【摘要】自动导航车(AGV)是一种用于柔性加工系统中以实现物料搬运的轮式移动机器人。本文为自主开发的前轮驱动/转向轮式移动机器人(AGV5000)为研究对象，提出并开发基于多路传感器进行导航的软件系统,理论分析和实验均表明:位置精度≤±5mm,姿态精度≤ ±0.3°,完全满足用户的精度要求。

　　关键词：轮式移动机器人;超声波;陀螺仪导航;

　　中图分类号: TG5;TP273 文献标识码：A

　　1.引言

　　自动导航小车AGV (Automated Guided Vehicles)是指装有自动导引装置，能够沿规定的路径行驶，在车体上还具有编程和停车选择装置、安全保护装置以及各种物料移载功能的搬运车辆。AGV在国外从50年代在仓储业开始使用，目前已经在制造业、港口、码头等领域得到普遍应用。在国内，AGV的应用也逐渐开始，AGV在我国的研究及应用起步较晚。20世纪70年代后期，北京起重运输机械研究所研制了三轮式AGV。80年代后期，北京机械工业自动化研究所为二汽研制了应用在立体化仓库中的AGV，沈阳自动化研究所为金杯汽车公司研制了汽车发动机装配用的AGV。90年代，清华大学国家CIMS工程中心将从国外引进的AGV成功地应用于CIMS的实验研究。AGV的显著特点是无人驾驶，其上装备有自动导向系统，可以保障系统在不需要人工引航的情况下就能够沿预定的路线自动行驶，将货物或物料自动从起始点运送到目的地。AGV的另一个特点是在军事上有广泛的引用前景，可实现战场侦察、支援和救护[1][2]。AGV从发明至今已经有50年的历史，随着应用领域的扩展，其种类和形式变得多种多样，其导航方式有：电磁感应引导式、激光引导式、视觉引导式AGV等，本文提出一种基于多路传感器融合的复合导航方式，并通过实验取得了良好的效果。

　　2、AGV运动学分析

　　轮式移动机器人微分运动轨迹的处理算法基本上按直线和圆弧两种方法处理。判断一个算法的优劣，关键要看两个标准：一是算法稳定性问题：是否在推算过程中由于移动距离加大带入了较大的累积误差;二是要分析算法的实时性：移动机器人一般每个采样周期需要推算一次自身位姿，因此算法的效率直接影响处理器的工作量，精确的算法如果计算量太大势必给实时控制带来负担。以下推导一种比较精确且具有一定效率优势的航位推算算法。如图1，在XOY平面内建立总体坐标系，以AGV的重心P为原点建立路段坐标系，在采样周期△t时间段的起始点及终止点位，姿坐标分别为(xt,yt,θt)及(xt+1,yt+1,θt+1)。如果△t时间内机器人移动距离△L及姿态改变量△θt可以直接或间接得到，则t+1时刻的位姿就可以通过机器人微运动中的几何关系类推得到，即t+1时刻的位姿可以表达为t时刻位姿和△t时间内位姿改变量的函数式(1.1)，这就是航位推算的指导思想。

　　P 图1 三轮AGV运动图

　　Fig 1 The movement chart of AGV

　　With three wheels

(1.1)

　　图2 AGV直线运动坐标关系

　　Fig 2 The linear motion coordinate system of AGV

图3 AGV圆弧运动坐标关系

　　Fig 3 The circle motion system coordinate of AGV

△LL

　　2.1 AGV微运动为直线时的理论航位公式

　　假设AGV车体为刚体，AGV作直线运动时，将AGV的总位移L(已知量)离散成N段微位移，每段微位移△Li=L/N，则从t到t+1点的时间段内AGV车体的移动距离为△Li。其运动模型见图1，建立总体坐标系XOY，以AGV车体重心p为坐标原点建立路段坐标系xpy,利用如图1所示的几何关系可以得到微运动为直线的推算公式：

(1.2)

公式1.2)中△xt+1, △yt+1, △θt+1是t时刻到t+1时刻的时间段内，AGV车体在路段坐标系中的理论增量值，利用公式(1.2)可以得出AGV的理论路径公式： (1.3)

　　公式(1.3)中，X0,Y0,θ0是车体在总体坐标系下的初始位置值, Xt+1,Yt+1,θt+1是t+1时刻AGV车体在总体坐标系中的值。

　　< >AGV微运动为圆弧运动时的理论航位公式(1.4)

　　公式(1.4)中△xt+1, △yt+1, △θt+1是t时刻到t+1时刻的时间段内，AGV车体在路段坐标系中的理论增量值。

　　公式(1.5)中，X0,Y0,θ0是AGV车体在总体坐标系下的初始位置值, Xt+1,Yt+1,θt+1是t+1时刻AGV车体在总体坐标系中的值。

(1.5)

　　3.导航实验

　　由于车轮和地面之间属于非完整约束,如何保证AGV的自主导航的精确还是一个难题。同时,在运动过程中,由于存在着车轮的弹性变形及车轮和地面之间的滑移等因素,无论是AGV的位置还是姿态都会出现偏差,且随着移动距离的加长,这种偏差会不断地累积,进而影响到其定位精度。为此,在AGV的工作点对其进行定点校正姿态是必要的。本文在AGV5000自动导向牵引车上开发了如图4所示的AGV导航系统。在导航控制系统不仅要控制AGV的位置精度，还要控制其姿态精度,采用信息融合技术将装在AGV侧面两个超声波传感器和装在车体上的陀螺仪的数据进行处理。超声波传感器1到标识物的距离为d1，超声波传感器2到标识物的距离为d2，陀螺仪测得AGV的角速度为ω; 超声波传感器1与超声波传感器2之间的距离L为1263mm(测量得到)。另外，令AGV车体侧面到标识物的距离为l=(d1+d2)/2，车体与标识物的夹角为:

　　图5 姿态变化图

Fig 5 The oritation movement diagram 其中d1t1 ,d2t1, d2t1 ,d2t2分别是时t1,t2刻所对应的超声波传感器的值。分别以不同的速度进行实验。每组速度下实验重复做三次，研究AGV运动结束后其位置与姿态精度。 图4轨迹跟踪实验

　　Fig.4The path track test

　　4.结论

　　实验过程中平均速度为 5m/min，从出发点开始，逆时针方向走一条曲线，最后到终点。在整个路径中设了一处姿态校正板，同时设置了一处准停标识位，在其他路径段AGV完全是依靠自身的编码器和陀螺仪进行自主导航，当AGV进入到超声波的检测范围内时，导航的任务就交给超声波检测系统，对AGV的位姿进行调整，采用数据融合的方法将陀螺仪和编码器的信号进行融合，通过航位推算来实现停标识时AGV减速停车，实现精确的定位。理论分析和实验结果均表明:采用模拟量超声波传感器对AGV进行侧向位置校正和姿态校正,位置误差在±5mm内，姿态角控制在-0.286～0.057°，误差在±0.3°以内如图5所示,通过对上述实验数据的分析可以看出这种多路传感器融合控制方法在解决AGV自主导航方面有一定实用性。

　　参考文献：

　　[ 1 ] 史恩秀,黄玉美. 基于超声波传感器的AGV定位方法的实验研究[J].传感器技术，2005,(10):23-26

　　[ 2 ] 崔康吉，孙宁等.AGV精确定位技术的研究[J].计算机集成制造系统，1995(4):39～ 41

　　[ 3 ] 袁军，王敏，黄心汉，等. 智能系统多传感器信息融合研究进展[J].控制理论与应用. 1994，11(5):513-519.

　　[4 ] Jiang Z P, NijmeijerH. A recursive technique for tracking control of nonholonomic systems in chained form [J]. IEEE Trans on Autom Control, 1999, 44 (2) : 265～279

　　[5] 徐俊艳,张培仁. 基于Backstepping时变反馈和PID控制的移动机器人实时轨迹跟踪控制[ J ]. 电机与控制学报, 2004, 8

　　(1) : 35～38