基于DSP和模糊控制的巡线机器人控制系统设计与实现

2013-10-17 13:28赵锦芝
制造业自动化 2013年20期
关键词:驱动轮巡线模糊控制

赵锦芝,杨 威

ZHAO Jin-zhi,YANG Wei

(中原工学院,郑州 450007)

0 引言

鉴于AGV小车在现代物流与柔性制造系统中的重要应用,设计一款巡线机器人控制系统将非常必要。因AGV小车是集各种机械结构、传感器和计算机等一体的非线性复杂系统,对其建立数学模型很困难,传统的基于模型的控制方法很难适用该模型,而且也很难满足AGV小车对控制器的实时性、鲁棒性和精确性的要求[1]。所以本文综合选用模糊逻辑控制与PID控制对巡线机器人进行有效控制,模糊控制主要完成机器人对导引线的实时跟踪,PID控制实现机器人速度的稳定与快速调整。

1 巡线机器人结构设计

本巡线机器人为3轮式移动机器人,该机器人采用双轮差动加万向轮控制,前面2个是驱动轮,后轮为万向轮。在机器人底部安装两排自制的间距可微调的红外传感器检测板,用来检测导引线。

2 巡线机器人控制系统设计

巡线机器人控制系统的微处理器选用TI公司C2000系列的TMS320LF2407A数字处理芯片,为了充分利用DSP芯片上的各功能端口,增加整个控制系统的功能多样化,并没有将24路巡线传感器的采集直接接在DSP的I/O口上,而是使用4片74HC245芯片外扩了32路巡线传感器的采集端口,如图1所示为系统硬件结构框图,该系统硬件上可以实现10路AD信号的采集,两路继电器控制(可控制制动器完成驱动轮的刹车),3路限位开关或接近开关的采集,32路巡线传感器的采集,完成两路步进电机的开环控制或两路伺服电机的闭环控制,并且对电机码盘采集的差分信号进行了滤波处理,增加了系统的抗干扰能力。在通讯方面,实现了高速的CAN总线通讯,与串口通讯两种通讯方式。

图1 系统硬件结构框图

使用自制的驱动器完成对伺服电机的驱动,该驱动器选用具有温度报警,过热与短路保护功能的LMD18200芯片,该芯片的逻辑真值表如表1所示。对进入驱动器的控制信号(PWM,方向,刹车)进行了光电隔离,确保该驱动器能够可靠的驱动伺服电机。

图2 控制系统原理图

表1 逻辑真值表[2]

整个控制系统的工作原理如图2所示。模糊控制器根据巡线传感器判断机器人的位姿,给出左右轮的速度偏差Vei,经速度规划后在保证给定机器人质心速度不变的情况下,得到机器人左右轮的理想速度,再经PID控制器调节实现机器人的速度闭环控制。

转弯时巡线机器人从一个导引线过渡到另一个导引线,转弯的好坏是考核巡线机器人的重要指标。本控制系统采用原地打转的转弯策略,转弯半径为零,转弯快速且易于实现。

2.1 模糊控制策略

为了实现机器人巡线移动功能,根据采集巡线传感器的状态,来感知机器人偏离导引线的大小,进而不断地调整两驱动轮的速度,从而调整机器人的运动轨迹,使其沿导引线运动。根据以上原理,控制器可以选用模糊控制器[3,4]。

巡线机器人系统中,前后两排传感器的布局如图3 所示,其中前排安装两个传感器检测板,后排安装一个传感器检测板,且每个检测板包含8路红外传感器探头。每个探头之间的间距D为10mm,机器人前后两排检测板之间的距离L为470mm。导引线的宽度至少要略大于每个探头之间的间距D,保证任意时刻有1到2个传感器在导引线上。为了增加机器人对导引线在中间位置的分辨率,前后排中间位置的两个传感器的距离为5mm。然后分别对前后两排红外传感器的进行编码,具体编码如表2所示。可以得到模糊控制器的传感器检测点的两个输入iF和iB编码,一个输出,机器人左右轮速度差Vei。

图3 传感器(检测点)布局分布图

模糊控制器输入变量iF,iB的语言值选取为:{LB,LM,LS,Z0,RS,RM,RB},其中,LB=左大、LM=左中、LS=左小、Z0=中心、RS=右小、RM=右中、RB=右大。输出量Vei的选取为:{NVL,NL,NM,NS,Z0,PS,PM,PL,PVL},其中,NVL= 负很大,NL= 负大,NM= 负中,NS= 负小,Z0= 零,PS= 正小,PM= 正中,PL= 正大,PVL= 正很大。

表2 传感器(检测点)编码表

根据模糊隶属函数的定义与规则,各语言变量在其论域上的隶属函数如图4所示,模糊控制规则的建立是基于专家知识或熟练操作人员的经验,它是根据人的认识能力推理出的一种语言表达形式,根据生活中汽车驾驶和智能车的调车经验,建立如表3所示的控制规则。

图4 输入输出语言变量的隶属函数

表3 模糊控制规则表

当机器人偏离导引线不大时,为了防止控制过度,出现机器人不断来回调整的现象,控制规则中的调整幅度较小,如iF为Z0,iB为LM输出Vei为NS。当机器人偏离导引线较大时,为了加快其调整速度,控制规则中的调整幅度较大,如iF为LB,iB为Z0输出Vei为PVL。模糊推理采用Mamdani法,采用重心法进行反模糊,虽然计算量比较大,但比较准确。如图5所示为反解模糊后得到的输入量iF,iB与输出量的Vei对应的关系曲线图。

图5 输入iF,iB与输出Vei对应的关系曲线图

模糊控制器得到的左右轮速度偏差Vei的区域为(-10~10),需要尺度变换为实际的速度偏差值才可以使用,该变换可以是线性的也可以是非线性的。经试验测试当前排最左边和最右边4个传感器检测到导引线时所乘的比例系数Ku为40,其余情况比例系数Ku为35,此时,巡线机器人有比较好的控制状态。为了保证机器人移动的平稳性与调整的快速性,且各种情况下保证机器人按照给定速度运行,打破传统的一个驱动轮速度固定,令一个驱动轮单独调整的控制方法,选择两个驱动轮同时调整的方法,其左右轮的理想转速如公式(1)所示:

其中:robot_v为机器人质心速度;

VL为机器人左轮速度;

VR为机器人右轮速度;

2.2 转弯的实现

巡线机器人在遍历整个仓库时,不仅需要准确平稳地巡直线运动,而且转弯运动同样重要。考虑到仓库中路径结构复杂,空间狭小,所以本系统采用原地打转的转弯策论,该策略具有转弯半径为零且易于实现的优点。有机器人的转弯半径公式(2)可知,当机器人左轮速度与右轮速度大小相等方向相反时,可实现机器人原地打转。具体需要左转弯还是右转弯依靠前排边缘的两个红外传感器检测转弯标记来判断。即使机器人由于速度过快、导引线间断或其他原因冲出导引线,机器人也会依靠记录的上一次的状态进行原地打转寻找导引线,一定程度上增加了系统的鲁棒性。

其中:R为移动机器人的转弯半径;

b为两驱动轮轮间距的一半;

VL为机器人左轮速度;

VR为机器人右轮速度。

3 实验与结果分析

为了使系统兼有稳定启动、快速调节、较小的超调量等特性,经试验不断调整后的PID控制的参数为。DSP对巡线传感器的采集由中心向两边同步进行,实验表明,机器人在导引线线宽为12-55mm之间都能很好地完成巡线任务,增加了巡线机器人的鲁棒性,但最佳工作线宽为15mm。为了保证整个控制系统的实时性,主程序完成一次巡线传感器的采集之后,模糊控制器根据传感器采集的机器人位姿得出理想的左右轮速度,紧接着PID控制器对速度进行调节,进而机器人又进入下一次巡线传感器的采集。经过DSP仿真可知,一个循环周期仅需要3ms左右,由此可见本文设计的巡线系统具有很高的实时性。

通过串口每隔50ms将下位机(DSP)采集到的红外巡线传感器的状态和速度返回到上位机,如图6所示为VC上位机人机界面,通过该界面可以实时清楚地看到机器人偏离导引线的程度与模糊控制器输出的左右轮的速度。实验表明,机器人可以顺利通过图7包括的路径类型,且直线行走,巡线机器人的速度在500mm/s时,偏差在10mm以内,速度在250mm/s时,偏差在5mm以内,弯道行驶速度在200-500mm/s时,随着速度的增加偏差不断增大,但均在15mm以内且运动比较平稳。

图6 VC上位机人机界面

图7 路径类型

4 结束语

本文开发了一种综合模糊控制和PID控制的巡线机器人控制系统,实验证明,基本满足了AGV小车对控制系统实时性、鲁棒性、准确性的要求,可以平稳快速地通过直线通道,直角通道圆弧通道,该巡线机器人在常规的生产中能满足使用要求。

[1] 廖华丽,周祥,董丰,等.基于模糊控制的AGV寻迹算法[J].哈尔滨工业大学学报,2005,37(07):896-898.

[2] LMD18200 3A,55VH-Bridge Datasheet.National Semiconductor Corporation.1999.

[3] 韩宁宁,梁清,马海涛,等.一种巡线机器人控制系统的设计与实现[J].自动化与仪表,2008,09:39-43.

[4] 李国勇.智能控制及MATLAB实现[M].北京:电子工业出版社,2005.

猜你喜欢
驱动轮巡线模糊控制
基于正交试验的整车驱动轮滚动阻力因素分析
电驱动轮轮毂设计及有限元分析
基于共振磁耦合供电及电磁传感定位的无人机智能巡线技术与应用
基于移动互联网的智能化巡线管理系统的建设与应用
基于变论域模糊控制的Taylor逼近型内模PID算法
巡线工的春天
一种新型掘进机行走驱动轮设计方案
基于遗传算法的模糊控制在过热汽温控制系统优化中的应用
无人机在电力巡线中的应用模式研究
移动平台及包含移动平台的行李箱