科研之友
微信
新浪微博
Facebook
分享链接
摘要
全向自动导引车(AGVs)作为现代智能仓储物流行业的重要搬运作业工具，大大提高了仓储搬运作业效率。然而，现有的全向AGV存在驱动结构承载力不足以及路径跟踪精度和纠偏效果不好等问题。本文设计了一款新型双轮差速全转向驱动结构的全向AGV,并提出使用模糊神经网络PID(FNN-PID)控制策略来提高全向AGV的驱动性能和路径跟踪效果。首先，对新型差速全转向驱动结构进行设计，建立其运动学模型，新型驱动结构有更好的承载性能。然后，根据建立的运动学模型，分析得到4种不同运动模式下的速度和转角关系。最后，使用FNN-PID控制策略对全向AGV进行路径跟踪和纠偏，并使用共轭梯度(FR)法对神经网络权值学习训练来提高控制系统的响应性能。将所提出的控制策略与传统PID控制策略进行了仿真和半圆形路径跟踪实验对比。仿真和实验结果表明，所提出的控制策略能够在2 s内快速消除偏差，并且稳定跟踪阶段距离偏差在1 cm以内，航向偏差在1°左右。新型全转向驱动结构具有更好的驱动性能，且使用FR法学习训练的FNN-PID控制策略能够更有效地对路径进行跟踪控制，该新型结构和控制方法对全向AGV精准搬运作业具有一定意义。
-
单位机电工程学院; 西安建筑科技大学
