一种基于强化学习的自动化集装箱码头AGV最优控制方法技术

本发明专利技术公开了一种基于强化学习的自动化集装箱码头AGV最优控制方法，包括以下步骤：一、建立AGV的运动学模型，二、使用前馈控制转换系统模型，三、设计基于强化学习的最优控制律。针对自动化港口AGV的最优轨迹跟踪控制问题，本发明专利技术将AGV最优的轨迹跟踪控制问题转化为最优的镇定问题。基于强化学习的近似最优控制策略及其神经网络权值更新律不仅削弱了对持续激励条件的依赖，而且还可以保证AGV的轨迹跟踪误差和权值更新误差一致最终有界稳定。迹跟踪误差和权值更新误差一致最终有界稳定。迹跟踪误差和权值更新误差一致最终有界稳定。

【技术实现步骤摘要】
一种基于强化学习的自动化集装箱码头AGV最优控制方法


[0001]本专利技术涉及自动化集装箱码头AGV的最优轨迹跟踪控制领域，具体的说涉及一种基于强化学习的自动化集装箱码头AGV最优控制方法。

技术介绍

[0002]AGV是自动导引小车(Automated Guided Vehicle)的缩写——装有电磁或光学自动导引装置，用蓄电池作为动力来源，能沿期望的导引路径自动行驶、具有提升功能的全自动运载车。在智能码头中AGV取代了传统集装箱码头的内集卡，从而承担码头前沿至堆场的运输。AGV的出现加快了集装箱码头向自动化、智能化的方向的发展。放眼全球的集装箱码头，AGV是水平运输设备中使用率最高的，其优势体现在自动化、智能化和环保性。AGV的作业过程是接收远程的调度指令，跟踪预定的路线，完成集装箱运输的过程。
[0003]AGV的路径跟踪精度会影响整个码头运转的效率。高精度低能耗的路径跟踪技术作为AGV的关键技术，一直是研究的热点。因此本专利技术设计出一种智能的高精度的低能耗的轨迹跟踪算法，相比与传统的AGV轨迹跟踪控制方法，对自动化码工作效率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的自动化集装箱码头AGV最优控制方法，其特征在于，包括以下步骤：步骤一、建立AGV的运动学模型：建立AGV的运动学模型为：其中，v＞0为控制点O
B
的前进速度；在全局坐标系中引入辅助位置向量p＝[x,y,θ]
T
，(x,y)为控制点O
B
，即前后轮垂直平分线的中点，的坐标，θ表示车辆的正偏航角，点O'表示它的瞬时滚动中心；瞬时半径R＝L/tanδ，其中L表示AGV的轴距；引入一个期望的位置向量为p
r
＝[x
r
,y
r
,θ
r
]
T
；从而，轨迹跟踪误差p
e
定义如下：式中(x
e
,y
e
)和θ
e
分别定义为位置和偏航角误差；将误差向量式两边关于时间求导可得如下误差系统：其中，v
r
，δ
r
为期望的前进速度和转向角度；因为，期望的偏航角速度为通过设计AGV的实际控制输入μ＝[v,δ]
T
使跟踪误差p
e
收敛；定义误差系统可改写为：步骤二、使用前馈控制转换系统模型：首先，需要明确的是：轨迹跟踪问题就转化为找到合适的控制输入u＝[v,ω]
T
使得误差系统稳定；将控制输入u分为两个部分：前馈控制输入设计为u
f
＝[v
r
cosθ
e
,ω
r
]
T...

【专利技术属性】
技术研发人员：李波，张海朝，刘慧，葛成，马玲，姚海庆，杨勇生，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：