[发明专利]一种基于麻雀搜索算法的差速AGV轨迹跟踪控制方法

说明书

本发明提供了一种基于麻雀搜索算法(SSA)的差速AGV轨迹跟踪控制方法，该方法首先设定全局坐标系和局部坐标系，建立差速AGV的运动学模型，对差速AGV轨迹跟踪问题进行分析，分别设计距离误差PID控制器及角度误差PID控制器，然后利用麻雀搜索算法对PID控制器参数进行优化，经过若干次的迭代以后完成寻优过程，输出全局最优解，即为最优控制参数，而后通过该组参数设计控制器从而保证差速AGV可以快速、稳定的收敛于目标轨迹。本发明解决了差速AGV轨迹跟踪存在的非线性问题，SSA具有在不同的搜索空间中的高性能而且有很好的能力探索全局最优的潜在区域，从而有效地避免了局部最优问题，提高了差速AGV的跟踪控制效果。

技术领域

本发明设计一种差速AGV轨迹跟踪方法，特别涉及一种基于麻雀搜索算法(SSA)的差速AGV轨迹跟踪控制方法。

背景技术

轨迹跟踪的目的是跟踪某条与时间相关的曲线，即某时刻必须在某点，相当于跟踪一个前边同驱动结构的车。

近年来，采用模糊控制、神经网络控制、模糊神经网络控制等智能控制方法来处理AGV轨迹跟踪问题而且已经取得了较为可观的研究成果，但是仍然存在一些缺陷，例如：模糊控制方法中的模糊规则的制定、论域的选择等经常会根据经验来定或者采用试凑法；神经网络的权值初始化经常根据经验来定而且它的修正方式也没有经过严格的定义。智能算法的优点是可使系统实现近似最优。

然而，由于现存的智能算法，如粒子群算法、遗传算法等本身存在缺陷，故导致了轨迹跟踪易陷入局部最优，影响了轨迹跟踪的精度。算法中的参数多根据经验选取，而且参数修正难以控制，对AGV控制的实时性也难以满足。

发明内容

本发明解决了现有技术中存在的问题，与其他最新研究成果相比，本发明提出的SSA方法具有很强的竞争力，在搜索精度、收敛性方面的算法速度，还有稳定性。SSA具有在不同的搜索空间中的高性能而且有很好的能力探索全局最优的潜在区域，从而有效地避免了局部最优问题。

实现本发明所采用的技术方案为：一种基于麻雀搜索算法的差速AGV 轨迹跟踪控制方法，具体包括以下步骤：

步骤1，对差速AGV进行运动学进行理论分析，建立差速驱动AGV的运动学模型，为仿真控制器提供较为真实的被控对象，在局部坐标系下可得以下运动学方程：v_l＝r·w_l，v_r＝r·w_r，在全局坐标系下可得以下运动学方程：X＝v·cosθ·t，Y＝v·sinθ·t，θ＝wt；

步骤2，选择跟踪路径，使得差速AGV在Matlab环境移动具有目的性；

步骤3，研究PID控制理论，结合差速转向运动学模型，使用Simulink 设计出PID仿真控制器，并在上述环境中进行测试和调参，使其在圆的路径跟踪中具有较优效果；机器人质心与期望点之间的位姿误差，将该位姿误差作为控制器的输入，以距离误差作为速度控制器的输入，那么速度值就是控制器的输出；以横摆角误差作为角速度控制器的输入，那么输出就是AGV的横摆角速度。以位姿误差作为轨迹跟踪控制器的输入，分别来设计两个PID控制器，以距离误差为输入时，设计速度PID控制器，得到控制速度；以横摆角误差为输入，设计角速度PID控制器，得到控制横摆角速度。

步骤4，采用麻雀搜索算法对PID控制器中的参数进行优化；

步骤5，将优化后的参数赋值给PID控制器。

所述步骤4中，麻雀搜索算法主要有以下步骤：

步骤4.1：初始化一群数量为n的麻雀并定义其相关的参数，包括最大迭代次数G，发现者数量PD，意识到危险的麻雀数量SD，报警值R₂，麻雀的数量n等；

步骤4.2：对适应值进行排名并找到当前的最佳值的个体和当前最差的个体；