基于遺傳算法的物流尋跡小車設計與優化

楊逍卓，汪正華

（武漢理工大學 自動化學院，湖北 武漢430070）

1 引言

隨著中國經濟的快速發展，步進電機作為工業控制核心器械，廣泛應用于機械電子、設備控制、機器人控制等領域，并在這些領域發揮著重要的作用，企業對于高精度控制設備的需求也越來越高。

以PLC 作為步進電機核心控制單元，通過PLC 發送PWM 脈沖來控制步進電機驅動器，設計一套步進電機調速系統，實現對步進電機的高精度控制。

2 國內外現狀

步進電機與傳統的交流電機不同，主要通過脈沖驅動的方式實現電機旋轉，所以步進電機又被稱為脈沖電機。其工作原理是利用電磁原理，使電機內部的磁場方向發生變換，之后利用磁通變換來實現電機旋轉。

隨著電磁材料技術的突飛猛進，中國步進電機設計技術已經向著技術革新超越的方向發展。然而現有的步進電機高精度控制技術一般被國外技術企業所掌握。將PLC 控制技術與步進電機相結合，開發出一款簡單、實用、性能高效的步進電機調速設備，對于現有的中國市場來說具有極為重要的意義。

3 物流車硬件選型

本項目研究的快遞物流小車以ATmega328P單片機作為控制核心，以直流電機作為驅動源驅動小車運動，通過5 路紅外線傳感器讀取黑線特征信息，通過測速裝置、舵機轉向裝置、電源管理系統、LCD 液晶顯示屏，完成液晶系統的整體設置，其結構如圖1 所示。

圖1 硬件系統結構框圖

本項目以ATmega328P 單片機作為控制核心，該款單片機是16 位AVR 單片機，其內存容量達到了32 KB，該款單片機性能穩定，非常適合應用于物流小車項目的搭建。為了快速完成硬件項目的創建，本項目最終選擇以ATmega328P單片機為主體的Ardunino UNO 成型控制器作為核心。

路徑檢測裝置是物流小車實現主動跟蹤的關鍵設備，可以認為這就是小車的“眼睛”，選擇紅外傳感器作為路徑檢測裝置。本項目最終選擇TCRT5000 模塊組，一共有5 路紅外傳感器完成物流車的路徑檢測。

為了完成車輛測速，在物流車驅動端選擇了RLE38-06增量式編碼器測量車速；以L298N 作為直流電機驅動電源，完成整體車輛的設置，L298N 可驅動兩路電機，控制方式和電機轉動狀態如表1 所示。

表1 直流電機狀態表

將紅外傳感器置于小車主體前方3～5 cm 處，智能循跡小車的模型如圖2 所示。

圖2 小車模型圖

4 物流車硬件設計

為了提升智能物流小車的轉向性能和車輛行駛速度穩定性，分別對物流小車的轉向系統和速度系統進行了閉環設計，其設計原則是轉向系統保證位置環穩定，車速系統保證速度環穩定。其具體流程如圖3、圖4 所示。

從圖3 可知，本項目對于轉向系統主要采用PID 控制實現物流小車轉向的高精度控制，當前首先給定一個巡線路徑，控制器根據當前的巡線路徑給舵機一個特定轉向，之后紅外傳感器檢測到控制器路徑角度發生偏移，馬上根據偏移角度，對舵機的轉向進行變換，保證舵機可以根據路徑迅速發生改變，舵機轉向的變化快慢、穩定性情況都與PID 控制器有關。

圖3 物流車轉向控制框圖

圖4 物流車車速控制框圖

從圖3、圖4 可知，本項目主要采用PID 控制，直流電機主要控制的是旋轉速度，一般來說會根據軌道大小，給定特定的巡線速度，并通過編碼器讀取車輛運行速度，當車輛速度發生變化后，根據變化差值，動態調整電機速度，保障物流小車智能跟隨。

5 基于遺傳算法的PID 參數優化

在應用PID 控制算法時發現，傳統的手動參數設計，并不能使物流小車取得良好的跟蹤設計效果。在實際工程中，PID 參數一般是用過人工“試湊法”獲得，這種方式不僅對操作人員具有較高的要求，參數試湊過程也極為煩瑣。當控制對象發生變化后，必須根據控制器重新設計PID 參數。由于缺乏設計經驗，一般工程技術人員往往無法求得最優解，設計的PID 參數很難滿足控制效果。為了優化智能物流小車的控制效果，本項目提出，基于遺傳算法進行參數整定，設計出最合理的PID 參數。

遺傳算法的基本原理是利用生物進化理論，將現有的問題通過參數編碼的方式設計成基因序列，在遺傳的過程中按照“適者生存，優勝劣汰”的原則進行進化，在完成遺傳、變異、選擇后，形成新的種族群落，通過多代之間的群體優化，使得種群中對于某些問題的適應度越來越高，在最后一代的種群中選擇適應度最高的個體作為問題的最優解。遺傳算法設計流程如圖5 所示。

在系統設計過程中，首先應該確定要解決哪個問題，確定要對哪些被控量進行優化，為此需要建立最小目標函數，為了獲得比較合適的物流小車動態性能，采用誤差的絕對值時間積分特征作為最小目標函數，e（t）＞0 時目標函數如下：

式（1）中：w1、w2、w3為系統的加權值；e（t）為系統誤差；u（t）為控制器輸出；tu為上升時間。

小車的波動范圍最大的問題來源是系統的超調，所以子系統中加入了懲罰函數，也將超調量作為優化指標之一。e（t）＜0 時最終的優化指標函數為：

式（2）中：w4為加權值，且w4>>w1。

圖5 遺傳算法設計流程圖

對問題進行編碼和解碼，主要選擇二進制編碼，適應度函數主要根據目標函數進行設計，根據適應度評價可完成總體過程。主要使用MATLAB 自帶的遺傳算法優化包，仿真參數設置如下所示：個體數目為40，最大遺傳代數為20，變量二進制位數為20，代溝為0.96，交叉率為0.7，變異率為0.01。

只需要對目標函數進行設計，對遺傳種群大小、代數、交叉概率、變異概率進行設計就可以進行仿真，通過系統運行后就可以仿真，得到優化后的PID 參數。遺傳算法適應度函數變化如圖6 所示。

圖6 遺傳算法適應度函數變化

最終得到轉速優化和位置優化，得到PID 結果如下：轉向控制時，P=5，I=0.2，D=0.01；車速控制時P=3，I=0.5，D=0.6。

6 實驗對比分析

為了比較普通PID 控制器和優化后PID 控制器的區別，本項目選擇不同曲率半徑測量地點的10 個位置進行測量，曲率半徑由小變大，對優化前后的跟蹤誤差曲線進行對比，其結果如圖7 所示。

圖7 PID 優化后跟蹤誤差對比

對實驗后的小車進行測試，發現優化后的系統跟蹤誤差小于沒有進行系統優化的PID 參數跟蹤誤差。物流小車的平均行駛速度可以達到1 m/s，小車在運動過程中，跟蹤性能較好，沒有出現脫離賽道的現象，達到本項目的設計要求。

7 結論

物流尋跡小車常用于各類快遞運輸業務中，為了優化小車的尋跡過程，本項目設計了一款基于遺傳算法的物流尋跡小車PID 參數優化，優化后小車的跟蹤性能得到很大提升，完成之前設定的任務目標。