龍智卓,戰(zhàn) 凱,顧洪樞,石 峰,郭 鑫,馮孝華
(北京礦冶研究總院,北京100160)
基于改進模糊PID算法的智能鏟運機自主行駛控制方法
龍智卓,戰(zhàn) 凱,顧洪樞,石 峰,郭 鑫,馮孝華
(北京礦冶研究總院,北京100160)
針對智能鏟運機在井下環(huán)境中的自主行駛問題,在現(xiàn)有基礎(chǔ)的多變量PID算法和傳統(tǒng)的模糊PID算法基礎(chǔ)上,設(shè)計了改進模糊PID算法。改進模糊PID算法引入權(quán)重協(xié)調(diào)航向角控制器和橫向偏差控制器對輸出轉(zhuǎn)向角的影響。建立鏟運機自主行駛的SIMULINK仿真模型。仿真結(jié)果表明,改進模糊PID算法在響應(yīng)時間、超調(diào)量以及穩(wěn)態(tài)誤差等方面相比于多變量PID算法有較大優(yōu)勢。
智能鏟運機;自主行駛;改進模糊PID算法
鏟運機作為一種地下采礦的運輸設(shè)備,目前在國內(nèi)外礦山中有廣泛的應(yīng)用。當前對鏟運機的智能化、自動化的研究是當前鏟運機的主流研究方向。在此背景下,國家高技術(shù)研究發(fā)展計劃(863計劃)項目“地下智能鏟運機”應(yīng)運而生。本文主要研究的是智能鏟運機的自主行駛控制算法,旨在解決鏟運機在井下自主行駛問題。
鏟運機自主行駛過程中,目標路徑是巷道中心線,鏟運機保持一定的安全角度和一定的安全距離。從圖1中可以看出,使鏟運機保持安全角度就是跟巷道側(cè)壁平行,即保持航向角偏差β=0,因此需要對航向角進行控制。而保持安全距離就是跟巷道側(cè)壁保持一定的距離,即保持橫向位置偏差δ。這里設(shè)行駛速度在巷道中恒定,對轉(zhuǎn)向角α的控制來實現(xiàn)這兩個目標(航向角偏差和橫向位置偏差)在一定范圍內(nèi)[1-4]。
圖1 鏟運機行駛軌跡偏差圖Fig.1 Trajectory deviation of LHD
在設(shè)計鏟運機的控制系統(tǒng)時,由于鏟運機是一個具有時變性、非線性和不確定性的被控對象,多變量PID控制器的三個系數(shù)固定難以取得較好的控制效果。因此PID控制器的系數(shù)應(yīng)該在不同的工況下相應(yīng)變化。設(shè)計PID控制器具有系數(shù)自適應(yīng)功能,利用模糊控制規(guī)則實時地對PID系數(shù)進行修正,產(chǎn)生了模糊自適應(yīng)策略。模糊PID控制器是分別以鏟運機的橫向位置偏差δ和變化率、航向角β和角變換率作為輸入,以前后車體轉(zhuǎn)向角α作為輸出,利用模糊規(guī)則對比例、積分、微分系數(shù)進行在線調(diào)節(jié),以滿足不同時刻對PID系數(shù)自動調(diào)整的要求。從而使控制器具有一定的自適應(yīng)能力,獲得良好的控制效果。
式中:kpδ、kiδ、kdδ分別為橫向位置偏差輸入的比例、積分和微分系數(shù),kpβ、kiβ、kdβ分別為航向角偏差輸入的比例、積分和微分系數(shù)。
在常規(guī)PID控制的基礎(chǔ)上,運用模糊控制策略設(shè)計了兩個模糊控制器,如圖2所示。在圖2中一個模糊控制器是以橫向位移偏差δ和變化率作為輸入。通過模糊推理,找出PID三個系數(shù)kpδ、kiδ、kdδ與δ和之間的模糊關(guān)系,在運行中不斷檢測δ和,根據(jù)模糊控制原理不斷對三個系數(shù)進行調(diào)整和修改。同理航向角偏差控制器原理也是如此。該模糊PID控制器設(shè)計按文獻[5-7]要求設(shè)計。
圖2 模糊PID控制結(jié)構(gòu)圖Fig.2 The structure of fuzzy-PID control
但是由于航向角偏差、航向角偏差變化率與橫向位置偏差、偏差變化率隨著鏟運機的運動對轉(zhuǎn)向角控制的影響程度不一,所以對基本的模糊自適應(yīng)PID進行改進。設(shè)計了一種權(quán)重輸出器,給橫向偏差的模糊PID輸出加上一個權(quán)重a。鏟運機的位置隨著其行駛實時變化,也就是說鏟運機的橫向位置偏差和航向角偏差一直變化。如果設(shè)置一個不變化的權(quán)重,其無法適應(yīng)變化的環(huán)境。于是設(shè)計了一種基于模糊控制規(guī)則的權(quán)重輸出器調(diào)節(jié)權(quán)重。原理如式(2),結(jié)構(gòu)如圖3。
權(quán)重輸出器的設(shè)計原理類似于人工對車輛進行駕駛。人在駕駛時,正常情況一般考慮的是車偏離跑道中央的距離和車偏離正常行駛方向的角度,這就類似鏟運機的橫向位置偏差和航向角偏差。權(quán)重輸出器的模糊規(guī)則就是建立一個類似人工駕駛經(jīng)驗規(guī)則。當駕駛時,車偏離跑道中央很大距離時,這時首先考慮的是距離偏差對車安全的影響,當車偏離跑道距離不大,而偏離正常行駛角度很大時,這時候就應(yīng)該首先考慮角度對車安全的影響。而鏟運機的權(quán)重輸出器的原理基本如此,是基于經(jīng)驗的一種規(guī)則。輸出的權(quán)重是用來調(diào)節(jié)航向角偏差模糊控制器的輸出和橫向位置偏差模糊控制器輸出間的大小關(guān)系,類似于駕車先考慮距離還是角度因素對車的安全影響最大。
圖3 改進模糊PID控制結(jié)構(gòu)圖Fig.3 The structure of improved fuzzy-PID control
權(quán)重輸出器的輸入為橫向偏差和航向角偏差,輸出為權(quán)重a,其基本原理是一個兩輸入、單輸出的模糊控制器。
設(shè)定輸入航向角偏差β量化到[-1.5,1.5],對應(yīng)的模糊子集為{負大,負中,負小,零,正小,正中,正大},記為{NB,NM,NS,Z,PS,PM,PB};輸入變量橫向偏差δ量化到[-0.8,0.8],對應(yīng)的模糊子集也為{負大,負中,負小,零,正小,正中,正大},記為{NB,NM,NS,Z,PS,PM,PB};輸出變量a量化到[0,0.8],對應(yīng)的模糊子集均為{零,小,中,大},都記為{Z,S,M,B}[8-10]。
輸入變量β和δ以及輸出量a的隸屬度函數(shù),其中β和δ頭尾采用梯形函數(shù),其余模糊量均采用三角形函數(shù)表示,將輸入變量航向角偏差語言值進行了不規(guī)則劃分。模糊控制器采用Mamdani法,解模糊采用重心法,模糊規(guī)則如表1。
表1 權(quán)重輸出器模糊規(guī)則表Table 1 Fuzzy rules table of weight coefficient
仿真模型在MATLAB/SIMULINK圖形仿真環(huán)境下建立,考慮到自主導(dǎo)航行駛過程中,鏟運機行駛速度變化很平穩(wěn),可視為行駛速度恒定,設(shè)鏟運機以10km/h的速度行駛,即2.8m/s,只通過控制鏟運機的轉(zhuǎn)向角度來實現(xiàn)對運動軌跡的精確控制,鏟運機前后橋至中央鉸接處的距離皆為1.27m。在MATLAB/SIMULINK中建立多變量PID控制器、模糊PID控制器以及加入了權(quán)重輸出器改進模糊PID控制器的鏟運機控制模型。圖4是改進模糊PID控制器SIMULINK模型,其中子系統(tǒng)是鏟運機的運動模型,其建立基于文獻[11]的運動學(xué)分析,圖5是子系統(tǒng)的SIMULINK模型。
4.1 階躍輸入響應(yīng)比較
分別對多變量PID、模糊PID和改進模糊PID控制算法進行階躍輸入響應(yīng)比較,車速為常數(shù)v=2.8m/s。
1)橫向位置偏差初始值為0.8m,航向角偏差初始值為57.2°時的跟蹤曲線見圖6。上圖是航向角跟蹤曲線,下圖是橫向位置跟蹤曲線。
圖4 改進模糊PID控制器SIMULINK模型Fig.4 The SIMULINK model of improved fuzzy-PID algorithm
圖5 改進模糊PID控制器SIMULINK子系統(tǒng)Fig.5 The subsystem of improved fuzzy-PID algorithm
圖6 階躍輸入響應(yīng)比較圖Fig.6 The step input response comparison
2)橫向位置偏差初始值為0.8m,航向角偏差初始值為-57.2°時的跟蹤曲線見圖7。上圖是航向角跟蹤曲線,下圖是橫向位置跟蹤曲線。
圖7 階躍輸入響應(yīng)比較圖Fig.7 The step input response comparison
4.2 圓軌跡跟蹤比較
分別對多變量PID、模糊PID和改進模糊PID控制算法進行圓軌跡跟蹤比較,設(shè)車速為定值2.8m/s。
1)橫向位置偏差初始值為0m,航向角偏差初始值為68.75°時的軌跡跟蹤曲線見圖8。
圖8 圓軌跡跟蹤曲線Fig.8 The curve of circular trajectory tracking
2)橫向位置偏差初始值為0.5m,航向角偏差初始值為45.84°時的軌跡跟蹤曲線見圖9。
圖9 圓軌跡跟蹤曲線Fig.9 The curve of circular trajectory tracking
1)從仿真結(jié)果看,三種控制器中,改進模糊PID控制器無論在航向角跟蹤還是在橫向位移跟蹤中都有最優(yōu)效果。改進模糊PID控制器在大多數(shù)工況下,響應(yīng)更快,超調(diào)量更小,并且理論上穩(wěn)態(tài)誤差較小,但是所占用的計算時間稍長。
2)改進模糊PID控制器的穩(wěn)定性好于模糊PID控制器和PID多偏差導(dǎo)航控制器,對于在偏差范圍內(nèi)的任何大小的偏差下的導(dǎo)航控制都適用,且效果更好。但是該控制器存在一定的穩(wěn)態(tài)跟蹤誤差,誤差在5cm以下。
[1]楊超,陳樹新,劉立,等 .反應(yīng)式導(dǎo)航在地下自主行駛鏟運機中的應(yīng)用[J].煤炭學(xué)報,2011,36(11):1943-1948.
[2]石峰,戰(zhàn)凱,顧洪樞,等 .地下鏟運機跟蹤軌跡推算模型研究[J].有色金屬(礦山部分),2010,62(6):66-69.
[3]郭鑫,戰(zhàn)凱,顧洪樞,等 .無人操縱鏟運機井下導(dǎo)航研究[J].有色金屬,2009,61(4):143-147.
[4]郭鑫,戰(zhàn)凱,遲洪鵬,等 .無人操縱鏟運機轉(zhuǎn)向控制方法的研究[J].礦冶,2009,18(2):71-75.
[5]石辛民,郝整清.模糊控制及其MATLAB仿真[M].北京:清華大學(xué)出版社,2008.
[6]肖靈芝,王家恩.基于模糊自適應(yīng)PID的智能車輛路徑跟蹤控制[J].專用汽車,2011(2):68-71.
[7]任慧榮 .類車移動機器人軌跡跟蹤控制方法研究[D].天津:天津大學(xué),2008.
[8]曾光奇,胡均安,王 東,等 .模糊控制理論與工程運用[M].武漢:華中科技大學(xué)出版社,2006.
[9]楊益興,崔大連,周愛軍.模糊自適應(yīng)PID控制器及SIMULINK仿真實現(xiàn)[J].艦船電子工程,2010,30(4):127-130.
[10]張德豐.MATLAB控制系統(tǒng)設(shè)計與仿真[M].北京:電子工業(yè)出版社,2009.
[11]楊超.地下自主行駛鏟運機運動軌跡控制研究[D].北京:北京科技大學(xué),2011.
The control method based on improved fuzzy-PID algorithm for the autonomous driving of intelligent LHD
LONG Zhizhuo,ZHAN Kai,GU Hongshu,SHI Feng,GUO Xin,F(xiàn)ENG Xiaohua
(Beijing General Research Institute of Mining &Metallurgy,Beijing 100160,China)
Aiming at the autonomous driving problem of intelligent Load-Haul-Dump(LHD)in the underground environment,an improved fuzzy-PID algorithm is proposed based on the algorithm of multi-variable PID and fuzzy-PID.This algorithm introduces a weight coefficient to coordinate the effects on steering angle that comes from the outcome of path angle and lateral deviation.This paper builds a SIMULINK model of autonomous driving that depends on the mathematical model of LHD.The results of simulation prove that the improved fuzzy-PID algorithm has the advantages of fast response,small overshoot and steady-state error compared with the traditional multivariable PID and fuzzy-PID algorithm.
intelligent LHD;autonomous driving;improved fuzzy-PID algorithm
TD422.4
A
1671-4172(2015)05-0076-05
國家高技術(shù)研究發(fā)展規(guī)劃(863計劃)項目(2011AA060403)
龍智卓(1989-),男,助理工程師,機械設(shè)計及理論專業(yè),主要研究方向為礦山機械、脫水設(shè)備及工程車輛。
10.3969/j.issn.1671-4172.2015.05.015