其中，e1是误差，e2是微分误差，b0为可调参数，u0为系统的控制律．

1.2.2 AGV轨迹跟踪控制器设计AGV轨迹

跟踪控制器结构如图5所示，AGV轨迹姿态误差值［xe，ye，αe］T 是ADRC输入，ADRC输出是［xe，ye，αe］T，系统输出是AGV实际运行姿态［x0，y0，α0］T，此时系统是三输入三输出，因此需要3个独立ADRC控制器，将轨迹姿态误差看成3个单输入单输出系统．

图 5 AGV 轨迹跟踪控制器结构

3个独立 ADRC 的控制律 u0x，u0y，u0α为

其中，k1和k2分别是比例和微分控制增益; e1x，e1y，e1α是3个独立ADRC的姿态误差; e2x，e2y，e2α是3个独立ADRC的微分姿态误差．

2 仿真结果与分析

为了验证本文设计的基于ADRC的3C视觉导航重载AGV系统的性能，以Matlab为平台进行仿真． 设定AGV速度为1m/s，ADRC控制参数r0= 10，b0 = 1，w = 10，β01 = 30，β02 = 300，β03 = 1000，k1= 5，k2 = 3． 圆形轨迹和直线轨迹跟踪曲线与位姿误差曲线分别如图6和图7所示，图中轨迹跟踪曲线横、纵坐标表示AGV在全局坐标下的轨迹位置;位姿误差曲线横坐标表示AGV运行时间，纵坐标表示AGV在全局坐标下的位姿误差．

图 6 圆形轨迹跟踪与位姿误差曲线

图 7 直线轨迹跟踪与位姿误差曲线

由图6和图7可知，设置AGV起始位置在轨迹外，从初始时刻开始，圆形轨迹中AGV能在1.9S时成功跟踪到给定的参考轨迹时成功跟踪到给定的参考轨迹;直线轨迹中 AGV能在3.9s时成功跟踪到给定的参考轨迹，说明基于ADRC的3C视觉导航重载AGV系统响应速度较快．运行稳定后，圆形轨迹中理想跟踪位置误差小于1mm，理想偏移角误差趋近于0;直线轨迹中AGV理想跟踪位置误差和理想偏移角误差趋近于0．因此，基于ADRC的3C视觉导航重载AGV系统能有效实现轨迹的实时跟踪且导航精度较高．

3 实际应用结果与分析

为了验证本文基于ADRC的3C视觉导航重载AGV系统在实际应用中的运行情况，在现场进行了实际运行测试．供测试用的AGV的长度为1.8m，车上安装的两个相邻相机之间中心位置距离为0.75m，因此铺设在地面上的相邻两个数据矩阵码之间的中心距离也为0.75m．设置的直线路径中，路径长15m，共铺设22个数据矩阵码，为进一步测试其转弯性能，在路径中的起始位置进行原地零半径转弯．在0.5m/s，1.0m/s，1.5m/s，2.0m/s，2.5m/s和 3.0m/s速度下，分别记录AGV前进( 后退)、原地左转(右转) 时的最大导航误差和最大偏差角，重复进行50次，然后取平均值，结果见表 1 和表 2．

表 1 AGV 前进( 后退) 运行误差

表 2 AGV 原地左( 右) 转弯误差

由表1和表2可知，在实际运行中，直行时最大导航误差为7.44mm，最大偏移角为0.89°;原地90°转弯时，最大导航误差为7.21mm，最大偏移角为0.92°．该结果与仿真结果中的理想精度有一定差距，这与实际的地面平整度、光滑度、AGV车体的制造工艺等因素有关．由此可知，基于ADRC的3C视觉导航重载AGV系统最大导航误差绝对值小于8mm，最大偏移角绝对值小于1°．此系统导航方式简单，数据矩阵码铺设便利，导航精度高，AGV 运行稳定且灵活．

4 结语

本文对基于色带引导和扫码定位的传统视觉导航方式重载AGV结构进行了改进，设计了基于ADRC的3C视觉导航重载AGV系统．该设计采用3个独立单目相机，无需色带引导，只需铺设数据矩阵码即可实现导航，在导航控制算法中采用ADRC以有效消除各种外界干扰．仿真与实际应用结果表明，AGV运行稳定、灵活，响应速度快，最大导航误差绝对值小于8mm，最大偏移角绝对值小于1°，在复杂车间环境下可实现轨迹的实时跟踪，性能高于同类产品且制造成本低，具有较高的工程实用价值．在该研究成果的基础上，下一步将在ADRC控制中引入人工智能算法，利用智能算法自动调节ADRC中需要设置的常数参数，将其变成动态调整变量，进一步提高ADRC收敛速度，减少所需参数设置，进而提高AGV运行响应速度．

参考文献:

［1］ BACIK J，DUROVSK YF，BIR0S M，et al． Pathfinder-development of automated guided vehicle for hospital logistics ［J］． IEEE Access，2017，5: 26892．
［2］ 过金超，赵海洋，蒋正柯，等． 双向重载智能自主导航车系统设计［J］． 轻工学报，2017，32( 2) : 97．
［3］ 高瑜，过金超，崔光照． 一种改进的多机器人路径规划自适应人工势场法［J］． 郑州轻工业学院学报( 自然科学版) ，2013，28( 6) : 77．
［4］ 肖献强，程亚兵，王家恩． 基于惯性和视觉复合导航的 AGV 研究与设计［J］． 中国机械工程，2019，30( 22) : 1．
［5］ LEE S Y，YANG H W． Navigation of automated guided vehicle suing magnet spot guidance method ［J］． Robotics ＆ Computer Integrated Manufacturing，2012，28( 3) : 425．
［6］ LU S，XU C，ZHONG R Y． A RFID-enabled positioning system automated guided vehicle for smart factories ［J］． Journal of Manufacturing Systems，2017，44: 179．
［7］ JUNG K，KIM J． Intelligent autonomous systems［M］． Berlin Heidelberg: Springer，2013: 807 －816．
［8］ OSMAN K，GHOMMAM J，SAAD M． Vision based lane reference detection and tracking control of an automated guided vehicle ［C］∥IEEE Control Systems Society． 2017 25th Mediterranean Conference on Control and Automation． Piscataway: IEEE，2017: 595．
［9］ XU Z，HUANG S，DING J． A New positioning method for indoor laser navigation on under determined condition ［C］∥IEEE Control Systems Society． 2016 Sixth International Conference on Instrumentation ＆ Measurement，Computer，Communication and Control． Piseatamay: IEEE，2016: 703．