AGV（Automated Guided Vehicle）小车作为目前工业自动化系统中重要的组成部分，在工厂和厂房的物流调度系统中起着重要作用[1]，有着非常广泛的应用前景。

传统的AGV小车控制以经典的PID控制为主，但PID控制的精确程度取决于系统数学模型的精确程度及参数设置状况[2]。AGV小车在工厂及厂房中的工作环境复杂，且在行驶过程中会受到各种工况的干扰，传统的 PID 控制有时很难达到难以效果[3]。
基于此，分析了模糊控制机理，针对 AGV 中直流电机的调速系统，采用模糊 PID 进行控制，极大地提高了智能小车转速控制的准确性、稳定性及反应速度。

1 AGV系统构成

AGV 系统装备了磁导航、CCD 导航、激光导航等[4]，使得 AGV 在行驶过程中能够按照事先规划的路径运行，操作者只需根据上位机进行现场的实时调度，对于不同的现场运行情况 AGV 进行实时的现场调度，因此，大大降低了对于人力的依赖，提高了工作效率和安全系数。
AGV系统通过贴在地面上的磁导航传感器进行导航，实时监控AGV小车现场位置，现场调度，避免AGV之间发生碰撞。AGV的供电系统由电池提供，两块电池安装在AGV的两端（一般为对称安装），磁感应传感器安装在 AGV 的两端，产生一个闭环的系统来进行小车的实际位置的现场调节[5]。AGV大小有很多种分类，对于大型 AGV的调度需要考虑其安全范围是否足够，转弯时是否满足现场要求。AGV系统零件图如图 1 所示，其中①启动、停止、复位、急停按钮；②和③均为 12 V 电池；④轮子；⑤三色灯；⑥传送带；⑦触摸屏；⑧避障传感器；⑨对射传感器。AGV伺服安装如图2所示，其中，①为前磁导航传感器；②为后磁导航传感器；③为伺服电机；④为伺服驱动器。

图1 AGV系统零件图

图2 AGV伺服安装图

2 AGV系统模糊PID控制设计

2.1 AGV转速控制策略

基于模糊PID的AGV转速控制如图 3 所示[6]。
驱动控制器控制红外传感器工作，根据收集到的路况循迹信息得到小车的速度给定值，同时，车轮速度检测模块检测小车速度，进行隔离、放大、A/D 转换后与给定速度进行比较，若工厂的物流调度路径有上行、下行或转弯状况，速度检测模块即会表现出上升或下降现象，将此偏差信号送给模糊 PID 控制器，控制器进行模糊规则的选择，输出精确的速度脉冲信号送入电力电子执行机构，驱动直流电机精确的按照实际路况循迹速度运行。

图3 AGV转速控制框图

2.2 AGV转速模糊PID控制器设计

模糊 PID 控制器结构如图 4所示，主要分为两个模块，其一是传统的 PID 控制器，其二是模糊控制器，模糊控制器来实现 PID 控制器参数的现场确定，使得 PID控制效果更加理想化，模糊PID控制器主要是实现PID三大参数和误差e的变化率△e之间的关系，在运行过程中根据误差和误差的变化率不断判断、计算最终的比例、积分、微分参数[7]。

图4 模糊PID控制结构图

基于上述结构，AGV转速控制模糊PID设计可分为以下 4个步骤[8-9]。
第一步，系统输入输出信号的确定。AGV小车数据采样是通过磁导航传感器的16位数字采样点，以I/O输入的模式进行，通过分析输入信号的不同来确定AGV小车实际所处的位置[10]，磁导航为 16路 16点数字量输出，一般正常检查到的信号为 5路 5点数字量输出，理论分为下面 20种情况：
1000000000000000（1）
1100000000000000（2）
1110000000000000（3）
1111000000000000（4）
1111100000000000（5）
0111110000000000（6）
0011111000000000（7）
0001111100000000（8）
0000111110000000（9）
0000011111000000（10）
0000001111100000（11）
0000000111110000（12）
0000000011111000（13）
0000000001111100（14）
0000000000111110（15）
0000000000011111（16）
0000000000001111（17）
0000000000000111（18）
0000000000000011（19）
0000000000000001（20）
取直流电机角速度误差 e 和误差变化率 ec 为系统输入变量，ΔKp、ΔKi、ΔKd为输出变量。将误差 e 与误差变化率 ec的模糊基本论域取为[-6，6]。
通过比例、量化因子映射到论域：设磁导航传感器的 16路输出依次从左到右为（1）→-6，（2）→-5，（3）（4）→-4，（5）（6）→-3，（7）→-2，（8）（9）→-1，（10）（11）→0，（12）（13）→1，（14）→2，（15）（16）→3，（17）（18）→4，（19）（20）→5
第二步，系统输入输出变量模糊化。
设计中将e、ec、ΔKp、ΔKi、ΔKd的量化等级均设为13级，即2个输入变量一个输出变量在模糊集上的论域为：{-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6}。对应的模糊语言为{NB，NM，NS，ZO，PS，PM，PB}，该集合中元素分别代表负大、负中、负小、零、正小、正中、正大[11-12]。把上述集合的元素描述为AGV 小车的加、减速状况，则为：NB 表示大减速、NM表示中减速、NS表示小减速、ZO 表示保持当前转速、PS 表示小加速、PM 表示中加速、PB 表示大加速。考虑到 AGV 小车在实际运行中产生的误差是随机的，因此，采用三角形隶属函数，如图 5所示。

图5 三角形隶属函数图

第三步 模糊规则库的建立。
模糊规则库的建立即为找出运行时刻P、I、D与误差e及误差变化率ec之间的模糊关系。通过e和ec的变化规律，应用所制定的模糊控制规则，从而调整ΔKp、ΔKi、ΔKd三个参数值，使AGV小车在运行过程中有良好的动态性及稳定性[13-14]。应用在智能小车中，对速度误差e的控制规律尤为重要，不合适的控制规律会使AGV的速度产生振荡，对不同车间的不同路径没有很好的适应性。当车体实际运行速度和期望速度偏差e大时，为了加速系统的跟踪速度，应取较大的Kp；但是为了避免由于开始时偏差e的瞬间变大可能出现的微分过饱和而使控制作用超出许可范围，应取较小的Kd，同时为了防止系统速度响应出现较大的超调，产生积分饱和，应对积分作用加以限制，通常取Ki=0等。根据AGV的操作经验，可得转速控制输出参数（ΔKp、ΔKi、ΔKd）的模糊规则库如表 1所示[15-17]。

表1 ΔKp、ΔKi、ΔKd模糊控制规律

模糊控制器输出量是模糊量，不能直接用来控制直流电机的转速，在AGV实际控制时要将这些结果转化为精确量。考虑到重心法能较好的反映控制量的真实分布情况，因此，在本设计中采用重心法对模糊变量进行转化。

3 实验对比分析

文中采用AB PLC作为控制设备，用梯形图对PID控制器和模糊控制器进行设计，为了可以快速响应AGV小车的实际位置，采样时间设为100mms。电路和气路连接完成并检查无误后，通电下载程序并在线监控程序运行。连接路由器，进行 AB PLC 的 IP设置。具体的调试过程如下：
1）在主菜单画面中 LCD 的使用键盘上的 Up 和Down键选 Advanced Set。
2）通过点击 LCD 键盘上的 OK 键即可出现高级设置操作界面，如图 6 所示。该界面上有“Up”和“Down”上、下翻转键用来选择 ENET 功能，选择好之后点击 OK 键即可进入。
3）使用“Up”和“Down”上、下翻转键对 IP 地址进行设置，设置好的 IP地址点击 OK 键即可。

图6 PID参数程序调试界面图

4）输入密码操作界面，在本 AGV 小车控制系统中 ，通 过 Left、Right、Up 和 Down 键实现Master password的设置，该密码最大长度为10位数字，在本操作系统中，设置 1234为 Master password。
5）密码验证界面，若输入的密码正确，则显示以太网网络类型选择界面，点击“Up”和“Down”上、下翻转键选择合适的网络类型；若输入密码不正确，则操作界面会提示密码有误的错误信息。
6）对网络的IP地址以及子网掩码等信息进行设置。调试过程完成后，图 7 和图 8 分别显示了传统PID 和本设计的模糊 PID 实现结果。可以看出，模糊PID 控制有较短的响应时间，较小的超调，能较快进入稳态，因此，能更好的跟踪 AGV 小车速速控制。

图7 PID响应图

图8 模糊PID响应图

4 结 论

文中介绍了AGV小车的构成，在此基础上，针对小车的转速控制系统，设计了转速模糊PID控制器，并在PLC设备上进行了实际验证，与传统PID控制相比，AGV模糊 PID 转速控制器响应时间短，响应过程无振荡无超调，有较好的动、稳态性能。

参考文献：

[1] 曾炫. 基于模糊控制的磁引导AGV系统路径校正的应用研究[D]. 杭州：杭州电子科技大学，2015.
[2] Mendes J，Araujo R，Matias T，et al. Automatic extraction of the fuzzy control system by a hierar⁃ chical genetic algorithm[J]. Engineering Applica⁃ tions of Artificial Intelligence，2014，29（3）：70-78.
[3] Baturone I，Moreno-Velo FJ，Śnchez-Solano S，et al. Automatic design of fuzzy controllers for carlike autonomous robots[J]. IEEE Transactions on Fuzzy Systems，2004，12（4）：447-465.
[4] 宋学贤，谈宏华，潘正春，等. 基于自适应模糊PID的AGV高精度寻迹系统的研究[J]. 国内外机电一体化技术，2012（1）：29-31.
[5] 武星，楼佩煌，唐敦兵. 自动导引车路径跟踪和伺服控制的混合运动控制[J]. 机械工程学报，2011，47（3）：43-48.
[6] 叶金鑫. 基于模糊 PID 的智能小车控制算法研究[J]. 实验科学与技术，2016，14（1）：46-47.
[7] 王述彦，师宇，冯忠绪. 基于模糊 PID 控制器的控制方法研究[J]. 机械科学与技术，2011，30（1）：166-172.
[8] 黄友锐，曲立国.PID 控制器参数整定与实现［M］.
[9] 汤红诚，李著信，王正涛，等. 一种模糊PID控制系统[J]. 电机与控制学报，2005，9（2）：136-138.
[10]纪亚芳，张志刚. 基于模糊 PID 的双容水箱液位控制系统设计[J]. 山西师范大学学报（自然科学版），2019，33（2）：37-40.
[11]李言民，苗欣，姜付杰，等. 基于模糊PID 控制器的多电机交叉耦合控制同步控制系统设计[J]. 电工技术，2005（3）：118-120.
[12]王建红，陈耀忠，陈桂，等. 基于交叉耦合控 制的双电机同步控制系统研究[J]. 南京理工大学学报，2017，41（6）：693-697.
[13]张小娟. 基于AT89S51单片机的除氧器温度控制系统的设计[J]. 纺织高校基础科学学报，2010（3）: 372-376.
[14]鞠升辉，李杨民. 非完整约束移动机器人论域自调整模糊控制研究[J]. 电子设计工程，2016，24（5）：103-106.
[15]徐郑林，朱建波，郑伟杰，等. 基于模糊控制的电动汽车充电器的研究[J]. 电子设计工程，2017，25（12）：85-88.
[16]王璐．一种基于模糊控制的多传感器管理算法的研究[J]．电子设计工程，2018，26（21）：47-51.
[17]苏扬，刘文言，刘潇，等. 基于模糊控制的盲人避障系统设计[J]. 信息网络安全，2014（6）：67-71.文章来源于AGV吧