一种变质心无人搬运车轨迹跟踪控制方法技术

本发明专利技术公开了一种变质心无人搬运车轨迹跟踪控制方法，包括如下步骤：对无人搬运车进行动力学和运动学理论分析，建立无人搬运车动力学和运动学模型；基于Lyapunov直接法，根据无人搬运车动力学和运动学模型，建立全局渐进跟踪控制器,对参考轨迹进行全局跟踪；优化粒子群算法，自适应地调整跟踪控制器输入的控制参数。本发明专利技术极大地提高了无人搬运车的轨迹跟踪精准性。踪精准性。踪精准性。

【技术实现步骤摘要】
一种变质心无人搬运车轨迹跟踪控制方法


[0001]本专利技术涉及一种变质心无人搬运车轨迹跟踪控制方法，属于控制系统


技术介绍

[0002]无人搬运车转矩响应快、全轮独立可控，对提高车辆搬运的灵活性、稳定性和轨迹跟踪能力具有重要的研究意义，已成为学术界和工业界的开发热点。
[0003]目前，关于轨迹跟踪研究未考虑无人搬运车在工位间装载、卸载货物，导致整车质心发生变化对轨迹跟踪控制产生的影响；众多理论成果有效提高了车辆行驶过程中的跟踪控制的稳定性，却忽视车辆轨迹跟踪的精准性研究。
[0004]轨迹跟踪的精准性是保证四轮转向车辆控制器应用于复杂环境、且能适应系统误差的关键。因此，轨迹跟踪的精准性研究成为了底盘智能化发展的关键问题。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中的不足，提供一种变质心无人搬运车轨迹跟踪控制方法，以解决现有技术中无人搬运车轨迹跟踪控制精准性差的技术问题。
[0006]为解决上述技术问题，本专利技术是采用下述方案实现的：
[0007]本专利技术提供了一种变质心无人搬运车轨迹跟踪控制方法，包括如下步骤：对无人搬运车进行动力学和运动学理论分析，建立无人搬运车动力学和运动学模型；基于Lyapunov直接法，根据无人搬运车动力学和运动学模型，建立全局渐进轨迹跟踪控制器,对参考轨迹进行全局跟踪；优化粒子群算法，自适应地调整轨迹跟踪控制器输入的控制参数。
[0008]优选的，所述建立无人搬运车动力学和运动学模型包括如下步骤：所述无人搬运车动力学模型为：
[0009]纵向运动方程：
[0010][0011][0012]其中，m是车辆质量；为纵向加速度；v
y
为车体坐标系下质心的纵向速度；γ为横摆角速度；F
xi
和F
yi
(i＝fl，fr，rl，rr)分别为轮胎纵向力和侧向力；δ
fl
、δ
fr
分别是前轮左右转向角；δ
rl
、δ
rr
为后轮左右转向角；
[0013]横向运动方程：
[0014][0015]其中，为侧向的加速度；v
x
为车体坐标系下质心的纵向速度；
[0016]横摆运动方程：
[0017][0018]其中，I
Z
为车辆绕Z轴的转动惯量；为横摆角加速度；l
f
和l
r
分别为质心到前轴和后轴的距离；d1、d2分别为左轮和右轮到等效轮的距离；
[0019]所述无人搬运车运动学模型：
[0020]设置无人搬运车质心[x，y]T
的笛卡儿坐标，θ为无人搬运车前进方向与X轴夹角，v(t)、w(t)分别为无人搬运车的平移速度和旋转速度，φ1、φ2为无人搬运车等效轮的转速，V
F
、V
R
为无人搬运车等效轮的运动速度，车轮的直径为r。考虑无人搬运车满足刚体运动规律，建立如下运动方程；
[0021][0022][0023][0024]定义位置矢量q＝(x,y,θ,φ1,φ2)
T
,无人搬运车运动模型为：
[0025][0026][0027]优选的，所述建立全局渐进轨迹跟踪控制器包括如下步骤：定义无人搬运车的单签位姿为P＝[x,y,θ]T
，当前速度为[v,w]T
，参考位置为P
r
＝[x
r
,y
r
,θ
r
]T
，参考速度为[v
r
,w
r
]T
，位姿误差为P
e
＝P
r
‑
P＝[x
e
,y
e
,θ
e
]T
；
[0028]设置控制约束：寻找有界控制输入U＝[v,w]T
，使得无人搬运车的实际位姿能够跟踪参考位姿，并满足
[0029][0030]结合无人搬运车运动学模型得到：
[0031][0032]对(10)式求导得到轨迹跟踪误差的微分方程：
[0033][0034]设置控制律，k为控制参数：
[0035][0036]通过Lyapunov函数变换，得到：
[0037][0038]对(13)式进行求导，并代入轨迹跟踪误差的微分方程得到：
[0039][0040][0041]优选的，所述优化粒子群算法包括如下步骤：定义在D维空间搜索的粒子群，用D维向量表达为：
[0042][0043][0044]其中，V
i
＝(v
i1
,v
i2
,v
i3
,........,v
iD
)为粒子群速度信息，X
i
＝(x
i1
,x
i2
,x
i3
,........,x
iD
)为粒子群位置信息，P
i
＝(p
i1
,p
i2
,v
i3
,........,p
iD
)为粒子群粒子的个体最优值，P
g
＝(p
g1
,p
g2
,v
g3
,........,p
gD
)为粒子群粒子全局最优值，k为粒子群的迭代次数，r1、r2为[0,1]的随机数，ω为惯性权重，c1、c2为学习因子。
[0045]优选的，所述优化粒子群算法还包括如下步骤：设置自适应惯性权重ω(t)
[0046][0047]其中，f为粒子群当前适应度值，f
min
为粒子群最小适应度值，w
max
和w
min
为设定的粒子群惯性权重最大和最小值；f
g
为当前所有粒子的适应度均值,F为当前适应度值，i
max
表示粒子的最大迭代次数；i表示当前的迭代次数；
[0048]设置c1的数值随着迭代次数的增加而增大，c2的数值随着迭代次数的增加而减小，即：
[0049][0050][0051]则自适应粒子群表达式为：
[0052][0053][0054]优选的，所述优化粒子群算法还包括如下步骤：对自适应粒子群算法的初始参数进行设定，在设定的区域内随机初始化每个粒子的位置；
[0055]计算出自适应学习因子和自适应权重的数值，更新粒子群中每个粒子的位置；
[0056]计算出粒子群中各粒子的适应度值，将计算出的各粒子适应值与其经历过的最好位置作比较，更新粒子群粒子个体最优值；
[0057]比较当前所有个体极值和全局极值，更新粒子群粒子全局最优值；
[0058]对粒子群的各粒子适应值进行排序，用群体中部分最佳的粒子位置代替部分最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变质心无人搬运车轨迹跟踪控制方法，其特征在于，包括如下步骤：对无人搬运车进行动力学和运动学理论分析，建立无人搬运车动力学和运动学模型；基于Lyapunov直接法，根据无人搬运车动力学和运动学模型，建立全局渐进轨迹跟踪控制器,对参考轨迹进行全局跟踪；优化粒子群算法，自适应地调整轨迹跟踪控制器输入的控制参数。2.根据权利要求1所述的变质心无人搬运车轨迹跟踪控制方法，其特征在于，所述建立无人搬运车动力学和运动学模型包括如下步骤：所述无人搬运车动力学模型为：纵向运动方程：其中，m是车辆质量；为纵向加速度；v
y
为车体坐标系下质心的纵向速度；γ为横摆角速度；F
xi
和F
yi
(i＝fl，fr，rl，rr)分别为轮胎纵向力和侧向力；δ
fl
、δ
fr
分别是前轮左右转向角；δ
rl
、δ
rr
为后轮左右转向角；横向运动方程：其中，为侧向的加速度；v
x
为车体坐标系下质心的纵向速度；横摆运动方程：其中，I
Z
为车辆绕Z轴的转动惯量；为横摆角加速度；l
f
和l
r
分别为质心到前轴和后轴的距离；d1、d2分别为左轮和右轮到等效轮的距离；所述无人搬运车运动学模型：设置无人搬运车质心[x，y]
T
的笛卡儿坐标，θ为无人搬运车前进方向与X轴夹角，v(t)、w(t)分别为无人搬运车的平移速度和旋转速度，φ1、φ2为无人搬运车等效轮的转速，V
F
、V
R
为无人搬运车等效轮的运动速度，车轮的直径为r。考虑无人搬运车满足刚体运动规律，建立如下运动方程；
定义位置矢量q＝(x,y,θ,φ1,φ2)
T
,无人搬运车运动模型为：,无人搬运车运动模型为：3.根据权利要求1所述的变质心无人搬运车轨迹跟踪控制方法，其特征在于，所述建立全局渐进轨迹跟踪控制器包括如下步骤：定义无人搬运车的单签位姿为P＝[x,y,θ]
T
，当前速度为[v,w]
T
，参考位置为P
r
＝[x
r
,y
r
,θ
r
]
T
，参考速度为[v
r
,w
r
]
T
，位姿误差为P
e
＝P
r
‑
P＝[x
e
,y
e
,θ
e
]
T
；设置控制约束：寻找有界控制输入U＝[v,w]
T
，使得无人...

【专利技术属性】
技术研发人员：刘玮，万益东，张庆杰，俞跃，刘萍，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：