自动导航小车再生制动控制策略研究

发布时间：2020-06-15 03:47

【摘要】：在当今大数据、人工智能的时代背景下,生产效率得到极大提升,生产车间也由传统的自动化,经数字化,逐步向智能化发展,作为实现智能化的关键设备---自动导航车AGV(Automated Guided Vehicle)的广泛应用势在必行。目前,AGV大都以电池作为动力源,采用电驱动的方式,受行驶工况要求和电池充放电特性的影响,小车的续驶里程受到限制,其工作效率得不到“质”的提升,进而限制了企业的生产效率。因此,研究提升小车能量利用率及其续驶里程的方法,具有重要意义。本文以四轮驱动的AGV作为研究对象,结合再生制动技术,设计了适用于AGV的制动力分配策略。首先,利用ADVISOR和MATLAB/Simulink软件建立了AGV的电机、电池以及整车控制器模型,并在ADVISOR软件中对小车动力性能进行了仿真,同时,对AGV的加速度、续驶里程等数据进行了实车测试,将仿真结果与实车测试结果进行对比,验证了所建立的AGV模型的有效性。其次,设计了AGV的再生制动系统,对制动过程中的能量传递以及影响能量回收的因素进行了分析,研究小车在理想制动情况下和符合ECE(European Economic Commission)法规条件下的制动力分配情况;然后,对典型的制动力分配策略进行了研究,在此基础上设计了基于模糊控制的制动力分配策略,并利用MATLAB/Simulink软件搭建了控制策略的仿真模型。随后确定了能量回收的评价指标,并根据AGV急起急停的运行特点设计了三种行驶工况。基于ADVISOR软件对比分析模糊控制策略和传统线性控制策略对能量回收的影响,结果显示,与传统线性控制策略相比,在模糊控制策略的控制下,能量回馈率最高可提升54.79%,电池SOC(State of Charge)最大可提高21.25%,续驶里程最大提升约10.8公里,表明了本文设计的制动力分配策略的优异性,同时对能量回收过程中的电流进行了监测,保证制动过程中充电的安全性。最后,根据模糊控制器设计过程中的不足,利用遗传算法对其隶属度函数和模糊规则进行了优化设计,并根据优化结果重新建立了模糊控制器,在ADVISOR软件中对优化后的控制策略仿真分析,结果显示,相比优化前的控制策略,电池SOC最大提升11.73%,续驶里程最大可提升2.6km。从结果来看,本文设计的制动力分配策略与线性制动力分配策略相比,能够有效提高小车制动过程中的能量回收,提升小车的续驶里程。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP273;TP23
【图文】：

场景,自动化仓库,搬运工作,物料搬运系统

华中科技大学硕士学位论文与传统的物料搬运系统相比，AGV 的应用带来了许多好处，包括高灵活性、高效的空间利用率、高的车间安全性，以及与柔性制造系统的其他设备方便高效的通信[6][7]。AGV的应用场景包括汽车生产厂、半导体制造车间、柔性制造系统和海港集装箱码头。AGV的用途主要包括三个方面[8]：（1）在自动化仓库或车间、码头等地方进行物料的搬运工作，如在自动化仓库中，对进出库的物品进行搬运，以提高作业效率；（2）在特殊环境或危险环境中代替人工作业，以避免危险发生；（3）作为移动工作台，直接在 AGV移动平台上对零部件进行组装。如图 1-1 所示，展示了 AGV 在不同场景中的应用。

界面图,参数输入,软件,界面

好的结合了两者的优点，使仿真计算量小、运算速度快，又保证了仿真结果的精度在仿真计算时，先进行后向仿真，然后进行前向仿真。前向仿真依赖于驾驶员模型在计算车速时不仅考虑需求车速，而且还考虑当前车速。前向仿真计算量比较大，真速度较低，但是仿真精度较高。后向仿真不依赖于驾驶员模型，计算速度高，但仿真所用的参数都是在车辆稳态条件下测量得到的，仿真结果不能反映车辆的实际驶情况。前后向仿真示意图如图 2-2、2-3 所示，ADVISOR 软件参数输入界面如图 2所示。利用 ADVISOR 软件可以快速建立车辆模型，并设置电池参数、电机类型、轮参数、车辆阻力、循环工况等。驾驶员模型主控制器电机模型电池模型传动系统图 2-2 前向仿真循环工况传动系统电机模型电池模型主控制器图 2-3 后向仿真

【参考文献】