偏差作为控制数据量,将其指令传递到闭路循环系统,令移动机器人对角速度进行分析并发出指令。移动机器人对前进速度的调整,是通过视觉导航系统所测得路径曲直度和路径角度之间的偏差进行闭路循环反馈。视线导航系统将移动机器人与待行驶路径的轨迹作为三维立体环境初始点,通过视觉导航系统的立体化观察方式对待移动路径进行整体优化,减少移动机器人在运行过程中的能源损耗,提升路径跟踪的智能控制性能。

2 在FPGA下移动机器人速度调节

FPGA 作为可编程门阵列表现形式之一,由专用集成电路(ASIC)衍生出来,融合可编程逻辑阵列(PLA)、通用逻辑阵列(GLA)、复杂可编程逻辑阵列(CPLD)等优点一种现场可编辑门阵列。通过使用 FPGA 可减少系统对其他元器件的承载负担,FPGA 具有功能性面积广、产品成型快、可编辑性强等优点。FPGA 通过脉冲宽度调制(PWM)进行对脉冲信号的传输,利用微型处理器对数据信息处理结果完成对模拟电路的控制。调制脉冲宽度时,必须使用信号产生器,通常情况下,产生器由两部分组成,即起到源作用的信号发生器(多为锯齿波形式)、起到对比作用的信号比较器。信号产生器内部还存在一些起到连接作用的结构,各个结构协同输出逻辑信号,直至达成调制目标。FPGA 结构内部,锯齿波形式信号通过数据非溢出的方式对二进制计数单元进行数据编码,在 PWM 脉冲宽度调制中对数据信息进行目标传输,其在运行过程中的稳态电压为 (t/T)N=αN,α 的值率对稳态电压值和机器人整体前行速度有关。

在进行实际试验过程中,通过控制系统对机器人速度控制在 15cm/s,FPGA 通过改变α 值大小,调整伺服电机内部稳态电压值,令当前行驶速度与预设速度达到相一致状态。当前运行速度小于预设速度时,增大 α 值,提升内部稳态电压,提升机器人速度;当运行速度大于预设速度时,通过减小 α 值,令速度相符,达到控制的基本要求。

3 基于移动机器人路径跟踪的智能方向控制PSO算法

粒子群优化算法(PSO)作为方向控制器的主要算法之一,PSO 是一种基于整体群中的随机性质的计算方法。通过对 PSO 计算方法进行优化,可令移动机器人在进行路径跟踪时,对方向控制更为精确。POS 在运行过程中,通过PID控制元器件进行对PSO传输数据信息。PID 主要由比例参数(Kp)、积分参数(Ki)、微分参数(Kd)三种参数对路径优化。Kp 参数实现误差调节,Ki 参数实现稳定状态调节,Kd 参数实现对误差范围进行预判及改正。PSO 基本算法在移动机器人运行过程中,对移动机器人运行速度具有整零功能,由于长期进行路径跟踪时,移动机器人易发生稳定性下降,导致机器人在预设轨迹上发生改变。对稳定性算法进行优化时,应正确选择杂交概率(Q),当Q数值高时,粒子群就会进入停止运行状态,降低整体变异算子发挥的作用,当Q数值低时,粒子群运行就会进入忽略性状态。经过技术人员不断对数据进行优化,在 Q 值为 0.01 时,通过将 y、z 设置为父代微粒,对杂交操作进行公式行算法。

Ry(t+1)=Q·Ry(t)+(1-Q)·Rz(t)
Rz(s+1)=Q·Rz(s)+(1-Q)·Ry(t)

0<Q<1,父代微粒通过杂交公式进行操作后,在四维方体中进行无规划位置选取。在这种算法下保留了粒子群的多形式化,并对 PSO算法局部细致化选取能力进行优化。通过对PSO 算法进行优化令移动机器人在运行过程中具有高稳定性、高精准性。

通过 POS 算法的精准度,可有效在对障碍物进行细分原则,当途径一处障碍物时,选择相应的规避方式,对于二次性遇到类似障碍时,此路径自动优化信息逐渐增多,通过算法可完成移动机器人路径跟踪的智能化控制。

4 结语

综上所述,本文通过对移动机器人模糊控制自动避障功能,视觉导航系统的三维立体型闭路循环反馈系统进行分析,通过 FPGA 具有功能性面积广、产品成型快、可编辑性强等优点对移动机器人路径跟踪速度进行优化,改良PSO 算法对移动机器人路径跟踪方向调节进行优化。通过对移动机器人进行细致结构分析,对各项指标进行优化,进而使移动机器人应用领域更广泛。

参考文献

[1] 奚茂龙 . 群体智能算法及其在移动机器人路径规划与跟踪控制中的研究 [D]. 江南大学 ,2008.

[2] 于芳 . 基于动觉智能图式的仿人智能控制在移动机器人路径规划中的研究 [D]. 重庆大学 ,2007.

[3] 陆州 . 移动机器人路径规划与路径跟踪研究 [D]. 华南理工大学 ,2012.

作者简介

龙凯(1974-),男,湖南省望城县人。大学本科学历。讲师。研究方向为信息处理与智能控制、工业机器人技术。

作者单位

湖 南 信 息 职 业 技 术 学 院 湖 南 省 长 沙 市410200

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。