【技术实现步骤摘要】
本专利技术涉及动力控制系统，尤其涉及基于多条件反馈闭环调节的amr动力模糊pid控制方法和系统。
技术介绍
1、amr机器人被设计为自动操作，在复杂的环境中智能导航，而不需要固定的轨道或人工干预。通过自动化运输操作，amr减少了周期时间，最小化了生产延迟，并提高了生产效，同时amr配备了电机系统，用于驱动和控制机器人的运动。这些电机根据接收到的指令产生动力，并使机器人能够在仓库环境中移动和操纵。电机系统通常由多个电机组成，用于控制机器人的不同部件，如轮子或脚趾。其次，amr依赖于高度智能化的软件系统，以实现自主导航和避免碰撞。这些软件系统基于先进的算法和规划技术，通过与传感器数据的融合来生成实时地图，并确定机器人的位置和周围环境的障碍物。基于这些信息，软件能够规划最佳路径和动作，以避免与工人、设备或其他障碍物发生碰撞；
2、而现有的amr机器人在实际使用中主要以2d激光雷达为主要传感器，用于定位导航、避障和设备对接，但随着应用深入其缺陷逐渐暴露，例如，只能采集二维环境特征信息生成稀疏的点云地图，一旦特征改变极易丢失定位；只扫描和检测二维平面内的障碍物，盲区大安全风险高；无法解决托盘和某些特殊场景的高精度对接问题；
3、针对上述的技术缺陷，现提出解决方案。
技术实现思路
1、本专利技术的目的在于：通过pid控制算法不断调整控制器的比例、积分和微分系数，使系统的输出与期望输出尽可能接近，从而实现对系统的控制，其具有简单、稳定等特点，因此在amr动力的应用中，能够
2、为了实现上述目的，本专利技术采用了如下技术方案：基于多条件反馈闭环调节的amr动力模糊pid控制方法和系统，包括以下步骤：
3、步骤一、通过amr上配备的各传感器单元获取条件信息数据，其中条件信息数据包括激光传感器测量的障碍物距离s、振动传感器获取的环境振动数据w、分贝仪获取的环境噪音数据b；
4、步骤二、对条件信息数据进行去误差处理，基于去误差后的条件信息数据建立环境虚拟模型；
5、步骤三、基于环境虚拟模型设计模糊控制器，包括模糊规则库和隶属函数，同时确定系统的数学模型，包括系统的输入、输出、状态变量；
6、步骤四、将pid控制算法的参数进行模糊化处理，得到模糊pid控制算法的参数，将输入变量和输出变量映射到模糊集合上，然后根据模糊规则库进行推理，最后将推理结果转换为pid控制中的比例、积分和微分系数，计算出控制量；
7、步骤五、根据控制量调整系统的输出，控制量输出t时刻后获取条件信息数据，判断评估条件信息数据中的故障因子，将故障因子导入环境虚拟模型，重新计算控制量。
8、进一步的，建立环境虚拟模型的具体方法如下：
9、s1、以amr的中心位点为坐标原点，将amr的原行驶方向作为x轴，将amr的逆向行驶方向作为y轴，以垂直方向为z轴建立环境坐标系；
10、s2、根据障碍物距离s的数据值，确定障碍物的位点，其中s为障碍物上突出点至amr之间的最短距离，进一步获取障碍物上其他位点距离障碍物之间的距离sl，得到n个可能碰撞位点；
11、s3、使用声音传播机制，基于位置关系的基于位置关系的遮挡效应计算方法，将环境噪音数据b与空间坐标结合建立遮挡效应下的相关模型；
12、s4、将环境振动数据w进行离散化处理，并结合上述相关模型，构建振动与噪音相互影响的环境虚拟模型。
13、进一步的，设定模糊控制器包括模糊化输入端口、包含障碍判断规则的规则库、模糊推理、解模糊输出接口；其输入变量是实时的条件信息变量与无障碍状态下的差值；输出变量是系统的实时控制修正变量；模糊推理是一种模糊变换，将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。
14、进一步的，基于环境虚拟模型设计模糊控制器的具体方法如下：
15、sa、确定模糊控制器的输入输出条件变量，包括控制量值以及隶属度函数；
16、sb、设计模糊控制器的控制规则；
17、sc、确立模糊化和解模糊化的方法。
18、进一步的，判断评估条件信息数据中的故障因子的具体方法如下：
19、sⅰ、获取t时刻的障碍物距离st、环境振动数据wt和环境噪音数据bt，依次对条件信息数据进行去误差处理，得到精确化的障碍物距离环境振动数据和环境噪音数据
20、sⅱ、计算条件信息数据的综合影响系数其中e1为障碍物距离的影响系数、e2为环境振动数据的影响系数和e3为环境噪音数据的影响系数的影响系数；
21、sⅲ、若λ＞λ0，表明条件信息数据的综合影响系数处于可影响状态，此时表示条件信息数据中存在故障因子；
22、若λ0＞λ＞λmax，表明条件信息数据的综合影响系数处于未影响状态，此时表示条件信息数据不存在故障因子。
23、本专利技术还提供基于多条件反馈闭环调节的amr动力模糊pid控制系统，包括条件获取单元、反馈分析单元、动力模型建立单元、控制量输出单元和参数反馈单元；其中：
24、条件获取单元通过amr上配备的各传感器单元获取条件信息数据，并将条件信息数据发生至反馈分析单元并保存，其中条件信息数据包括激光传感器测量的障碍物距离、振动传感器获取的环境振动数据、分贝仪获取的环境噪音数据；
25、反馈分析单元获取条件信息数据后进行去误差处理，基于去误差后的条件信息数据建立环境虚拟模型；
26、动力模型建立单元基于环境虚拟模型设计模糊控制器，包括模糊规则库和隶属函数，同时确定系统的数学模型，包括系统的输入、输出、状态变量；
27、控制量输出单元将pid控制算法的参数进行模糊化处理，得到模糊pid控制算法的参数，将输入变量和输出变量映射到模糊集合上，然后根据模糊规则库进行推理，最后将推理结果转换为pid控制中的比例、积分和微分系数，计算出控制量；
28、参数反馈单元根据控制量调整系统的输出，控制量输出t时刻后获取条件信息数据，判断评估条件信息数据中的故障因子，将故障因子导入环境虚拟模型，重新计算控制量。
29、综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
30、该基于多条件反馈闭环调节的amr动力模糊pid控制方法和系统，通过amr上配备的各传感器单元获取条件信息数据，基于去误差后的条件信息数据建立环境虚拟模型，将pid控制算法的参数进行模糊化处理，得到模糊pid控制算法的参数，计算出控制量，根据控制量调整系统的输出，控制量输出t时刻后获取条件信息数据，判断评估条件信息数据中的故障因子，将故障因子导入环境虚拟模型，重新计算控制量；通过pid控制算法不断调整控制器的比例、积分和微分系数，使系统的输出与期望输出尽可能接近，从而实现对系统的控制，其具有简单、稳定等特点，因此在amr动力的应用中，能够更好地适应非线性和不确定本文档来自技高网...
【技术保护点】
1.基于多条件反馈闭环调节的AMR动力模糊PID控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多条件反馈闭环调节的AMR动力模糊PID控制方法和系统，其特征在于，建立环境虚拟模型的具体方法如下：
3.根据权利要求1所述的基于多条件反馈闭环调节的AMR动力模糊PID控制方法和系统，其特征在于，设定模糊控制器包括模糊化输入端口、包含障碍判断规则的规则库、模糊推理、解模糊输出接口；其输入变量是实时的条件信息变量与无障碍状态下的差值；输出变量是系统的实时控制修正变量；模糊推理是一种模糊变换，将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。
4.根据权利要求1所述的基于多条件反馈闭环调节的AMR动力模糊PID控制方法和系统，其特征在于，基于环境虚拟模型设计模糊控制器的具体方法如下：
5.根据权利要求1所述的基于多条件反馈闭环调节的AMR动力模糊PID控制方法和系统，其特征在于，判断评估条件信息数据中的故障因子的具体方法如下：
6.基于多条件反馈闭环调节的AMR动力模糊PID控制系统，其特征在于，包括条件
...【技术特征摘要】
1.基于多条件反馈闭环调节的amr动力模糊pid控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多条件反馈闭环调节的amr动力模糊pid控制方法和系统，其特征在于，建立环境虚拟模型的具体方法如下：
3.根据权利要求1所述的基于多条件反馈闭环调节的amr动力模糊pid控制方法和系统，其特征在于，设定模糊控制器包括模糊化输入端口、包含障碍判断规则的规则库、模糊推理、解模糊输出接口；其输入变量是实时的条件信息变量与无障碍状态下的差值；输出变量是系统的实时控制修正变量；模糊推理是一种模糊变换，将输...
【专利技术属性】
技术研发人员：李蜜，
申请(专利权)人：江苏亿控智能装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。