過金超 王普杰 曹宏 陳進陽

關鍵詞：自抗擾控制;3C視覺導航;重載AGV;導航精度

摘要：針對當前視覺導航重載AGV系統(tǒng)色帶引導、掃碼定位方式所存在的路徑鋪設復雜、色帶易受環(huán)境干擾等問題，設計了基于自抗擾控制（ADRC）的3C視覺導航重載AGV系統(tǒng).該設計采用3個獨立高速單目相機對AGV結構進行改進，以實現(xiàn)無色帶引導，用相機掃描地面站點的數(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實時調整AGV運行軌跡，實現(xiàn)重載AGV導航定位.仿真與實際應用結果表明，該系統(tǒng)運行穩(wěn)定且靈活，AGV響應速度快，能有效實現(xiàn)軌跡的實時跟蹤且導航精度明顯提高，最大導航誤差絕對值小于8 mm，最大偏移角絕對值小于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

自動導引車AGV （automated guided vehicle） 是指以各類電、磁、聲、光傳感器為自動導引裝置，能夠按照預設導引路徑行駛的無人駕駛運輸車[1].隨著智慧工廠與智能物流的不斷發(fā)展，重載AGV有望成為智慧倉儲物流系統(tǒng)的關鍵角色，實現(xiàn)各生產(chǎn)環(huán)節(jié)物料的自動運輸，保證整個生產(chǎn)線高效運行[2-3].

AGV的導航定位精度和路徑調整能力是制約其在工業(yè)領域推廣應用的瓶頸[4].當前的導航方式主要有磁導航[5-6]、慣性導航[7]、激光導航[8]、視覺導航[9]等.磁導航運用電磁感應原理，其導航元件多種多樣，如地標磁釘[5]、電渦流線圈和射頻器件[6]等，雖然磁導航在AGV行業(yè)中應用廣泛，但其鋪設成本較高，不便于后期維護與調整，難以滿足現(xiàn)代化柔性生產(chǎn)過程中的重載轉運需求;慣性導航技術定位準確性高，靈活性強，但對控制算法的要求較高且容易受周圍環(huán)境的影響;激光導航需在AGV行駛路徑的周圍安裝激光反射板，對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)境復雜的工廠環(huán)境;視覺導航利用圖像處理技術進行導航，應用于工業(yè)重載AGV經(jīng)濟成本低、實用性強，但傳統(tǒng)的視覺導航方式大多采用色帶引導、掃碼定位方式，在實際應用中存在路徑鋪設復雜、色帶易受環(huán)境干擾等問題.

在實際運行過程中，AGV的運行軌跡容易因非線性因素和系統(tǒng)內、外部擾動影響而出現(xiàn)偏差.為了提高AGV系統(tǒng)控制精度，文獻[10]將PID與模糊控制相結合，采用模糊規(guī)則對PID控制參數(shù)進行在線調整，雖然系統(tǒng)具有一定的魯棒性，但對復雜多變的應用環(huán)境適應性較差.文獻[11]提出的自適應反演滑模控制方法使系統(tǒng)響應更快，魯棒性更強，且具有良好的瞬時性能，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）技術在PID控制基礎上，將非線性因素和系統(tǒng)內、外部擾動視為總擾動，通過構造擴張狀態(tài)觀測器對總擾動進行實時估計與補償，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、誤差補償效果好等優(yōu)點.

基于此，本文擬采用3個獨立高速單目相機，對基于色帶引導和掃碼定位的傳統(tǒng)視覺導航方式重載AGV結構進行改進，在AGV控制系統(tǒng)中采用ADRC控制策略對擾動進行實時補償，以期提高AGV的運動靈活性和導航精度.

1 系統(tǒng)設計

AGV運行時的導航靈活性和精度是評價其系統(tǒng)性能的關鍵因素.導航的靈活性與導航方式和AGV結構有關，導航精度與AGV控制算法有直接聯(lián)系.本文對采用傳統(tǒng)視覺導航方式的重載AGV結構進行改進，將色帶引導和掃碼定位導航中的1個或2個單目高速相機改為3個獨立單目高速相機（3C），且對其鋪設方式進行優(yōu)化，改進后的AGV無需色帶引導，只需掃碼就可以實現(xiàn)導航，AGV運行靈活.在AGV控制算法上，采用ADRC策略對擾動進行實時補償，以消除各種不確定因素的影響，使AGV運行穩(wěn)定、快速響應，能適用于復雜車間環(huán)境.

經(jīng)過改進的3C視覺導航重載AGV結構如圖1所示，其中AGV中心軸①—③位置安裝高速單目視覺相機，且相機1與相機2之間的中心距離和相機2與相機3之間的中心距離相等.相機采用PGV光學相機，通過雙舵輪驅動設計，可實現(xiàn)原地360°轉彎;為避免沖突，在④—⑦位置上安裝激光避障雷達.

AGV控制系統(tǒng)結構如圖2所示，主要由電池管理模塊、避障模塊、3C視覺導航模塊、伺服驅動與轉向模塊、車載控制模塊和上位機控制模塊等組成.控制系統(tǒng)采用分布式控制，由兩級微機組成，車載控制模塊采用西門子S7-1200PLC，上位機控制模塊采用工控機，既可以實現(xiàn)單AGV獨立運行，又可以實現(xiàn)多AGV同時運行.

1.1 3C視覺導航設計

根據(jù)改進后AGV上3個相機分布的結構特點，設計數(shù)據(jù)矩陣碼的鋪設方式，相鄰兩個數(shù)據(jù)矩陣碼之間的中心距離與兩個相機之間中心距離相等.AGV導航示意圖見圖3，其中編號5—8是鋪設在地面上的數(shù)據(jù)矩陣碼.當AGV從站點5運動到站點6時，AGV運行分為兩步：1）相機1與相機3同時分別掃描站點6與站點5的信息，AGV減速運行;2）當相機2中心位置與站點6中心位置坐標重合時，AGV停止.在行進過程中，AGV難免會出現(xiàn)軌跡誤差，因此為保證AGV軌跡出現(xiàn)誤差后能及時進行修正，3個獨立相機在站點間運行時（即從矩陣碼進入掃描區(qū)到離開掃描區(qū)），不斷掃描站點誤差，并將掃描誤差信息實時傳遞給上位機.上位機控制算法對其軌跡進行修正并下發(fā)給AGV進行軌跡跟蹤，從而實現(xiàn)AGV導航.

視覺相機在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運行過程中，相機在某時刻掃描某數(shù)據(jù)矩陣碼時偏差和偏移角度如圖4所示.圖4以相機讀取區(qū)域建立局部坐標系，以工作車間建立全局坐標;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運行過程中，只要有一個相機掃描到數(shù)據(jù)矩陣碼，前、后舵輪就會同時自動地進行誤差修正，這種修正方式較靈活，運算量較小.

全局坐標下相機讀取區(qū)域中心位姿為O（x0′，y0′，α0′），將其轉化為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′），將其轉化為AGV期望位姿O′（xr，yr，αr）.AGV期望軌跡運動學模型為

1.2 ADRC跟蹤器設計

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

1.2.1 ADRC數(shù)學模型 ADRC跟蹤器主要包含微分跟蹤器、擴張狀態(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 仿真結果與分析

為了驗證本文設計的基于ADRC的3C視覺導航重載AGV系統(tǒng)的性能，以Matlab為平臺進行仿真.設定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、縱坐標表示AGV在全局坐標下的軌跡位置;位姿誤差曲線橫坐標.

3 實際應用結果與分析

為了驗證本文基于ADRC的3C視覺導航重載AGV系統(tǒng)在實際應用中的運行情況，在現(xiàn)場進行了實際運行測試.供測試用的AGV 的長度為1.8 m，車上安裝的兩個相鄰相機之間中心位置距離為0.75 m，因此鋪設在地面上的相鄰兩個數(shù)據(jù)矩陣碼之間的中心距離也為0.75 m.設置的直線路徑中，路徑長15 m，共鋪設22個數(shù)據(jù)矩陣碼，為進一步測試其轉彎性能，在路徑中的起始位置進行原地零半徑轉彎.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（后退）、原地左轉（右轉）時的最大導航誤差和最大偏差角，重復進行50次，然后取平均值，結果見表1和表2.

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

4 結語

本文對基于色帶引導和掃碼定位的傳統(tǒng)視覺導航方式重載AGV結構進行了改進，設計了基于ADRC的3C視覺導航重載AGV系統(tǒng).該設計采用3個獨立單目相機，無需色帶引導，只需鋪設數(shù)據(jù)矩陣碼即可實現(xiàn)導航，在導航控制算法中采用ADRC以有效消除各種外界干擾.仿真與實際應用結果表明，AGV運行穩(wěn)定、靈活，響應速度快，最大導航誤差絕對值小于 8 mm，最大偏移角絕對值小于1°，在復雜車間環(huán)境下可實現(xiàn)軌跡的實時跟蹤，性能高于同類產(chǎn)品且制造成本低，具有較高的工程實用價值.

在該研究成果的基礎上，下一步將在ADRC控制中引入人工智能算法，利用智能算法自動調節(jié)ADRC中需要設置的常數(shù)參數(shù)，將其變成動態(tài)調整變量，進一步提高ADRC收斂速度，減少所需參數(shù)設置，進而提高 AGV運行響應速度.

參考文獻：

[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航車系統(tǒng)設計[J].輕工學報，2017，32（2）：97.

[3] 高瑜，過金超，崔光照.一種改進的多機器人路徑規(guī)劃自適應人工勢場法[J].鄭州輕工業(yè)學院學報（自然科學版），2013，28（6）：77.

[4] 肖獻強，程亞兵，王家恩.基于慣性和視覺復合導航的AGV研究與設計[J].中國機械工程，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.磁導式AGV自動導航車控制系統(tǒng)的設計[D].長沙：長沙理工大學，2013.

[11]江亞峰，王彬彬，袁明新，等.基于自適應反演滑模的全向AGV運動控制[J].計算機仿真，2019，32（2）：348.

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

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