基于模糊免疫pi和交叉耦合控制的agv跟踪策略研究

《基于模糊免疫pi和交叉耦合控制的agv跟踪策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊免疫PI和交叉耦合控制的AGV跟踪策略研究摘要AGV是一种陆地自主运动机器人，能够在具有一定地形特征的环境中顺利到达期望目的地或沿期望路径行驶。针对AGV的多轮驱动，论文将模糊免疫PI和交叉耦合相结合的控制方法来实现AGV沿期望路径行驶，它解决了任一轮驱动系统因参数变化或扰动引起的不可预见性问题。由于交叉耦合控制利于多轮驱动之间的制约和协调，可以有效减少方向误差和提高路径跟踪的精确性。而基于免疫反馈原理的模糊免疫PI控制使系统具有一定的自适应能力和较强的鲁棒性，其控制性能优于常规的PI控制。论文详细介绍了AGV的基本知识、运动模型和误差分析，介绍了交叉耦合控制和模糊免

2、疫PI控制的原理和设计。对三种不同控制方法仿真得到的结果，验证交叉耦合控制和模糊免疫PI控制相结合方法的可行性与有效性。关键字：AGV：运动模型；交叉耦合控制器；模糊免疫PI控制：路径跟踪仿真TheResearchofAGVTrackingStrategyBased-onFuzzyImmunePIandCross—couplingControlAbstraetAutomatedGuidedVehicles(AGV)CallsuccessfullyreachltsdestinatioJaoriYlovealongadesiredpathinanenvironmentcharac

3、terizedbyaterrain，Inallusiontomultidrivingwheels，fuzzyilrmmnePIandcross—couplingcontrolmethodisproposedtorealizeexpectanttrackingpathinthispaper，itmayresolveanunforeseeableproblemcausedbyparameterchangesordisturbanceofanyodedrivingsystem．Becausecross·couplingcontrolisadvantageoustorestricti

4、ngandharmonizingbetweenmultidrivingwheels．itcanreduceorientationerrorandimprovetheaccuracyofpathtrackingeffectively．Fuzzyimmunecontrolbasedonthetheoryofirmnunefeedback，carlmakethesystemhavingdefiniteadaptivecapabilityandrobustness，alsoitsperformancewillbesuperiortoconventionalPIcontr01．Inth

5、ispaper，thebasalknowledge，motionmodelanderroranalysisofAutomatedGuidedVehiclesareintroducedparticularly．Theprinciplesandthemethodsfordesigningcross—couplingcontrolandfuzzyimnmnePIcontrolareanalyzed．Simulationresultsofthreedifferentcontrolmethodsdemonstratethat如zzyimmunePIandcross—couplingco

6、ntrolmethodisfeasibleandvalid．Keywords：AGV；motionmodel；cross—couplingcontroller；fuzzyimmunePIcontrolpathtracking；simulation插图清单图2一l视觉导航AGV系统结构简图⋯．．．．．⋯．⋯，．．．．．，．．．．图2—2CCD像敏单元结构．．⋯．⋯．．．．．．⋯．．．．．．．．．⋯．．．．图2—3AGV及其行驶环境．．．．⋯．．．⋯⋯⋯⋯⋯．．．．⋯，．图2—4三轮式AGV的机构．⋯⋯．⋯⋯．．⋯．．．．．．．⋯．．．．．图2—5四轮式A(3V的机构．⋯．⋯．．

7、．．⋯．．⋯⋯⋯⋯⋯．．图2—6AGV的运动误差分解．⋯⋯．⋯⋯⋯．．．⋯．．．．⋯．．图3一l传统的两轮独立控制结构图．．⋯．．．⋯．．．．⋯，⋯⋯．．图3—2两轮交叉耦合控制原理结构图，．．．．．⋯．⋯．．⋯⋯．⋯图3—3两轮交叉耦合控制仿真结构图．⋯⋯．．，⋯⋯．⋯⋯．．图3—4两轮交叉耦台控制离散结构图⋯．．．⋯．．．．⋯．．．．．⋯．图4—1模糊控制器结构图．．⋯⋯．．⋯．．．．⋯．．．⋯．⋯⋯．．图4—2输入变量的隶属度函数⋯．．⋯．．．．⋯．．⋯⋯⋯⋯．．图4—3输出变量的隶属度函数．．⋯