沈立文， 添 玉， 蔣敏敏， 李 航， 范會方， 范勤勤

（1．上海海事大學物流工程學院，上海201306；2．中山大學南方學院商學院，廣州510970；3．上海振華重工智慧產業(yè)集團智能軟件公司，上海200125）

0 引 言

隨著工業(yè)4．0和中國制造2025戰(zhàn)略的實施，自動導引車輛（Auto guided Vehicle，AGV）越來越多地應用在現代制造業(yè)柔性生產線、倉儲物料搬運系統(tǒng)、港口碼頭等復雜工業(yè)領域［1-2］。近年來，具有安全可靠、綠色環(huán)保、高性能、高效率及低運營成本等優(yōu)勢的新一代智能港口正加快研發(fā)和推廣應用。其中，采用純電動無人駕駛的智能運輸車輛（Intelligent Guided Vehicle，IGV），集中體現了碼頭智能化的水平，成為行業(yè)和學術界研究的焦點。國內港口IGV廠商主要產品動力來源由最初柴油-液壓馬達，發(fā)展為柴油-鋰電池以及目前的純鋰電池，如圖1所示。導航方式也由磁釘方式逐漸向多傳感器融合方式演變。目前IGV研發(fā)成本仍然高昂（單機造價500萬元以上），技術難度大，高校無法大批量購買以滿足港口物流教學研究的需要。由于實際碼頭生產環(huán)境的復雜和苛刻安全要求，研究人員很難在真實場景中進行軟件模塊和新算法部署及測試。

圖1 純鋰電IGV

在綠色智慧港口物流研究領域，大多數學者均采用靜態(tài)解析方法進行研究，開展數值模擬或統(tǒng)計分析實驗，評估所建立的模型或算法設計的有效性［3-7］。港口物流系統(tǒng)是一類人機結合的復雜動態(tài)系統(tǒng)，具有時間和空間跨度大、各組成部分關聯性強，多目標相互制衡等顯著特點。定性分析因其結果模糊性難以勝任，一般的定量分析也無法應對復雜多變的場景。通過演繹方法直接進行數學建模相當困難，而且越來越暴露出局限性：模型和算法的復雜度較高，適應性、可移植性、可擴展性低，難以在實際系統(tǒng)推廣應用［8］。半實物仿真代表系統(tǒng)仿真的新趨勢，在交通工程領域Urbanik等［9］首次提出交通控制硬件在環(huán)仿真，隨后更多學者關注交通仿真領域［10-12］。港口領域缺乏全局物流系統(tǒng)的半實物仿真應用，僅用于單機控制器測試［13］、堆場安全和邏輯控制仿真系統(tǒng)［14］、碼頭設備模擬器［15］、軟件開發(fā)測試和設備模擬操作培訓［16］等，但鮮有達到無人自主系統(tǒng)協同調度的新高度。

綜上，本文提出一套低成本、可擴展的輕量級微縮版智能車輛模型及其軟件方案，用于港口物流系統(tǒng)的半實物仿真、算法驗證等，同時又可用于教育培訓和交流展示。

1 結構設計原理

智能車輛模型以新一代智能集裝箱碼頭中使用的典型IGV為原型，同時考慮實驗場地的區(qū)域條件約束，按1∶50比例縮放。機械結構設計主要經歷輪系結構設計、轉向架設計、總體結構設計以及裝配優(yōu)化等階段，兼顧車體結構強度、美觀、加工與裝配難度等方面。

1.1 輪系結構設計

輪系結構設計采用4輪分布式電動機驅動方案，即驅動電動機與車輪集成，由4個電動機獨立驅動4個車輪。選用減速機構與測速編碼器集成的GM12-N20微型電動機，編碼器為AB雙相增量式磁性霍爾編碼器。相比傳統(tǒng)燃油驅動和中置電動機驅動，分布式電動機驅動無須變速箱、差速器，節(jié)省了底盤空間，同時可以獨立控制每個車輪轉矩，改善車輛控制性能。

1.2 轉向架結構設計

轉向架結構設計采用梯形轉向架，前后橋可以同時向同一側轉向實現橫行，或者同時向兩側轉向以縮小轉彎半徑。近似滿足純滾動的阿克曼轉向原理［3］，如圖2所示。

圖2 轉向架示意圖

轉向架兩側車輪轉向角關系為：

式中：AD為梯形架對角線；k為軸長；m為梯形臂長；θ1、θ2分別為左、右轉向角；α為梯形原始角；p為橫拉桿長；t為輪胎厚度。

1.3 總體結構設計

總體結構主要分為底盤、前后面板、前后橋、側面板、電池倉、PCB倉與頂蓋7個部分，如圖3所示。為使車輛重心更接近地面，將電池倉直接置于底盤中央，PCB倉置于電池倉上層，前后面板用于固定攝像機模塊與燈光模塊，并預留充電接口。其中，前后面板、側面板與前后橋部分零件使用SLA樹脂工藝3D打印加工。為降低成本，底盤、頂蓋與前后橋部分零件使用3 mm厚度亞克力激光切割工藝加工。最終參數見表1。

圖3 智能車輛模型實物圖

表1 智能車輛模型基本參數

2 導航控制方案設計

2.1 主控方案設計

主控電路由樹莓派3B主板、電源、電動機驅動、AVR單片機組成，原理如圖4所示。除主板外均集成在單片雙層PCB內，PCB預留2路MFRC522射頻識別模塊接口、4路電動機驅動及編碼器接口、2路數碼舵機接口、4路RGB燈光模塊接口、雙電池供電接口、單片機串口和單片機ICSP接口［12］。

圖4 主控電路原理圖

2.2 定位導航方案設計

車底盤前后安裝射頻識別（Radio Frequensy Idenification，RFID）模塊，采集地面鋪設的標簽信息。車輛模型前后各安裝一個單目攝像頭，平視道路前方，通過識別道路標識線的方式進行偏差糾正與導航控制。上位機根據業(yè)務需求不斷為各RFID標簽綁定新的行駛指令，讀取到RFID標簽后配合視覺信息，可以在相應位置進行直行、轉向、換道等操作。

視覺部分采用60幀480 p無畸變攝像頭采集道路圖像信息，原始圖像依次經過灰度化處理、高斯模糊、邊緣檢測、霍夫變換、透視變換，分別如圖5～8所示，從中提取出道路標識線中的直線段，用于調整車身姿態(tài)。

圖5 320×110分辨率灰度圖

圖6 5×5高斯模糊

圖7 Canny邊緣檢測圖像

圖8 透視點標定圖

為使轉彎半徑盡可能小，在開始轉向時可設定前后輪均為最大轉角，此時目標道路標識線切換到轉向后的車道標識線。以垂直轉向為例，首先需確定車模的姿態(tài)，即車模相對道路標識線的偏差，如圖9所示。

圖9 姿態(tài)偏差示意圖

由于存在攝像頭拍攝地面最近距離，轉向過程中需要等待目標道路標識線重新出現在攝像頭視野中，隨后偏差調整按下式計算：

式中：p為調整角度；kp為比例系數；b為視野中線相對道路中線的偏差；ω為位置偏差補償系數；ek為視野中線與道路中夾角。

智能車輛模型的運行速度容易受電池電壓以及干擾因素影響，為獲取較好的行駛穩(wěn)定性，轉向時兩側車輪需保持相應的輪速差，需要對輪速進行控制，使用位置式PID控制器對4輪電機進行獨立控制。

2.3 管理軟件方案設計

軟件系統(tǒng)肩負多車協同管理、多車監(jiān)控以及邊緣計算任務，分為上位機管理系統(tǒng)、消息中間件、終端管理軟件以及硬件驅動4個層次，如圖10所示。其中上位機管理系統(tǒng)采用B／S架構，如圖11所示，包含用于狀態(tài)監(jiān)控與管理的Web UI以及Web服務，并通過消息中間件與終端管理軟件通信，兩者實現協同計算。

圖10 軟件系統(tǒng)架構圖

圖11 上位機管理系統(tǒng)數據流圖

監(jiān)控界面如圖12所示，主要可視化車輛電量、系統(tǒng)資源等核心指標。車輛終端軟件如圖13所示，需要接受來自上位機的控制指令，并將指令進行解析后通過硬件驅動轉換為車輛的實際動作，同時發(fā)布車速、電量、位置等實時數據。

圖12 Web端監(jiān)控與管理界面

圖13 車輛終端軟件模塊結構圖

3 實驗和分析

3.1 實驗場景和條件設定

為了更逼真地模擬智能港口物流系統(tǒng)，驗證本文設計的智能車輛模型方案，在“現代港口物流”國家級實驗教學示范中心，以真實港口工藝為原型搭建一個標準泊位1∶50場景，并鋪設RFID定位標簽和道路標線，布局參數見表2。其中，基本布局、能源充換區(qū)域、主要集裝箱流方向等與真實智能碼頭工藝一致，在軟件層面可靈活定義實驗條件和箱區(qū)劃分、交通規(guī)則等，如圖14所示。

表2 場景布局參數表

實驗場所光照環(huán)境為自然光，室溫約20℃。使用兩車進行隨機車道選擇繞場循環(huán)實驗，在岸橋位置與堆場交換區(qū)位置處停車數秒模擬接箱送箱。車輛初始充滿電量，統(tǒng)計道路標識線識別率、電量消耗、車速、主控CPU占用、主控內存占用、主控溫度等。

圖14 實驗場景

3.2 實驗結果及分析

使用單位時間內捕獲目標標識線次數與拍攝幀數的比值表示道路標識線的識別率。實驗1：同時開啟前后兩路攝像頭，總運行時長15 min，平均幀率為31 f／s，平均識別率為0．882 3，識別率低于0．5 的占比為0．013 8，識別率為0的占比為0。雖然未出現循跡失誤，但幀率不高，動態(tài)響應稍有延遲。實驗2：測試僅開啟單路攝像頭，與開啟雙路情況進行幀率比較，如圖15所示。因開啟雙攝像頭時大量時間耗費在進程切換上，CPU資源占用嚴重，故建議使用單攝像頭循跡模式，此時系統(tǒng)內存占用穩(wěn)定在50 MB以內，尚有較大冗余。

圖15 單攝像頭與雙攝像頭循跡幀率對比圖

采集各電動機轉速數據進行分析，以典型直行轉彎再直行工況為例，截取一段加速啟動后前后舵機同向滿舵轉向，最后減速停車全過程中4個電動機速度曲線，如圖16所示。

圖16 4臺電動機轉速曲線圖

加速啟動階段電動機轉速波動較大且啟動存在延遲，原因在于啟動時需要提供較大扭矩，而進行PWM調速時，當占空比尚未達到能使電動機啟動的閾值時，電動機不運轉，當占空比達到啟動閾值時PID控制器的積分項已過大，故造成速度波動；在減速停車階段由于車輛慣性的存在則沒有此問題。故考慮設定電動機啟動死區(qū)占空比，以避免啟動時上述問題。

進行系統(tǒng)壓力測試，開啟兩路攝像頭循跡，不間斷運行2 h，電量消耗與系統(tǒng)溫度如圖17所示。系統(tǒng)運行穩(wěn)定，CPU溫度維持在安全范圍內，滿載情況下雙電池電量消耗速度基本保持一致，最短續(xù)航時間預計約為3．9 h。

圖17 壓力測試數據采樣圖

4 結 語

針對智慧港口物流研究中的原型車輛研發(fā)難度大、成本高，且真實環(huán)境難以開展系統(tǒng)性試驗等問題，本文研制了試驗用微縮版智能車輛模型，設計了射頻識別融合機器視覺導引和系統(tǒng)管理方案并成功實施。提供的軟件集成開發(fā)環(huán)境，可作為智能港口、無人自主系統(tǒng)等領域的仿真研究工具，以及實踐教學、員工培訓平臺。未來進一步研究快速低成本的批量生產方案，設計閑時待機低功耗模式，并擴展與優(yōu)化上位機功能。

·名人名言·

你們在想要攀登到科學頂峰之前，務必把科學的初步知識研究透徹。還沒有充分領會前面的東西時，就決不要動手搞往后的事情。

——巴甫洛夫