基于電子差速的自動導(dǎo)引物流車的研制

（湖北工業(yè)大學(xué) 電氣與電子工程學(xué)院，湖北 武漢 430068）

1 引言

自動導(dǎo)引物流車AGV（Automated Guided Vehicle，以下簡稱AGV）已廣泛應(yīng)用于物流倉儲、生產(chǎn)線等。然而現(xiàn)有AGV大多采用轉(zhuǎn)向舵機控制運動軌跡，電動機通過減速和差速后驅(qū)動，這種結(jié)構(gòu)既增加了成本，又使系統(tǒng)控制變得復(fù)雜。為了簡化AGV的系統(tǒng)，本文研究一種基于電子差速和外轉(zhuǎn)永磁無刷直流電動機（以下簡稱“外轉(zhuǎn)電機”）直驅(qū)的AGV。

電子差速是根據(jù)所接收的轉(zhuǎn)向控制指令，通過控制內(nèi)、外車輪的速度來實現(xiàn)車輛的轉(zhuǎn)向。將電子差速應(yīng)用于AGV，可以省去了現(xiàn)有AGV中的伺服轉(zhuǎn)向舵機和機械差速器；與此同時，外轉(zhuǎn)子電機既是驅(qū)動輪又是轉(zhuǎn)向輪，并不需要齒輪減速裝置。因此，基于電子差速的AGV簡化了系統(tǒng)動力結(jié)構(gòu)，提高了傳動效率，降低了系統(tǒng)成本，而且維護簡單。

2 硬件設(shè)計

2.1 系統(tǒng)組成

本文研制的基于電子差速的主要參數(shù)為：整車重（包括負(fù)載）300kg，供電電壓 24V（DC），行駛車速 1.8km/h，車身長0.9m、寬0.6m，圖1為基于電子差速的AGV組成框圖。

圖1 基于電子差速的AGV組成框圖

圖1 中的蓄電池由2個12V、45Ah的串聯(lián)供電。前輪是2臺外轉(zhuǎn)電機（既作驅(qū)動輪，也是轉(zhuǎn)向輪），2個后輪為從動輪；控制器具有兩方面的功能：一是實現(xiàn)對外轉(zhuǎn)電機的驅(qū)動和控制；二是負(fù)責(zé)整車的信號采集和控制。此外，該AGV采用磁導(dǎo)引傳感器和紅外避障傳感器檢測外部信號。

2.2 控制器

控制器是AGV的核心，圖2為其組成框圖。控制器硬件電路主控芯片是TMS320F2808。電機的HALL信號為5V，在信號送入DSP之前要將其轉(zhuǎn)換到3.3V且邏輯關(guān)系不變。DSP還需要對各個磁傳感器以及紅外避障傳感器的輸出信號進行采樣處理，從而實現(xiàn)智能導(dǎo)航?？刂破鞯尿?qū)動電路選擇了型

號為IKCM30F60GA的智能功率模塊。

圖2 基于電子差速的控制器組成框圖

2.3 外轉(zhuǎn)電機

根據(jù)AGV的驅(qū)動要求，所設(shè)計外轉(zhuǎn)電機的主要技術(shù)參數(shù)為：額定功率250W，額定電壓24V，額定轉(zhuǎn)速350r/min。經(jīng)過優(yōu)化設(shè)計，最終選擇了30/27的極槽配合，外轉(zhuǎn)電機外轉(zhuǎn)子外徑為130mm，軸向長為35mm。圖3是該外轉(zhuǎn)電機的磁場仿真圖，圖4為外轉(zhuǎn)電機電磁轉(zhuǎn)矩仿真曲線，平均轉(zhuǎn)矩為7Nm，可以滿足驅(qū)動要求。

圖3 外轉(zhuǎn)電機磁場仿真云圖

圖4 外轉(zhuǎn)電機電磁轉(zhuǎn)矩仿真曲線

3 軟件設(shè)計

3.1 整車控制

基于電子差速的AGV整車控制軟件不僅包含底層外轉(zhuǎn)電機的驅(qū)動，還包括電子差速轉(zhuǎn)向、紅外避障、人機交互、故障檢測保護、電池電量監(jiān)測等功能，系統(tǒng)軟件結(jié)構(gòu)框圖如圖5所示。

圖5 基于電子差速的整車控制軟件設(shè)計框圖

AGV路面行駛時，外轉(zhuǎn)電機反饋出Hall信號，控制器對信號進行處理，發(fā)出轉(zhuǎn)速指令，同時通過磁導(dǎo)引傳感器和紅外避障傳感器對路面信息進行采集，控制器進行內(nèi)部運算，對外轉(zhuǎn)電機發(fā)出轉(zhuǎn)向指令。蓄電池提供直流側(cè)母線電壓，并且通過電平轉(zhuǎn)換電路對控制器供電。

3.2 電子差速模型

根據(jù)Ackermann轉(zhuǎn)向幾何原理建立AGV電子差速模型如圖6所示。

圖6 AGV電子差速轉(zhuǎn)向幾何模型

圖6 中，W為車身寬度，L為車身長度，β為車身轉(zhuǎn)向角度，βin為內(nèi)側(cè)車輪轉(zhuǎn)角，βout為外側(cè)車輪轉(zhuǎn)角。

由圖6可得內(nèi)、外側(cè)車輪的速度分別為

式（1）中，Vfin為內(nèi)側(cè)車輪速度，Vfout為外側(cè)車輪速度，V為整車行駛速度，且βin、βout分別為：

差速轉(zhuǎn)向作為AGV的上層控制，需根據(jù)車速V和轉(zhuǎn)向角度b計算兩驅(qū)動輪的速度來實現(xiàn)轉(zhuǎn)向。

3.3 外轉(zhuǎn)電機控制

外轉(zhuǎn)電機會產(chǎn)生換相轉(zhuǎn)矩脈動，為減小AGV振動、降低工作噪聲，在電機速度環(huán)中引入了模糊PI調(diào)節(jié)器，圖7為速度環(huán)模糊PI調(diào)節(jié)器。

選取轉(zhuǎn)速偏差信號為模糊輸入量E1，轉(zhuǎn)速偏差信號的一階微分為模糊輸入量E2，Δkp為模糊調(diào)節(jié)器輸出的轉(zhuǎn)速環(huán)kp增量，Δki為模糊調(diào)節(jié)器輸出的轉(zhuǎn)速環(huán)ki增量。根據(jù)多次實際調(diào)試經(jīng)驗取E1模糊集論域為{-80，-40，-20，0，20，40，80}；E2模糊集論域為{-1500，-800，-300，0，300，800，1 500}；Δkp模糊集論域為{-10，-5，-2，0，2，5，10}；Δki模糊集論域為{-80，-40，-20，0，20，40，80}。E1、E2、Δkp、Δki的模糊子集都為{NB，NM，NS，ZO，PS，PM，PB}。PI_Fuzzy_Set根據(jù)所制定的模糊規(guī)則輸出Δkp和Δki的增量，這里kp和ki的基礎(chǔ)值分別設(shè)置為15和100。

4 試制與試驗

圖8、圖9分別為作者設(shè)計并制作的AGV外轉(zhuǎn)電機和整車實物照片。AGV車頭兩側(cè)為驅(qū)動輪，后為從動輪，蓄電池組和控制器在車的中央，車頭底板下方布置有磁傳感器陣列，車身兩側(cè)布置有紅外避障傳感。

圖8 AGV外轉(zhuǎn)電機

圖9 AGV實物照片

4.1 負(fù)載試驗

AGV滿載質(zhì)量為300kg，考慮車身的強度，現(xiàn)場實驗時整車質(zhì)量約為150kg，此時用示波器記錄外轉(zhuǎn)電機的電流波形，如圖10所示?？梢?，外轉(zhuǎn)電機三相電流對稱，換相尖峰得到了較好抑制，一相電流的幅值為4.5A，約為電機額定電流的一半。

圖10 外轉(zhuǎn)電機實測電流波形

圖11 給出了模糊PI與常規(guī)PI的轉(zhuǎn)速實驗波形。與常規(guī)PI相比，模糊PI的轉(zhuǎn)速響應(yīng)時間縮短，具有更好的動態(tài)穩(wěn)定性和跟蹤性能。

圖11 模糊與常規(guī)PI的轉(zhuǎn)速響應(yīng)曲線

4.2 電子差速轉(zhuǎn)向試驗

為驗證電子差速轉(zhuǎn)向控制的準(zhǔn)確性，在0-3s給定直行指令，3-5.5s給定左轉(zhuǎn)30°指令，5.5-8s給定直行指令，根據(jù)實驗采集到左右側(cè)車輪行駛路程計算出二輪行駛路程差值如圖12所示?？梢姡?-3s直行指令下二輪行駛路程差值為零，表明二輪轉(zhuǎn)速響應(yīng)的一致性好；3-5.5s左轉(zhuǎn)30°指令下，左側(cè)車輪速度為0.62m/s，右側(cè)車輪速度為1m/s，實測轉(zhuǎn)向角度為28°。實驗與目標(biāo)指令存在偏差大致有以下兩方面原因：一是車輪轉(zhuǎn)速并不能突變，從直行指令到轉(zhuǎn)向指令有一個短暫過渡；二是路面凹凸、車輪滑移等狀況也會對目標(biāo)指令的跟隨造成影響。

圖12 左右側(cè)車輪行駛路程的差值

4.3 導(dǎo)引試驗

為驗證AGV的自動導(dǎo)引能力，試驗前在地面上粘貼了黑色的磁性軌道線，并將沙漏懸掛于AGV尾的中部，用來描繪AGV實際運行軌跡，實驗得到沙漏軌跡如圖13所示。可見，沙漏軌跡與磁帶軌道線吻合良好，表明AGV具有較高的跟蹤導(dǎo)引能力。

圖13 AGV車的行駛軌跡

[1]張正義.AGV技術(shù)發(fā)展綜述[J].物流技術(shù)與應(yīng)用,2005,(7).

[2]儲江偉,顧柏園.基于視覺導(dǎo)引的兩輪差速轉(zhuǎn)向AGV設(shè)計[J].物流技術(shù),2002,(7):12-14.

[3]Kodagoda K R S,Wijesoma W S,Teoh E K.Fuzzy speed and steering control of an AGV[J].Control Systems Technology IEEE Transactions on,2002,10(1):112-120.

[4]Hung Y C,Lin F J,Hwang J C,et al.Wavelet Fuzzy Neural Network With Asymmetric Membership Function Controller for Electric Power Steering System via Improved Differential Evolution[J].IEEE Transactions on Power Electronics,2015,30(4):2 350-2 362.

[5]Yang Y P,Xing X Y.Design of electric differential system for an electric vehicle with dual wheel motors[A].47th Conference on Decision and Control[C].2008.

[6]Zhao Y E,Zhang J W,Guan X Q.Modeling and simulation of electronic differential system for an electric vehicle with two-motor-wheel drive[A].IEEE Intelligent Vehicles Symposium[C].2009.

[7]Lee J S,Ryoo Y J,Lim Y C,et al.A neural network model of electric differential system for electric vehicle[A].26th Annual Conference of the IEEE[C].2000.

[8]徐海貴.基于磁阻傳感器陣列的車輛自主導(dǎo)航系統(tǒng)研究[D].上海:上海交通大學(xué),2009.

[9]Zou X,Huang D,Feng D,et al.Design of a double-deck automatic guided vehicle with magnetic traction for material transporting[A].2014 IEEE International Conference on Mechatronics and Automation(ICMA)[C].2014.