1. 研究目的与意义（文献综述）

移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统，它集中了传感器、信号处理、计算机、自动控制、人工智能等多学科的研究成果，代表机电一体化的最高成就，是目前科学技术发展最活跃的领域之一。

移动机器人根据其行驶机构的形式不同，主要分为履带式、腿式、轮式三种。履带式^[1]行驶机构最早出现在坦克和装甲车上，后来出现在某些地面行驶的机器人上，它具有良好的稳定性能、越障性能和较长的使用寿命，适合在野外或者崎岖的地面上行驶；腿式^[2]行驶机构因其出色的越野能力层得到过极大重视，但因为结构复杂、行走速度慢，慢慢淡出专家们的视野；轮式^[3]行驶机构具有运动速度快、结构简单、运动平稳等特点，而随着各种各样底盘的出现，已经可以喝腿式机器人相媲美，已经成为移动机器人的研究重点和主流。

随着生产的发展和科学技术的进步，移动机器人的应用范围大为扩展，移动机器人不仅在工业、军事、服务业等领域得到了广泛应用，在核电站和外层空间等恶劣环境条件下，移动机器人更因为其自身的特异化结构，具有无可比拟的优势^[4]。而在工业方面，随着自动化程度的提高，传统制造业的生产方式发生了深刻的变化的环境下，为节约成本、缩短生产周期,柔性制造系统（flexible manufacture system，fms）和工厂自动化等先进的生产方式逐渐发展起来。柔性制造系统和工厂自动化采用的主要设备是机器人、自动化立体仓库、无人搬运车、物料分检识别系统等。其中无人搬运车就是轮式移动机器人（wheeled mobile robot，wmr）在工业应用的典型代表，无人搬运车则以自动导引小车（automatic guided vehicle，agv）为标志^[5]。

2. 研究的基本内容与方案

3.1基本内容和目标

本文以视觉导航和差速转向的AGV为研究对象，如图3.1所示。车载摄像机安装于车体中心，以该点为原点，以AGV前进方向为y轴建立车载坐标系∑XOY。驱动轮对称安装于车体左右两侧，分别通过两套直流伺服装置独立控制驱动轮的转速和方向。辅助轮安装于车体前后两方，仅起支撑作用。车载控制系统采用包含DSP（Digital Signal Processor）和ARM（Advanced RISC Machine）的嵌入式控制系统，并完成视觉导航和运动控制等功能。

视觉导航AGV利用车载摄像机实时拍摄地面导引标线的图像，先通过DSP运行图像识别算法识别AGV位姿偏差，再通过ARM分两步完成运动控制。第一步，由路径跟踪算法计算纠正AGV位姿偏差的两驱动轮速度差，产生每个驱动轮的目标速度；第二步，根据编码器反馈的实时速度，由伺服控制算法计算消除驱动轮速度误差的电压控制信号，通过电机驱动器和伺服电机完成两驱动轮的速度调节，改变AGV的运行姿态，实现路径跟踪过程。

由于本文研究的AGV采用视觉导航和差速转向，所以在运动控制中考虑如图3.1所示的局部运动学模型，以两驱动轮速度差为输入，以AGV对导引标线的距离偏差和角度偏差为输出。路径跟踪算法针对位姿偏差的两个参数，根据运动学模型计算伺服控制可执行的速度差，实现AGV对期望路径的无偏差跟踪。

图3.1 研究对象示意图

3.2拟采取的技术方案

路径检测：

（1）CCD采集导向图像；

（2）彩色图像转化为灰度图像

（3）对图像通过平滑或者中值滤波进行去噪处理；

（4）对图像进行畸变校正处理；

（5）选取合适的阈值，对图像进行二值化处理；

（6）根据所得信息对路径进行识别、跟踪。

运动控制：

（1）如图3.1所示，分析小偏差下的线性运动学模型：

差速转向AGV线速度之间满足：

（3-1）

当出现位姿偏差时产生一个速度差控制量，使AGV沿瞬心做弧形移动以调整位姿状态，并保持车体中心线速度的大小不变，即：

(3-2)

设两驱动轮间距为W，由圆周运动规律可知，AGV绕瞬心转动角速度为：

(3-3)

设AGV控制周期为，当前状态k的角度偏差为，经过时间到下一个状态k 1时，AGV绕瞬心转过的角度为，则状态k 1的角度偏差为：

(3-4)

由于AGV受到非完整约束，为避免对线速度的积分，采用几何方法计算离散形式的距离偏差，示意图为3.2。假设当前状态k的∑xoy不随AGV运动，则可以观察运动到下一个状态k 1的路径跟踪轨迹与偏差变化过程。当控制周期很短且角速度有限时，运动轨迹的圆弧OA近似看做直线，长度可由算得，圆心角为角度偏差变化量的绝对值，则距离偏差的减小量AB为：

(3-5)

距离偏差的增加量DE为：

(3-6)

当圆心角很小时，状态k 1的距离偏差近似为：

(3-7)

对于小角度偏差情况和都很小，对式(3-5)和(3-6)中的非线性部分做线性化处理，可以得到状态k 1的距离偏差为：

(3-8)

根据角度偏差和速度偏差控制量的定义可知：lt;0，gt;0，则上式可以化简为：

(3-9)

所以，在小偏差情况下，AGV线性运动学模型为：

(3-10)

(3-10)表示为矩阵形式则为：

(3-11)

（2）根据已经建立的运动学模型，实现路径跟踪：

以距离偏差和角度偏差为状态量，以两驱动轮的速度差为控制量建立状态方程：

(3-12)

其中，A、B为状态量和控制量的系数矩阵。

选择系统状态量和控制量的二次型加权和积分为目标函数：

(3-13)

其中，Q、R为状态量和控制量的加权矩阵。

为实现路径跟踪控制的优化，需要寻找合适的控制量使两种偏差和趋向最小且不消耗过多的控制能量。根据LQR最优控制理论，使目标函数J取极小值的最优控制量为：

(3-14)

其中，矩阵P为Riccati矩阵代数方程：

(3-15)

的对称正定解。在系统能控且gt;0，gt;0的条件下，系统的状态反馈增益为常数矩阵：

(3-16)

在小偏差情况下，基于线性运动学模型的LQR最优控制方法可以获得良好的路径跟踪性能。实现本次毕业设计的基于视觉导航的轮式移动机器人的运动控制。

3. 研究计划与安排

4. 参考文献（12篇以上）

[1] 王耀南, 机器人智能控制工程[m]. 北京: 科学出版社, 2004:89-91

[2] 李满天, 褚彦彦, 孙立宁. 小型双足移动机器人控制系统[j]. 特微电机, 2003, 21(4):17-18.

[3] 欧青立, 何克忠. 室外智能移动机器人发展及其关键技术研究[j]. 机器人, 2000, 22(6):51.