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(yù)設(shè)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(guān)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(diào)整能力是制約其在工業(yè)領(lǐng)域推廣應(yīng)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(yīng)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(yīng)用廣泛，但其鋪設(shè)成本較高，不便于后期維護與調(diào)整，難以滿足現(xiàn)代化柔性生產(chǎn)過程中的重載轉(zhuǎn)運需求;慣性導航技術(shù)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(shù)進行導航，應(yīng)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(yīng)用中存在路徑鋪設(shè)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(nèi)、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(jié)合，采用模糊規(guī)則對PID控制參數(shù)進行在線調(diào)整，雖然系統(tǒng)具有一定的魯棒性，但對復雜多變的應(yīng)用環(huán)境適應(yīng)性較差．文獻［11］提出的自適應(yīng)反演滑模控制方法使系統(tǒng)響應(yīng)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(shù)在PID控制基礎(chǔ)上，將非線性因素和系統(tǒng)內(nèi)、外部擾動視為總擾動，通過構(gòu)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(jié)構(gòu)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(shè)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(guān)鍵因素． 導航的靈活性與導航方式和AGV結(jié)構(gòu)有關(guān)，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(jié)構(gòu)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(shè)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(yīng)，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(jié)構(gòu)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(qū)動設(shè)計，可實現(xiàn)原地360°轉(zhuǎn)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(jié)構(gòu)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(qū)動與轉(zhuǎn)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．

圖 1 改進后的3C視覺導航重載AGV結(jié)構(gòu)

圖 2 AGV 控制系統(tǒng)結(jié)構(gòu)圖

1.1 3C視覺導航設(shè)計

根據(jù)改進后AGV上3個相機分布的結(jié)構(gòu)特點，設(shè)計數(shù)據(jù)矩陣碼的鋪設(shè)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(shè)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．

圖 3 AGV導航示意圖

圖 4 掃描數(shù)據(jù)矩陣碼偏差和偏移角度示意圖

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

其中，vr為期望速度，ωr為期望角速度，αr值可為0°，±90°，180°．將全局變量下位姿誤差轉(zhuǎn)換到局部變量下AGV位姿誤差公式［13］為

局部坐標下AGV位姿誤差微分方程為

其中，v0為AGV運行速度，ω0為AGV運行角速度．

1.2 ADRC跟蹤器設(shè)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

其中，r0 為跟蹤速度因子，r0 越大跟蹤速度越快; f0為輸入信號; f1，f2為 f0的跟蹤信號．
擴張狀態(tài)觀察器( ESO) 線性誤差方程為

其中，u為被控系統(tǒng)輸入;y為ADRC輸出;z1，z2，z3為系統(tǒng)狀態(tài)變量估計值;β01，β02和β03為設(shè)置參數(shù);b為控制量系數(shù)．誤差反饋控制系統(tǒng)中目標與輸出值之間的誤差及其微分誤差信號和被控系統(tǒng)輸入，相應(yīng)計算公式分別為

其中，e1是誤差，e2是微分誤差，b0為可調(diào)參數(shù)，u0為系統(tǒng)的控制律．

1.2.2 AGV軌跡跟蹤控制器設(shè)計AGV軌跡

跟蹤控制器結(jié)構(gòu)如圖5所示，AGV軌跡姿態(tài)誤差值［xe，ye，αe］T 是ADRC輸入，ADRC輸出是［xe，ye，αe］T，系統(tǒng)輸出是AGV實際運行姿態(tài)［x0，y0，α0］T，此時系統(tǒng)是三輸入三輸出，因此需要3個獨立ADRC控制器，將軌跡姿態(tài)誤差看成3個單輸入單輸出系統(tǒng)．

圖 5 AGV 軌跡跟蹤控制器結(jié)構(gòu)

3個獨立 ADRC 的控制律 u0x，u0y，u0α為

其中，k1和k2分別是比例和微分控制增益; e1x，e1y，e1α是3個獨立ADRC的姿態(tài)誤差; e2x，e2y，e2α是3個獨立ADRC的微分姿態(tài)誤差．

2 仿真結(jié)果與分析

為了驗證本文設(shè)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(shè)定AGV速度為1m/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表示AGV運行時間，縱坐標表示AGV在全局坐標下的位姿誤差．

圖 6 圓形軌跡跟蹤與位姿誤差曲線

圖 7 直線軌跡跟蹤與位姿誤差曲線

由圖6和圖7可知，設(shè)置AGV起始位置在軌跡外，從初始時刻開始，圓形軌跡中AGV能在1.9S時成功跟蹤到給定的參考軌跡時成功跟蹤到給定的參考軌跡;直線軌跡中 AGV能在3.9s時成功跟蹤到給定的參考軌跡，說明基于ADRC的3C視覺導航重載AGV系統(tǒng)響應(yīng)速度較快．運行穩(wěn)定后，圓形軌跡中理想跟蹤位置誤差小于1mm，理想偏移角誤差趨近于0;直線軌跡中AGV理想跟蹤位置誤差和理想偏移角誤差趨近于0．因此，基于ADRC的3C視覺導航重載AGV系統(tǒng)能有效實現(xiàn)軌跡的實時跟蹤且導航精度較高．

3 實際應(yīng)用結(jié)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(yīng)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1.8m，車上安裝的兩個相鄰相機之間中心位置距離為0.75m，因此鋪設(shè)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0.75m．設(shè)置的直線路徑中，路徑長15m，共鋪設(shè)22個數(shù)據(jù)矩陣碼，為進一步測試其轉(zhuǎn)彎性能，在路徑中的起始位置進行原地零半徑轉(zhuǎn)彎．在0.5m/s，1.0m/s，1.5m/s，2.0m/s，2.5m/s和 3.0m/s速度下，分別記錄AGV前進( 后退)、原地左轉(zhuǎn)(右轉(zhuǎn)) 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(jié)果見表 1 和表 2．

表 1 AGV 前進( 后退) 運行誤差

表 2 AGV 原地左( 右) 轉(zhuǎn)彎誤差

由表1和表2可知，在實際運行中，直行時最大導航誤差為7.44mm，最大偏移角為0.89°;原地90°轉(zhuǎn)彎時，最大導航誤差為7.21mm，最大偏移角為0.92°．該結(jié)果與仿真結(jié)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(guān)．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8mm，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(shè)便利，導航精度高，AGV 運行穩(wěn)定且靈活．

4 結(jié)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(jié)構(gòu)進行了改進，設(shè)計了基于ADRC的3C視覺導航重載AGV系統(tǒng)．該設(shè)計采用3個獨立單目相機，無需色帶引導，只需鋪設(shè)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(yīng)用結(jié)果表明，AGV運行穩(wěn)定、靈活，響應(yīng)速度快，最大導航誤差絕對值小于8mm，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(chǔ)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(diào)節(jié)ADRC中需要設(shè)置的常數(shù)參數(shù)，將其變成動態(tài)調(diào)整變量，進一步提高ADRC收斂速度，減少所需參數(shù)設(shè)置，進而提高AGV運行響應(yīng)速度．

參考文獻:

［1］ BACIK J，DUROVSK YF，BIR0S M，et al． Pathfinder-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(shè)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(yīng)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(shè)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．文章來源于AGV吧
［10］ 王琳華． 磁導式 AGV 自動導航車控制系統(tǒng)的設(shè)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(yīng)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(shù)———估計補償不確定因素的控制技術(shù)［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．