模糊免疫算法的轮式移动机器人PID控制优化设计-AGV吧

机器人技术经过多年发展，已在工业生产领域广泛使用。在移动机器人的控制策略中，目前主要的研究方向是对其位置和速度实现实时化的精确控制。由于闭环控制方式可较好地调节控制输出，从而提高系统控制精度，因此成为移动机器人控制的主流方式。

在传统的控制方式中，PID控制是应用最早、使用范围最广、可靠性和鲁棒性都得到实践检验的一种方式，研究者们在此基础上，结合人工智能领域的研究成果，推出了多种各具特色的控制方式，如模糊PID控制、神经网络PID控制、遗传算法PID控制等。但对于移动机器人控制系统而言，这些方法在控制质量和响应速度方面存在许多不足，因为移动机器人控制需要考虑的动态干扰因素过多，且彼此间存在复杂的关联，如速度、路径、转弯角度、重心偏差、车轮驱动不一致等等，这使得以往的PID控制在参数整定方面存在较大的障碍。因此，本文提出将免疫算法同模糊机制相结合，对移动机器人PID参数整定进行优化，利用免疫算法的全局搜索和快速收敛能力来提高系统的响应速度，同时融合模糊机制，充分利用先验知识进一步提高参数整定质量，从而有效提高整个系统的控制效果。

1 轮式移动机器人运动学模型

本文所研究的轮式机器人主要用于管道内移动，因此其运动模式有一些独特性，首先，通过两个驱动轮同步向前或向后滚动，可以实现控制平台前进或后退，也可以通过对两个驱动轮执行速差调节来实现平台的旋转，但驱动轮本身不能旋转，因此控制平台不能左右平移；其次，车轮为刚性材料，这意味着轮体不会由于经过凹凸不平的路面而产生表面的形变；最后，考虑是在管道内使用轮式机器人，空间狭小且环境复杂，机器人前进速度相对较慢，加上轮体选材质量较轻，因此驱动轮本身的转动惯量可以忽略不计。

根据以上分析可以看出，本机器人系统应当受到速度的非完整约束。即

其中（1）式为无滑动方式下的约束条件，（2）式为纯滚动方式下的约束条件。由（1)，（2）式可以看出，在任意一时间点，机器人的速度方向与机器人的朝向保持一致，即意味着驱动轮本身无法转向，而是通过两轮的速度差来完成机器人的转向。图1给出了轮式移动机器人的运动模型。

如图1所示，x，y分别为轮式机器人重心的横坐标与纵坐标，角度θ为机器人轴线与轴的夹角，L为轮间距。机器人的位置矢量定义为

2 算法设计

2.1 模糊控制原理

目前将模糊机制同PID控制模式相结合的方法已经较为成熟，由于充分利用了先验知识，因此模糊控制可以较好提高PID控制系统的响应速度，其基本结构及工作流程如图2所示。由图2可知，

模糊处理器负责完成从模糊化到解模糊的全过程，而其中最核心的环节即模糊控制规则，该规则集可以通过大量的专家经验提炼得到，也可在执行的过程中不断的自我调整，最终形成最佳规则集合网。模糊控制算法的大致流程：先对某个被控对象变量，设定一个值，随后在系统执行的过程中对该变量进行实时采样，将此采样值与设定值进行对比，并将其差的绝对值