針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種控制器的設(shè)計(jì)方法，特別是涉及一種針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制 器的設(shè)計(jì)方法。
【背景技術(shù)】
[0002] 自動(dòng)導(dǎo)航叉車(chē)運(yùn)動(dòng)控制是實(shí)現(xiàn)叉車(chē)自動(dòng)導(dǎo)航的一個(gè)關(guān)鍵技術(shù)之一。叉車(chē)要實(shí)現(xiàn)自 動(dòng)搬運(yùn)物體，需要更為穩(wěn)定、平穩(wěn)且適應(yīng)性強(qiáng)的運(yùn)動(dòng)控制器。由于叉車(chē)空載重載情況下相關(guān) 的運(yùn)動(dòng)模型會(huì)產(chǎn)生不同的變化，那么依賴(lài)研究對(duì)象運(yùn)動(dòng)模型的傳統(tǒng)控制器，難以滿足叉車(chē) 運(yùn)動(dòng)控制的要求。針對(duì)該問(wèn)題，許多研究人員提出采用不依賴(lài)于對(duì)象模型的模糊邏輯運(yùn)動(dòng) 控制器，它是目前公認(rèn)的三大智能控制方法之一。目前針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè) 計(jì)沒(méi)有系統(tǒng)的方法，普遍采用學(xué)習(xí)示教的方法結(jié)合一些數(shù)學(xué)優(yōu)化方法而進(jìn)行設(shè)計(jì)。這些方 法并沒(méi)有充分考慮到控制系統(tǒng)的穩(wěn)定性、平穩(wěn)性的問(wèn)題，且設(shè)計(jì)的周期長(zhǎng)、精度低、可靠性 差。
[0003] 目前針對(duì)自動(dòng)導(dǎo)航叉車(chē)運(yùn)動(dòng)控制器研究比較多，比較常用的運(yùn)動(dòng)控制器有PID、自 整定PID、模糊PID等。由于模糊邏輯運(yùn)動(dòng)控制器本身的優(yōu)良特性，因此正逐漸應(yīng)用在自動(dòng) 導(dǎo)航叉車(chē)上。相對(duì)來(lái)說(shuō)，針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器設(shè)計(jì)的方法比較少，而且也沒(méi)有形成 較為完善的系統(tǒng)的方法，主要包括最小二乘法、經(jīng)驗(yàn)設(shè)計(jì)法與梯度下降法。
[0004] 通過(guò)最小二乘法擬合隸屬函數(shù)，然后根據(jù)獲取的隸屬函數(shù)通過(guò)不斷學(xué)習(xí)的方法提 取相應(yīng)的模糊規(guī)則庫(kù)。最小二乘法是一種數(shù)學(xué)優(yōu)化方法，它建立在誤差控制基礎(chǔ)上，采用最 小化誤差的平方和找到一組數(shù)據(jù)的最佳函數(shù)匹配。通過(guò)調(diào)試或測(cè)試獲得多組測(cè)試數(shù)據(jù)，將 數(shù)據(jù)映射到輸入與輸出論域上，以獲得多個(gè)離散的數(shù)據(jù)點(diǎn)，該數(shù)據(jù)點(diǎn)反映了研究對(duì)象的控 制系統(tǒng)的輸入與輸出的關(guān)系。根據(jù)二乘法的特性，由于散點(diǎn)本身不一定很精確，因此在擬合 離散點(diǎn)時(shí)，曲線不必精確地通過(guò)每個(gè)點(diǎn)，只需構(gòu)造出的隸屬函數(shù)符合離散點(diǎn)分布的總體輪 廓，并盡可能地接近已知數(shù)據(jù)。擬合出相應(yīng)的隸屬函數(shù)后，再通過(guò)不斷測(cè)試與調(diào)試，不斷的 修改相關(guān)的函數(shù)參數(shù)與模糊規(guī)則庫(kù)中的規(guī)則。
[0005] 經(jīng)驗(yàn)設(shè)計(jì)法主要根據(jù)調(diào)試過(guò)程中獲取的誤差變量與輸出舵角的經(jīng)驗(yàn)關(guān)系，對(duì)模糊 論域進(jìn)行分割獲取分割后的子區(qū)間，根據(jù)經(jīng)驗(yàn)獲取分割區(qū)間的個(gè)數(shù)，并選取隸屬函數(shù)的類(lèi) 型與初始值。然后確定規(guī)則庫(kù)中規(guī)則的個(gè)數(shù)，與規(guī)則的內(nèi)容。最后，通過(guò)不斷的測(cè)試與調(diào)試 以獲得幾組精度比較高的參數(shù)與規(guī)則庫(kù)。
[0006] 梯度下降法也是一種比較常用的方法。該方法首先根據(jù)獲取的設(shè)計(jì)數(shù)據(jù)，選取適 當(dāng)?shù)碾`屬函數(shù)類(lèi)型，初始化隸屬函數(shù)參數(shù)，且根據(jù)數(shù)據(jù)信息將論域區(qū)間進(jìn)行適當(dāng)分割，以提 取規(guī)則建立規(guī)則庫(kù)。然后，建立學(xué)習(xí)的目標(biāo)函數(shù)，通過(guò)梯度下降法，不斷學(xué)習(xí)以獲得更加精 確的隸屬函數(shù)參數(shù)和規(guī)則庫(kù)。
[0007] 現(xiàn)有技術(shù)主要存在以下缺點(diǎn)：（1)沒(méi)有較為系統(tǒng)的設(shè)計(jì)方法，也沒(méi)有以深層次控 制理論為設(shè)計(jì)基礎(chǔ)，缺乏可靠的設(shè)計(jì)依據(jù)；（2)設(shè)計(jì)的運(yùn)動(dòng)控制器穩(wěn)定性、平穩(wěn)性較差，控 制精度及適應(yīng)性難以滿足要求；（3)沒(méi)有參數(shù)的優(yōu)化方法，需要工程人員進(jìn)行長(zhǎng)期現(xiàn)場(chǎng)調(diào) 試工作，耗費(fèi)大量人力物力；（4)叉車(chē)的運(yùn)動(dòng)控制是高度非線性的，長(zhǎng)期總結(jié)的經(jīng)驗(yàn)法可靠 性差，難以滿足要求。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方 法，其以運(yùn)動(dòng)控制中系統(tǒng)穩(wěn)定性理論為依據(jù)，保證控制器穩(wěn)定性與平穩(wěn)性，根據(jù)叉車(chē)?yán)硐脒\(yùn) 動(dòng)模型，獲取優(yōu)化設(shè)計(jì)數(shù)據(jù)，并采用牛頓迭代法優(yōu)化與設(shè)計(jì)模糊邏輯控制器中隸屬函數(shù)的 參數(shù)，提高了控制精度，并且減少了工程人員現(xiàn)場(chǎng)調(diào)試與測(cè)試時(shí)間，提高了效率，降低了成 本，設(shè)計(jì)方法系統(tǒng)可靠，實(shí)用性強(qiáng)，具有更高的控制精度與適應(yīng)性。
[0009] 本發(fā)明是通過(guò)下述技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題的：一種針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng) 控制器的設(shè)計(jì)方法，其主要包括以下步驟： 步驟一，叉車(chē)運(yùn)動(dòng)學(xué)建模； 步驟二，獲取誤差變量間的關(guān)系及設(shè)計(jì)優(yōu)化數(shù)據(jù)； 步驟三，李雅普諾夫法設(shè)計(jì)模糊規(guī)則庫(kù)； 步驟四，隸屬函數(shù)參數(shù)的設(shè)計(jì)與優(yōu)化。
[0010] 優(yōu)選地，所述針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法建立叉車(chē)誤差分解模型， 獲取誤差變量，及通過(guò)曲線擬合的方法獲取它們之間的關(guān)系，并采用李雅普諾夫函數(shù)法設(shè) 計(jì)模糊邏輯控制器模糊規(guī)則。
[0011] 優(yōu)選地，所述針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法根據(jù)叉車(chē)運(yùn)動(dòng)學(xué)模型，獲 取設(shè)計(jì)優(yōu)化數(shù)據(jù)；首先，根據(jù)數(shù)據(jù)初始化前后件隸屬函數(shù)參數(shù)，建立全局誤差目標(biāo)函數(shù)；然 后，通過(guò)牛頓迭代法，使得目標(biāo)函數(shù)盡可能接近于零，最后獲得優(yōu)化后的模糊邏輯控制器隸 屬函數(shù)參數(shù)。
[0012] 優(yōu)選地，所述針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法針對(duì)對(duì)象是具有自動(dòng)導(dǎo)航 功能的叉車(chē)的模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)。
[0013] 本發(fā)明的積極進(jìn)步效果在于：本發(fā)明以運(yùn)動(dòng)控制中系統(tǒng)穩(wěn)定性理論為依據(jù)，保證 控制器穩(wěn)定性與平穩(wěn)性，根據(jù)叉車(chē)?yán)硐脒\(yùn)動(dòng)模型，獲取優(yōu)化設(shè)計(jì)數(shù)據(jù)，并采用牛頓迭代法優(yōu) 化與設(shè)計(jì)模糊邏輯控制器中隸屬函數(shù)的參數(shù)，提高了控制精度，并且減少了工程人員現(xiàn)場(chǎng) 調(diào)試與測(cè)試時(shí)間，提高了效率，降低了成本，設(shè)計(jì)方法系統(tǒng)可靠，實(shí)用性強(qiáng)，具有更高的控制 精度與適應(yīng)性。本發(fā)明解決了自動(dòng)導(dǎo)航叉車(chē)模糊邏輯運(yùn)動(dòng)控制器系統(tǒng)設(shè)計(jì)方法的問(wèn)題，且 基于該方法設(shè)計(jì)的運(yùn)動(dòng)控制器，完全可以滿足自動(dòng)導(dǎo)航叉車(chē)對(duì)運(yùn)動(dòng)控制的需求。
【附圖說(shuō)明】
[0014] 圖1為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的流程圖。
[0015] 圖2為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的叉車(chē)運(yùn)動(dòng)學(xué)模型圖。
[0016] 圖3為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的誤差分解模型圖。
[0017] 圖4為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的橫向誤差與角度誤差 的直線擬合圖。
[0018] 圖5為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的擬合直線斜率與舵角 輸出區(qū)間的變化曲線圖。
[0019] 圖6為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的橫向誤差與角度誤差 的曲線擬合圖。
[0020] 圖7為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的擬合階數(shù)與舵角輸出 區(qū)間之間的函數(shù)關(guān)系圖。
[0021] 圖8為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的優(yōu)化前模糊控制曲面 圖。
[0022] 圖9為本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法的優(yōu)化后模糊控制曲面 圖。
【具體實(shí)施方式】
[0023] 下面結(jié)合附圖給出本發(fā)明較佳實(shí)施例，以詳細(xì)說(shuō)明本發(fā)明的技術(shù)方案。
[0024] 本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法主要包括以下步驟： 步驟一，叉車(chē)運(yùn)動(dòng)學(xué)建模； 步驟二，獲取誤差變量間的關(guān)系及設(shè)計(jì)優(yōu)化數(shù)據(jù)； 步驟三，李雅普諾夫法設(shè)計(jì)模糊規(guī)則庫(kù)； 步驟四，隸屬函數(shù)參數(shù)的設(shè)計(jì)與優(yōu)化。
[0025] 本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法建立叉車(chē)誤差分解模型，獲取誤 差變量（包括本發(fā)明中定義的橫向誤差、姿態(tài)角誤差及它們對(duì)時(shí)間的n(正整數(shù)）階導(dǎo)數(shù) 等），及通過(guò)曲線擬合的方法獲取它們之間的關(guān)系，并采用李雅普諾夫函數(shù)法設(shè)計(jì)模糊邏輯 控制器模糊規(guī)則。
[0026] 本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法根據(jù)叉車(chē)運(yùn)動(dòng)學(xué)模型，獲取設(shè)計(jì) 優(yōu)化數(shù)據(jù)（誤差變量，叉車(chē)控制變量）。首先，根據(jù)數(shù)據(jù)初始化前后件隸屬函數(shù)參數(shù)，建立全 局誤差目標(biāo)函數(shù)。然后，通過(guò)牛頓迭代法，使得目標(biāo)函數(shù)盡可能接近于零，最后獲得優(yōu)化后 的模糊邏輯控制器隸屬函數(shù)參數(shù)。
[0027] 本發(fā)明針對(duì)叉車(chē)模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)方法針對(duì)對(duì)象是具有自動(dòng)導(dǎo)航功能 的叉車(chē)的模糊邏輯運(yùn)動(dòng)控制器的設(shè)計(jì)。
[0028] 本發(fā)明經(jīng)過(guò)大量可靠的仿真模擬、實(shí)物實(shí)驗(yàn)及一定的工業(yè)應(yīng)用，證明了該方法的 高效可行性。結(jié)果表明本發(fā)明提高了叉車(chē)運(yùn)動(dòng)控制的穩(wěn)定性、平穩(wěn)性及控制精度，滿足叉車(chē) 對(duì)運(yùn)動(dòng)控制的要求。
[0029] 本發(fā)明根據(jù)誤差變量，構(gòu)造改進(jìn)的李雅普諾夫函數(shù)，包括：引入誤差變量不同的系 數(shù)、采用更高的階數(shù)等；對(duì)于模糊邏輯控制器隸屬函數(shù)參數(shù)優(yōu)化的方法，還包括遺傳算法； 模糊邏輯控制器中隸屬函數(shù)參數(shù)設(shè)計(jì)與優(yōu)化的類(lèi)型包括三角形、高斯型、梯形、B樣條曲線、 S型、Z型、兩邊高斯型、一般鐘型、Π 型等。
[0030] 本發(fā)明可以針對(duì)所有具備自主導(dǎo)航功能的輪式移動(dòng)平臺(tái)的模糊邏輯運(yùn)動(dòng)控制器 的設(shè)計(jì)。另外，包括各種具有自主導(dǎo)航功能的叉車(chē)（如：三輪、四輪、多輪、單舵輪、雙舵輪、 差速驅(qū)動(dòng)等）。
[0031] 如圖1至圖9所示，以單舵輪三輪叉車(chē)為實(shí)例介紹該方法的如下主要步驟： 叉車(chē)運(yùn)動(dòng)學(xué)建模：?jiǎn)味孑喨啿孳?chē)是一種常見(jiàn)的AGV結(jié)構(gòu)形式，如圖2所示，其輪系部 分主要包括1個(gè)舵輪和2個(gè)固定從動(dòng)輪，在舵輪兩側(cè)還附加有兩個(gè)萬(wàn)向支撐輪。舵輪在前， 從動(dòng)輪在后，舵輪與固定從動(dòng)輪的布局方式和相對(duì)位置，決定了 AGV的運(yùn)動(dòng)學(xué)模型，萬(wàn)向支 撐輪對(duì)運(yùn)動(dòng)學(xué)模型無(wú)影響。該類(lèi)型叉車(chē)運(yùn)動(dòng)控制量為
[0032] 建立叉車(chē)?yán)硐脒\(yùn)動(dòng)學(xué)模型，如圖2所示。設(shè)舵輪的線速度為前后輪軸向距離為 舵輪橫向偏距為|||，舵輪轉(zhuǎn)角（逆時(shí)針為正，順時(shí)針為負(fù)）為:鍵SXOY為固定坐標(biāo)系，xoy 為叉車(chē)局部坐標(biāo)系，〇為叉車(chē)參考點(diǎn)。
[0033] 根據(jù)圖2的幾何關(guān)系可得式（1)和（2):
叉車(chē)運(yùn)動(dòng)的角速度為式（3):
參考點(diǎn)的速度為式（4):
把式（2)帶入（3)得