摘 要： 本文针对AGV自动导引小车高速过弯运行时稳定性较差，对其进行建立数学模型，采用神经网络补偿控制方法，使用matlab进行仿真，仿真结果表明，基于神经网络补偿控制方法在AGV高速行驶过程中的超调量、调节时间、稳态性能表现较好，具有进一步实际应用研究的意义。
关键词： AGV；神经网络；稳定性；MATLAB
中图分类号： TP29 文献标识码： A 文章编号： 2095-8153（2018）03-0066-04
0 引言
自动导引小车（Automated Guided Vehicle，AGV），是指装备有电磁或光学等自动导引装置，以智能控制器为核心，通常使用蓄电池提供动力，能够沿预先设定的路径行驶，具有安全保护以及各种移载功能的运输车[1-2]。针对汽车零部件生产企业中广泛使用的超低潜伏式AGV在高速过弯运行时的稳定性较差，本文拟对其进行数学建模，采用神经网络补偿算法以提高稳定性，使用MATLAB进行仿真，验证神经网络补偿算法对AGV高速过弯时稳定性的有效性，仿真结果表明将神经网络补偿算法用于控制两轮差速驱动AGV上具有较好的高速过弯稳定性，适合应用于提升汽车零部件生产企业生产效率。
1 超低潜伏式AGV系统结构及运动学分析
本文控制对象为现代物流业以及汽车制造业广泛使用的一种超低潜伏式AGV，牵引能力小于200 KG，采用位于车体中间靠前两轮差速驱动方式驱动，前后轮为从动万向轮。两轮差速驱动AGV运动学结构简图如图1所示。
2 自适应神经网络补偿的PD算法
2.1 问题描述
对于二阶非线性系统
由K的选取，可得t？邛∞时e（t）？邛0， （t）？邛0，即系统的输出y及其导数渐进地收敛于理想输出yd及其导数。若非线性函数非f（x）是已知的，则可以选择控制u来消除其非线性的性质，再根据控制理论设计控制器[4]。但本文研究对象f（x）是未知的，控制式（11）很难实现。故采用神经网络系统代替f（x），实现自适应神经网络补偿。
2.2 自适应神经网络控制器的设计与分析
采用神经网络逼近f，设计基于前馈加补偿的PD控制律，式（11）变为
式中，h（x）为神经网络高斯基函数，神经网络权值 根据自适应律而变化[5-6]。
设计自适应律为：
3 仿真分析
因AGV高速运行中主要动态指标在过弯中选取，需要过弯时有良好的动态性能，取被控对象的动态方程如下：
其中x1为转弯角度，x2为转弯速度，？驻m为AGV重量，仿真中取？驻m=25 KG；a为转弯加速度，仿真中取a=10 m/s2；r为转弯半径，仿真中取r=0.5 m；u为控制输入。
为了使仿真更加贴近AGV实际工作情况，取转弯角度指令为连续三角函数yd=0.1sint；AGV初始状态为[？仔/60，0]。采用基本的RBF结构，其中在RBF结构中取C=-0.2 -0.1 0 0 0.1 0.2-0.2 -0.1
采用控制律（13），自适应律取（15），取Q=500 0 0 500，kd=20
kp=10，自适应参数取？酌=100.Simulink系统仿真图、 f（x）与 （x）的变化、角度和角速度跟踪仿真结果分别如图2、图3、图4所示。
仿真结果表明，在高速过弯运行时具有良好的状态跟踪性能。
4 结束语
神经网络补偿的PD控制在AGV高速運行时的应用较少，本文通过对神经网络补偿算法进行分析，通过matlab仿真验证了神经网络补偿的PD控制可以运用在AGV控制上，尤其是在高速运行下的控制，仿真结果表明其收敛速度较快，几乎无超调量，稳态性能能够满足AGV正常运行。这对后续将神经网络补偿的PD控制算法应用在高速AGV运动控制上有一定的借鉴意义。
[参考文献]
[1]王皖君，张为公.自动导引车导引技术研究现状与发展趋势[J].传感器与微系统，2009，28（12）：5-7+10.
[2]陈顺平，梅德庆，陈子辰.激光导引AGV的自动引导系统设计[J].工程设计学报，2003（05）：279-282.
[3]赵晨宇，陈息坤.差速转向农业专用AGV小车的设计与模糊控制研究[J].农机化研究，2016（11）：123-124.
[4]刘金琨.先进PID控制及其MATLAB仿真[M].北京：电子工业出版社，2004：320-323.
[5]杨 丽，赵 伟，刘建业.基于小波神经网络的陀螺漂移预测研究[J].导航与控制，2010（02）：36-41.
[6]严聪聪，徐凯琳，张建昆，张林军，刘加强，刘 强，李倩囡.基于改进的粒子群算法的活性污泥神经网络控制模型[J].给水排水，2018（01）：130-136.
