-
题名Mecanum轮全向AGV轨迹跟踪级联控制器设计
- 1
-
-
作者
文生平
苏毅龙
瞿弘毅
-
机构
华南理工大学广东省高分子先进制造技术及装备重点实验室/聚合物成型加工工程教育部重点实验室
广东省科学院智能制造研究所/广东省现代控制技术重点实验室
-
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第1期49-61,共13页
-
基金
国家重点研发计划项目(2019YFC1908201)。
-
文摘
针对四Mecanum轮驱动的自动导引车(AGV)的轨迹跟踪控制问题,设计了一种模型预测控制(MPC)和自适应滑模控制(SMC)级联的控制器,来改善控制精度和稳定性,提高控制过程的层次性、针对性和有效性。在运动学层面,建立了AGV轨迹跟踪误差模型,将其转化为二次规划问题,并加入约束条件,配合模型预测控制的滚动优化来在线求解二次规划的最优解,将AGV位姿误差转化为轮子转速的期望输出;在动力学层面,采用滑模控制得到轮子的输出力矩,实现轮子对期望转速的跟踪,引入具有快速准确逼近能力的极限学习机(ELM)神经网络对模型不确定性和未知干扰进行在线观测,并与滑模控制相结合自适应抵消干扰,进一步提高控制器的鲁棒性。在余弦扰动和脉冲干扰下对控制器进行仿真验证,并将结果与PID控制结果进行对比,发现MPC+SMC级联控制器的跟踪效果具有明显优势;与采用径向基函数(RBF)神经网络观测的级联控制器的对比表明,采用ELM观测器的控制器对干扰的鲁棒性更强,在各转速条件下与干扰曲线的拟合度均超过95%,其跟踪误差在多项指标上相比其他方法小1个数量级,最大位置偏差仅为毫米级。轨迹跟踪样机实验结果验证了该控制器的实用性和可行性。
-
关键词
MECANUM轮
轨迹跟踪
模型预测控制
滑模控制
极限学习机
-
Keywords
Mecanum wheel
trajectory tracking
model predictive control
sliding mode control
extreme learning machine
-
分类号
TP273.3
[自动化与计算机技术—检测技术与自动化装置]
TH187
[机械工程—机械制造及自动化]
-
