基于融合控制与自适应悬挂的全地形AGV车辆设计 .pdfVIP

基于融合控制与自适应悬挂的全地形

AGV车辆设计

摘要：在日常生活中，机器人的使用场景逐步趋于多元化，并且逐步呈现出

在部分领域开始替代人工的趋势。AGV(AutonatedGuidedVehicle)，即自动引

导运输车，被广泛应用于工业、运输、电子、流水线作业等多个领域。但是现阶

段的自动引导运输车主要瞄准的领域为室内应用或平整的室外工作环境。主要原

因是AGV小车需要依据定位标签等信息按照预定路线行进，在行进过程中如果出

现运行轨迹与外界环境冲突或地形因外界因素出现轻微的变化则会导致小车运行

出现异常情况。因此，本项目通过分析设计了一种基于动态融合策略控制算法与

自适应悬挂车辆结构的全地形AGV车辆，针对AGV高度依赖室内定位标签与地形

适应能力差的特点提出了针对性的解决方案。

关键词：AGV动态融合策略自适应悬挂位姿监测

0引言

随着技术的进步，在变电站、核电站、化工厂以及大型流程设备的日常巡检

中AGV的应用非常广泛，AGV小车工作原理为具有电磁或者光学等多种信号接收

装置，能够实现自动导航，以实现沿着规定线路进行自主行驶的具有安全保护及

运载等多种功能的运输车。全程不需要人工参与但是又能进行人机交互，实现对

于工作要求的变更，达到更加灵活的功能。基于动态融合策略控制算法与自适应

悬挂车辆结构的全地形AGV车辆设计能够使其在复杂场景与特定工况下有着更加

优异的抗干扰性能与作业效果。

1动态融合策略控制算法

AGV移动机器人逐渐朝着智能化方向发展，在不需要外界指导情况下，依靠

自身配置传感器方式实现车体位置与姿态角获取功能。AGV能实现自主运动的前

提是位置和姿态的精确描述，应用比较成熟的位置监测技术是全球定位系统

（GPS），它的优势在于高精度、实时性，但缺点是GPS信号容易被遮挡物屏蔽

掉、不适合室内定位。复杂多变的室内环境和磁场干扰使室内定位相对室外定位

较难，且精度难以保证。现有的室内定位有红外线定位和WIFI定位，响应时间

短但精度较低，无法应用于精密工作任务；激光定位和超声波定位，小范围内具

有较高的定位精度，因在使用时需要标定参考物和目标物而限定了移动距离；视

觉定位，应用领域广泛但图像处理量巨大、实时性差、无法在黑暗环境中工作等。

1.1多信息动态融合方法

本项目的AGV定位系统为线性控制系统，使用多个传感器实现AGV位姿在线

估计。从理论上分析，假设AGV行驶路面平整，车轮与地面为点接触且无相对滑

动，车轮为刚体。事实上，AGV在实验中，其运动状态会不可避免的受到各种外

界干扰，诸如车轮会发生微小变形、车轮与地面无法始终接触等。为了准确定位

AGV，引入多个传感器，将外界环境所产生的噪声进行测量滤除，在系统模型不

准确的情况下完成准确定位。

单一导航方式都有其技术局限性，因此大多采用多传感器融合的方法，通过

多传感器采集数据的融合处理，提高导航精度。考虑室内AGV定位系统性能要求，

借助卡尔曼滤波算法思想，将递推算法引入信息融合算法中，获取信号系统随机

序列细节和统计特性。当传感器反馈信息作为输入信号输入滤波器时，滤波器将

根据系统状态方程和量测方程，输出目标估计值，并在线更新，它实质上是一种

最优估计方法。

1.2姿态角估计滤波算法

AGV姿态角估计过程中，初始状态已知，传感器的观测模型已知，由此可推

断小车下一时刻的位置姿态。考虑到实际系统的噪声模型难以确定，只能从某种

角度预见系统噪声近似于均值为零的白噪声。因此，将卡尔曼滤波算法用于AGV

姿态角估计，首先需要建立系统的运动学模型，确定传感器的观测模型。故在本

系统中AGV定位过程是通过递推算法实现的。在小车左右轮位移量已知条件下，

还需要获得当前时刻运动状态估计值。AGV姿态角测量流程如图1所示。

图1.AGV姿态角估计过程

2姿监测系统中数据融合结构

由于AGV系统是一个各传感器之间的信息融合的复杂的数据处理过程，涉及

多个技术领域和研究层面。信息采集来源于陀螺仪、加速器、编码器、RTK系统

和RFID等，数据之间的多级融合包括AGV姿态角和位置信息，以及二者之间的

融合过程，最终得到AGV位姿最优估计。位姿信息在线融合的完整过程见图6所

示。

图2.全局信息融合原理

3自适应悬挂车辆结构

3.1麦克纳姆轮