随着近几年物流技术的不断发展和产业链的升级, 机器人技术应用得到进一步的推广。尤其是在我国东南沿海地区曾一度出现过“用工荒”, 不少小型的物流企业没有稳定的员工和技术团队, 特别是春节前后用工难的问题更易引起社会的广泛关注。因此研究小型仓储物流智能机器人显得尤为重要, 一方面可以节约部分人力资源, 另一方面也可以节约公司的人力管理成本。

小型仓储物流智能机器人控制系统是由车体部分、电机驱动部分、机器人地面识别部分、网络通信部分、人机交换部分等组合而成的系统工程。机器人运动控制是研究小型仓储物流智能机器人领域中极为重要的内容之一, 常用PID控制算法设计控制系统, PID控制算法简单、可靠性高和鲁棒性强[1]。由于传统的PID算法要对比例环节、积分环节及微分环节进行不断的修正, 从而获得较理想的控制参数[2], 而修正参数这个环节又是较为繁杂的过程, 针对这个问题设计了一种改进型的PID控制算法, 使得控制系统既保持原来PID控制算法的特性又简化了对参数修正的繁杂过程。

实验的机器人系统主要由以下几部分组成:机械部分、电机驱动控制部分、信号处理部分、人机交换部分、地面视觉识别子系统等[3]。小型仓储物流智能机器人硬件平台实物图如图1所示。该实验平台的上面部分是装载货物机械结构部分, 其功能是装载货物和卸货处理。实验机器人适用于对一些仓储重量轻、体积适中的货物进行搬运。为了节约机器人本身自重引起的能量消耗问题, 机器人的车体全部采用铝合金材料。实验机器人电源系统采用锂充电电池, 锂充电电池具有体积小电量容量大等优点。机器人底部装有地面视觉识别子系统, 机器人最前方的装置主要用来保护机器人车体, 防止发生意外的碰撞。

图1 实验机器人系统硬件平台  下载原图

小型仓储物流智能机器人运动过程中忽略控制阻力、地面摩擦系数等外界因素, 只考虑两个轮子的转速v1和v2。为了方便计算对机器人进行设置坐标分析如图2所示, 那么小型仓储物流智能机器人的运动方向主要受到v1、v2及θ1、θ2等这几个重要因素的影响。令机器人移动位置变化量用△s表示。

图2 小型仓储物流智能机器人运动学模型示意图  下载原图

由于机器人在行走的过程中会导致轮子和轴之间的偏移影响机器人行走路线。图中虚线部分表示轮子的偏移导致可能产生的夹角分别用θ1和θ2表示, 两个轮子之间的距离用D表示, 机器人左右轮将产生轮速差用△v表示, 左轮速度用v1表示, 右轮速度用v2表示, 机器人的速度用V表示。机器人从A地移动到B地时, 机器人的轮子在运行的过程中可能出现角度非常小的左右摆动。轮子的左右摆动会直接导致机器人无法行走出较理想的直线, 因此在安装机器人时要尽量避免轮子有较大幅度的摆动。另外, 车身进行转弯时左右轮子形成一定的速度差, 甚至在有些特殊的情况左右轮子可能会出现一边正转另一边反转以增大△v达到更好的转弯效果。

当左右轮子轮速为线性速度差时, 小型仓储物流智能机器人从A地移动到B地时, 令其用时为△T, 两个轮子之间的距离为D, 所以此时机器人相对位置调整的角速度为ω。

其中当ω的值为大于零时说明此时机器人在执行右转弯动作, 此时左轮的速度大于右轮的速度;当ω的值为小于零时说明此时机器人在执行左转弯动作, 此时右轮的速度大于左轮的速度;当ω的值为零时说明此时机器人在执行前进动作, 此时右轮的速度等于左轮的速度。因此可以根据ω的正负值或零来判断小型仓储物流智能机器人的行走状态。

在经过n个△T时间后到达第n+1个△T时的角度偏差为[4]:

令经过△T时间变化后的机器人动态误差为△e0 (t) , 所以得:

可以通过机器人动态误差为△e0 (t) 变化的情况判断小型仓储物流智能机器人的移动控制稳定性的变化。

传统的PID算法根据信号的反馈来调节直流电机的转速, 其控制过程如图3所示:

图3 PID控制过程  下载原图

图3是通过MATLAB2010b SIMULINK根据PID控制过程进行模拟仿真[5]。其模型表示为:, 式中K、T和τ为一阶响应的特征输入信号。根据控制对象的瞬间响应特性参数K, T和τ来确定PID控制器的参数, 令s为单位阶跃相应曲线, 则可以得到PID控制算法为:

其中, 比例度用表示, 积分时间用Ti表示, 微分时间用Td表示。令则PID控制算法可以表示为:

PID控制算法中kp, ki, kd各校正环节的作用[2]:

kP比例环节:即时成比例地反应控制系统的偏差信号e (t) , 偏差一旦产生控制算法立即产生控制作用以减小偏差。

ki积分环节:主要用于消除静差, 提高系统的无差度。积分作用的强弱取决于积分时间常数的大小, 常数越大积分作用越弱, 常数越小积分作用就越强。

kd微分环节:能反应偏差信号的变化趋势, 在系统中引入这个有效的早期修正参数, 从而加快系统的动作速度以达到减小调节时间。

由于传统的PID控制算法需要不断地对kp, ki, kd进行修正, 因此这样需要花费大量的时间去完成参数的调整, 同时也需要一定的经验方才可以将控制算法调整的更加有效。我们不妨令kp=f1 (x) , ki=f2 (x) , kd=f3 (x) 。

设输入信号的阶跃值为△m, 对应输出信号值用△H表示, 输入信号的最大值和最小值分别用mmax和mmin表示, 输出量的最大值和最小值分别用Hmax和Hmin[2]表示。则

则:, 其中k1, k, k为权值系数, 可以根据实际情况进行选取。

故:改进型的PID控制算法为:

根据计算可以快速得到f1 (x) , f2 (x) , f3 (x) 这三个函数值, 从而简化了对kp, ki, kd参数修正的繁杂过程, 以达到较好的控制效果。

为进一步验证改进型PID控制算法的有效性, 对小型仓储物流智能机器人的直流电机分别做了传统的PID控制算法和改进型PID控制算法。在进行实验时根据实验平台的实际情况分别选取k1K2, K3为权值系数, 为0.852、2.100和0.500。从实验结果可以看到图4中虚线表示传统PID控制算法系统进入稳定状态所需的时间和趋向稳定状态的波动情况。实线表示采用改进型PID控制算法系统进入稳定状态所需的时间和趋向稳定状态的波动情况。从图4中可以得知采用改进型PID控制算法可以更加平稳的过渡到稳定状态, 而且从响应到最后趋向平稳状态的时间基本上一致。

图4 控制算法比较图  下载原图

小型仓储物流智能机器人运动控制系统是机器人准确有效的从事仓储物流作业的重要执行部分, 对其是否有效和可靠的控制将直接影响仓储物流的工作效率, 本文以实验机器人为平台, 分别采用传统的PID控制方法和改进型的PID控制算法对小型仓储物流智能机器人进行控制实验研究。结果表明, 改进型PID控制算法既保持了原来PID控制算法的优点, 同时简化了对其进行繁杂的参数调整过程, 并且可以更加稳定地进行控制。