CN107037808A - 基于滑模控制器的输送车寻迹方法 - Google Patents

Abstract

本发明公开了一种基于滑模控制器的输送车寻迹方法，使用滑模控制器控制输送车的运行轨迹以使运行轨迹贴合磁道路径，包括：(1)使用检测单元采集获得所述输送车的中心位置到磁道的距离误差e_d和输送车相对于磁道路径的偏离角度e_θ；(2)依据所述距离误差e_d的大小调整所述滑模控制器中对应的离散滑模趋近律的ε参数的大小，使得ε参数随着所述距离误差的降低而缩小，ε参数为离散滑模趋近律中控制逼近速率的参数；(3)依据确定好的ε参数、距离误差e_d、偏离角度e_θ和离散滑模趋近律计算并调整输送车左轮和右轮的速度，从而调整输送车运行路径。本发明动态调整ε参数，使得AGV能够快速进入稳定跟踪状态，且系统稳定后，抖振小甚至消除抖振。

Description

基于滑模控制器的输送车寻迹方法

技术领域

本发明涉及一种输送车寻迹方法，尤其涉及一种使用滑模控制器进行输送车寻迹的方法。

背景技术

输送车(AGV，自动导引车)由于其无人操纵，柔性化和智能运输特性被广泛的运用于仓储物流，自动化制造等工业生产中，而AGV的轨迹控制是整个AGV 行为的核心，目前的AGV轨迹控制主要采用以下3种方法：其一基于反馈线性化方法，但是由于AGV运动模型的非线性和周围环境的复杂多变，导致其误差较大，鲁棒性不强；基于自适应PID控制器的方法，虽然能够保证一定的鲁棒性但是对不确定系统的适应性有限；基于滑模变结构控制的方法，传统的滑模变结构控制在系统中会产生较大抖振，使得跟踪效果并不理想。

故急需一种可解决上述问题的输送车控制方法以控制输送车的运行轨迹。

发明内容

本发明的目的是提供一种基于滑模控制器的输送车寻迹方法，在传统的滑模变结构控制器基础上，对离散滑模趋近律的参数ε进行动态调整，来达到尽可能的在寻迹的开始快速逼近滑模面，当接近稳定时减少抖振逼近等效控制，从而压缩滑模控制的抖振甚至消除抖振，使得跟踪效果并不理想。

为了实现上有目的，本发明公开了一种基于滑模控制器的输送车寻迹方法，使用滑模控制器控制输送车的运行轨迹，使得所述输送车的运行轨迹贴合磁道路径，包括以下步骤：(1)使用检测单元采集获得所述输送车的中心位置到所述磁道的距离误差e_d和输送车相对于所述磁道路径的偏离角度e_θ；(2)依据所述距离误差e_d的大小调整所述滑模控制器中对应的离散滑模趋近律的ε参数的大小，使得ε参数随着所述距离误差的降低而缩小，ε参数为离散滑模趋近律中控制逼近速率的参数；(3)依据确定好的ε参数、距离误差e_d、偏离角度e_θ和离散滑模趋近律计算并调整所述输送车左轮和右轮的速度，从而以调整所述输送车的运行路径。

对离散滑模趋近律中的ε参数讨论可以发现当ε参数很大时，滑模控制中系统趋近滑模面的速率变大，也就是说系统会更快的收敛到滑模面，响应速度快，如果ε参数过大的话，虽然可以让其快速逼近滑模面，但是容易引起极大的抖振，当ε参数较小的时候系统逼近滑模面的速率变小，而当ε参数极小时，滑模控制也逐渐逼近等效控制。为此，本发明动态改变ε参数，使其当输送车的距离误差很大时，让其快速逼近滑模面以更快的速率缩小距离误差，从而使得输送车能够快速进入稳定跟踪状态。当系统稳定后，让其接近等效控制来进行轨迹跟踪，压缩滑模控制的抖振甚至消除抖振。

较佳地，所述步骤(2)具体为：依据预设或者已有的ε参数的策略模型，计算所述距离误差e_d对应的ε参数大小，ε参数的策略为滑模控制器每一次动作对应的ε参数或者参数变化的映射，ε参数的策略模型为ε参数的策略集合。该方案使得本发明系统响应迅速，物理实现简单。

更佳地，所述基于滑模控制器的输送车寻迹方法还包括确定所述策略模型的方法，包括以下步骤：将输送车离线运行若干回，利用马尔科夫决策过程计算策略π并求解最优策略以获取策略模型。该方案使得本发明在不同的复杂的地表环境下，能够快速进入稳定跟踪状态，稳定状态下跟踪效果良好，跟踪抖振很小，具有较强的适应性和鲁棒性。

具体地，确定所述策略模型的方法具体步骤包括：将所述距离误差马尔科夫过程化，依据预设好的规律建立每一个动作对应的ε参数，使得每一次动作时所述ε参数依据预设规律递减；使用所述检测单元检测距离误差e_d，获取每一次动作ε参数与距离误差e_d之间的映射，将输送车离线运行若干回，依据策略迭代计算最优策略以获取策略模型。

更具体地，利用马尔科夫决策过程获取策略π的具体步骤包括：(11)使用检测单元检测所述输送车的中心位置到所述磁道的距离误差，将磁检测单元的检测最大偏差e_dmax数值分成M个等级，从而对应建立所述距离误差的状态集合 S＝e_di，i＝1、2…M，其中e_di为量化过的误差，从而将距离误差e_d马尔科夫过程化；(12)建立行动集合A，使用ε参数的变化程度代表一次行动a，将每一次行动a或者ε参数依据预设规律设置为不同速度的递减，使得ε参数随着距离误差的减小而减小；(13)获取状态集合S到行动集合A的映射。

更具体地，依据策略迭代计算最优策略的方法具体步骤包括：(A)计算每一次行动a对应的回报值R；(B)依据最大化回报期望最优原则，求取最优回报值对应的策略以获得最优策略。

更具体地，所述步骤(A)具体包括：设计回报函数R＝C/(Δe_di+l)，其中 C、l为常数，Δe_di为每一次行动距离误差的变化程度，依据回报函数计算每一次行动对应的回报值R。

更具体地，所述步骤(B)具体包括：确定最优回报准则为折扣因子，K＝M，E为常数，依据最优回报准则求取最优回报值对应的策略。

更具体地，所述步骤(B)之后还包括求取状态转移概率的步骤：当状态S_i时若采取行动a_k从状态S_i到状态S_j，则这个转移的概率为状态转移概率(P_sa)_ijk，使得每一个行动都一个状态转移概率矩阵[P_ak]对应。

更具体地，依据策略迭代计算最优策略获取策略模型的具体步骤包括：

定义一值函数V^π:S→R采用策略π时，在状态s的期望回报：s_k为采样时刻的状态，k＝0为初始状态s，γ为输送车减速机构传动比，以递归形式表示为：

进行从值函数V^π(s)到策略π的过程,定义行动值函数Q^π:S·A→R，为在状态s采用行动a，其他状态采用策略π的期望回报：

策略函数由最大化行动值函数获得：

重复以上步骤从而通过不断迭代来获取一个最优策略，从而获取策略模型。

较佳地，所述检测单元包括磁传感器和电位计，所述步骤(1)中采用磁传感器采集获得所述距离误差，使用电位计采集获得所述偏离角度e_θ。当然，检测单元还可以采用其他的检测器件进行数据采集。

较佳地，所述步骤(3)具体为：依据确定好的ε参数、距离误差e_d、偏离角度e_θ和离散滑模趋近律计算所述输送车左轮和右轮的控制速度，依据所述控制速度计算所述输送车左轮驱动电机和右轮驱动电机的控制压差，依据所述控制压差对应调节所述左轮、右轮的电压从而控制所述输送车左轮和右轮的速度，以调整所述输送车的运行路径。

附图说明

图1是本发明第一实施例中所述输送车寻迹方法的流程图。

图2是本发明第二实施例中所述输送车寻迹方法的流程图。

具体实施方式

为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。

本发明公开了一种基于滑模控制器的输送车寻迹方法，使用滑模控制器控制输送车的运行轨迹，使得所述输送车的运行轨迹贴合磁道路径。

参考图1，所述输送车寻迹方法包括以下步骤：(1)使用检测单元采集获得所述输送车的中心位置到所述磁道的距离误差e_d和输送车相对于所述磁道路径的偏离角度e_θ；(2)依据所述距离误差e_d的大小调整所述滑模控制器中对应的离散滑模趋近律的ε参数的大小，使得ε参数随着所述距离误差的降低而缩小，ε参数为离散滑模趋近律中控制逼近速率的参数；(3)依据确定好的ε参数、距离误差e_d、偏离角度e_θ和离散滑模趋近律计算并调整所述输送车左轮和右轮的速度，从而以调整所述输送车的运行路径，即将确定好的ε参数、距离误差 e_d、偏离角度e_θ代入离散滑模趋近律中计算输送车左轮和右轮的速度。本发明动态改变ε参数，使其当输送车的距离误差很大时，让其快速逼近滑模面以更快的速率缩小距离误差，从而使得输送车能够快速进入稳定跟踪状态。当系统稳定后，让其接近等效控制来进行轨迹跟踪，压缩滑模控制的抖振甚至消除抖振。

其中，所述步骤(2)具体为：依据预设或者已有的ε参数的策略模型，计算所述距离误差e_d对应的ε参数大小，即依据策略模型优化滑模控制器的ε参数。其中，ε参数的策略为滑模控制器每一次动作对应的ε参数或者参数变化的映射，ε参数的策略模型为ε参数的策略集合。该方案使得本发明系统响应迅速，物理实现简单。

其中，所述检测单元包括磁传感器和电位计，所述步骤(1)中采用磁传感器采集获得所述距离误差，使用电位计采集获得所述偏离角度e_θ。当然，检测单元还可以采用其他的检测器件进行数据采集。

其中，参考图1，所述步骤(3)具体为：依据确定好的ε参数、距离误差 e_d、偏离角度e_θ和离散滑模趋近律计算所述输送车左轮和右轮的控制速度，依据所述控制速度计算所述输送车左轮驱动电机和右轮驱动电机的控制压差，依据所述控制压差对应调节所述左轮、右轮的电压从而控制所述输送车左轮和右轮的速度，以调整所述输送车的运行路径。

在本发明第二实施例中，所述输送车寻迹方法还包括确定所述策略模型的方法，包括以下步骤：将输送车离线运行若干回，利用马尔科夫决策过程计算策略π并求解最优策略以获取策略模型。参考图2，确定所述策略模型的方法具体步骤包括：(21)将所述距离误差马尔科夫过程化，(22)依据预设好的规律建立每一个动作对应的ε参数，使得每一次动作时所述ε参数依据预设规律递减，即设定马尔科夫决策过程ε参数模型；(23)使用所述检测单元检测距离误差e_d，(24)获取每一次动作ε参数与距离误差e_d之间的映射，将输送车离线运行若干回，依据策略迭代计算最优策略以获取策略模型，即离线学习最优策略以获得策略模型。

其中，将所述距离误差马尔科夫过程化的步骤包括：使用检测单元检测所述输送车的中心位置到所述磁道的距离误差，将磁检测单元的检测最大偏差e_dmax数值分成M个等级，从而对应建立所述距离误差的状态集合S＝e_di，i＝1、2…M，其中e_di为量化过的误差，从而将距离误差e_d马尔科夫过程化。

其中，所述步骤(22)中，依据预设好的规律建立每一个动作对应的ε参数的步骤包括：建立行动集合A，使用ε参数的变化程度代表一次行动a，将每一次行动a或者ε参数依据预设规律设置为不同速度的递减，使得ε参数随着距离误差的减小而减。所述步骤(24)中，随着输送车的运行获取状态集合S 到行动集合A的映射。

其中，所述步骤(24)中，依据策略迭代计算最优策略的方法具体步骤包括：(A)计算每一次行动a对应的回报值R；(B)依据最大化回报期望最优原则，求取最优回报值对应的策略以获得最优策略。具体地，所述步骤(A)具体包括：设计回报函数R＝C/(Δe_di+l)，其中C、l为常数，Δe_di为每一次行动距离误差的变化程度，依据回报函数计算每一次行动对应的回报值R。具体地，所述步骤 (B)具体包括：确定最优回报准则为折扣因子，K＝M，E为常数，依据最优回报准则求取最优回报值对应的策略。

较佳者，所述步骤(B)之后还包括求取状态转移概率的步骤：当状态S_i时若采取行动a_k从状态S_i到状态S_j，则这个转移的概率为状态转移概率(P_sa)_ijk，使得每一个行动都一个状态转移概率矩阵对应。

描述本发明运用马尔可夫决策过程优化滑模控制器的过程，即所述步骤 (24)的具体步骤：定义一值函数V^π:S→R采用策略π时，在状态s的期望回报：s_k为采样时刻的状态，k＝0为初始状态s，γ为输送车减速机构传动比，以递归形式表示为：进行从值函数V^π(s)到策略π的过程,定义行动值函数Q^π:S·A→R，为在状态s采用行动a，其他状态采用策略π的期望回报：策略函数由最大化行动值函数获得：

重复以上步骤从而通过不断迭代来获取一个最优策略，从而获取策略模型。

在AGV的轨迹跟踪中，滑模控制器被广泛的应用，但是对于复杂地面环境，目前常规的滑模控制器往往抖振的幅度较大，跟踪精度往往达不到要求，基于此，本发明通过利用马尔科夫决策过程合理的控制离散滑模控制器的收敛速率参数，通过让AGV在实际磁道上行驶若干个周期离线学习马尔科夫决策模型的策略函数，使其能够更加快速稳定的逼近滑模面，实现轨迹良好跟踪，不但对复杂地面的适应性良好，而且跟踪精度相比较高。

以下描述滑模控制器的工作原理：

对于输送车而言，设左右轮的电机电枢电压为U_c,U_r，负载常数为T_m，反向电动势常数为k_d，车轮半径为r，减速机构传动比为γ，则令：

经拉氏变换后可得：

在改变电机转速时，以一个△U来表示电压的改变量，以U_c表示基准驱动电压，则U_l和U_r可表示为：

U_l＝U_c+△U；

U_r＝U_c-△U；

那么令AGV左，右轮线速度为V_l,V_r则可得：

V_l＝V_c+△V；

V_r＝V_c-△V；

令AGV几何中心到磁道的误差为e_d，输送车几何正向与磁道切向的误差为e_θ假设在经过△t时间，则满足：

即

同理可得：

(θ很小时)；

综合上述公式可得：

其中f(t)为系统参数扰动和外部变化的随机干扰，但是这些干扰归根揭底还是对△V的改变，所以定义一个△V_f代表扰动速度差，则不失一般性，上式可表达为：

它的模型为离散表达为x(k+1)＝Ax(k)+Bv(k)；

将速度差的拉氏变换：

求逆变换后有：

将其离散化为：

至此，一个采样间隔阶段的差速可以用来表示两轮压差的变化，对于上述的△V_f项，由于后面提及的滑模变结构控制可以消除这类扰动，故在实际处理时可忽略该项。

在滑模控制过程中，轨迹控制的目标就是尽量使AGV在运行过程中的轨迹 X(k)尽量贴合磁道路径R(k)，所以定义系统的滑模面方程(切换函数)为：

s(k)＝C(R(k)-x(k))；

从而：

s(k+1)＝C(R(k+1)-x(k+1))＝CR(K+1)-CAx(k)-CBv(k)；

当CB≠0时，

v(k)＝(CB)^-1[CR(k+1)-CAx(k)-s(k+1)]；

取离散滑模趋近律为：

s(k+1)-s(k)＝-δTs(k)-εTsgn(s(k))其中δ>0,ε>0,1-εT>0；

则：

v(k)＝(CB)^-1[CR(k+1)-CAx(k)-(1-δT)s(k)+εTsgn(s(k)]；

其中，滑模控制器采用离散滑模趋近律控制输送车为本领域公知技术，在此不进行进一步的详述。

以上所揭露的仅为本发明的优选实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于滑模控制器的输送车寻迹方法，使用滑模控制器控制输送车的运行轨迹，使得所述输送车的运行轨迹贴合磁道路径，其特征在于，包括以下步骤：

(1)使用检测单元采集获得所述输送车的中心位置到所述磁道的距离误差e_d和输送车相对于所述磁道路径的偏离角度e_θ；

(2)依据所述距离误差e_d的大小调整所述滑模控制器中对应的离散滑模趋近律的ε参数的大小，使得ε参数随着所述距离误差的降低而缩小，ε参数为离散滑模趋近律中控制控制逼近速率的参数；

(3)依据确定好的ε参数、距离误差e_d、偏离角度e_θ和离散滑模趋近律计算并调整所述输送车左轮和右轮的速度，从而以调整所述输送车的运行路径。

2.如权利要求1所述的基于滑模控制器的输送车寻迹方法，其特征在于，所述步骤(2)具体为：依据预设或者已有的ε参数的策略模型，计算所述距离误差e_d对应的ε参数大小，ε参数的策略为滑模控制器每一次动作对应的ε参数或者参数变化的映射，ε参数的策略模型为ε参数的策略集合。

3.如权利要求2所述的基于滑模控制器的输送车寻迹方法，其特征在于，还包括确定所述策略模型的方法，包括以下步骤：将输送车离线运行若干回，利用马尔科夫决策过程计算策略π并求解最优策略以获取策略模型。

4.如权利要求2或3所述的基于滑模控制器的输送车寻迹方法，其特征在于，确定所述策略模型的方法具体步骤包括：将所述距离误差马尔科夫过程化，依据预设好的规律建立每一个动作对应的ε参数，使得每一次动作时所述ε参数依据预设规律递减，使用所述检测单元检测距离误差e_d，获取每一次动作ε参数与距离误差e_d之间的映射，将输送车离线运行若干回，依据策略迭代计算最优策略以获取策略模型。

5.如权利要求3所述的基于滑模控制器的输送车寻迹方法，其特征在于，利用马尔科夫决策过程计算策略π的具体步骤包括：

(11)使用检测单元检测所述输送车的中心位置到所述磁道的距离误差，将磁检测单元的检测最大偏差e_dmax数值分成M个等级，从而对应建立所述距离误差的状态集合S＝e_di，i＝1、2…M，其中e_di为量化过的误差，从而将距离误差e_d马尔科夫过程化；

(12)建立行动集合A，使用ε参数的变化程度代表一次行动a，将每一次行动a或者ε参数依据预设规律设置为不同速度的递减，使得ε参数随着距离误差的减小而减小；

(13)获取状态集合S到行动集合A的映射。

6.如权利要求5所述的基于滑模控制器的输送车寻迹方法，其特征在于，依据策略迭代计算最优策略的方法具体步骤包括：(A)计算每一次行动a对应的回报值R；(B)依据最大化回报期望最优原则，求取最优回报值对应的策略以获得最优策略。

7.如权利要求6所述的基于滑模控制器的输送车寻迹方法，其特征在于，所述步骤(A)具体包括：设计回报函数R＝C/(Δe_di+l)，其中C、l为常数，Δe_di为每一次行动距离误差的变化程度，依据回报函数计算每一次行动对应的回报值R。

8.如权利要求6所述的基于滑模控制器的输送车寻迹方法，其特征在于，所述步骤(B)具体包括：确定最优回报准则 为折扣因子，K＝M，E为常数，依据最优回报准则求取最优回报值对应的策略。

9.如权利要求8所述的基于滑模控制器的输送车寻迹方法，其特征在于，依据策略迭代计算最优策略的方法还包括求取状态转移概率的步骤：当状态S_i时若采取行动a_k从状态S_i到状态S_j，则这个转移的概率为状态转移概率(P_sa)_ijk，使得每一个行动都一个状态转移概率矩阵对应。

10.如权利要求9所述的基于滑模控制器的输送车寻迹方法，其特征在于，依据策略迭代计算最优策略获取策略模型的具体步骤包括：

定义一值函数V^π:S→R采用策略π时，在状态s的期望回报：s_k为采样时刻的状态，k＝0为初始状态s，γ为输送车减速机构传动比，以递归形式表示为：

进行从值函数V^π(s)到策略π的过程,定义行动值函数Q^π:S·A→R，为在状态s采用行动a，其他状态采用策略π的期望回报：

策略函数由最大化行动值函数获得：

重复以上步骤从而通过不断迭代来获取一个最优策略，从而获取策略模型。