Mecanum轮全向AGV轨迹跟踪级联控制器设计

doi:10.12141/j.issn.1000-565X.240207

华南理工大学学报(自然科学版) ›› 2025, Vol. 53 ›› Issue (1): 49-61.doi: 10.12141/j.issn.1000-565X.240207

• 电子、通信与自动控制 • 上一篇下一篇

Mecanum轮全向AGV轨迹跟踪级联控制器设计

文生平¹, 苏毅龙¹, 瞿弘毅²

^1.华南理工大学广东省高分子先进制造技术及装备重点实验室/聚合物成型加工工程教育部重点实验室，广东广州 510640
^2.广东省科学院智能制造研究所/广东省现代控制技术重点实验室，广东广州 510070

收稿日期:2024-04-28 出版日期:2025-01-25 发布日期:2025-01-02
作者简介:文生平（1966—），男，博士，教授，主要从事智能控制与机器视觉等研究。E-mail： shpwen@scut.edu.cn
基金资助:
国家重点研发计划项目(2019YFC1908201)

Design of a Cascade Controller of Trajectory Tracking for Omnidirectional AGV Driven by Mecanum Wheels

WEN Shengping¹, SU Yilong¹, QU Hongyi²

^1.Guangdong Advanced Polymer Manufacturing Technology and Equipment Key Laboratory/Key Laboratory of Polymer Processing Engineering of the Ministry of Education，South China University of Technology，Guangzhou 510640，Guangdong，China
^2.Guangdong Institute of Intelligent Manufacturing/Guangdong Key Laboratory of Modern Control Technology，Guangdong Academy of Sciences，Guangzhou 510070，Guangdong，China

Received:2024-04-28 Online:2025-01-25 Published:2025-01-02
About author:文生平（1966—），男，博士，教授，主要从事智能控制与机器视觉等研究。E-mail： shpwen@scut.edu.cn
Supported by:
the National Key Research and Development Plan of China(2019YFC1908201)

摘要/Abstract

摘要：

针对四Mecanum轮驱动的自动导引车（AGV）的轨迹跟踪控制问题，设计了一种模型预测控制（MPC）和自适应滑模控制（SMC）级联的控制器，来改善控制精度和稳定性，提高控制过程的层次性、针对性和有效性。在运动学层面，建立了AGV轨迹跟踪误差模型，将其转化为二次规划问题，并加入约束条件，配合模型预测控制的滚动优化来在线求解二次规划的最优解，将AGV位姿误差转化为轮子转速的期望输出；在动力学层面，采用滑模控制得到轮子的输出力矩，实现轮子对期望转速的跟踪，引入具有快速准确逼近能力的极限学习机（ELM）神经网络对模型不确定性和未知干扰进行在线观测，并与滑模控制相结合自适应抵消干扰，进一步提高控制器的鲁棒性。在余弦扰动和脉冲干扰下对控制器进行仿真验证，并将结果与PID控制结果进行对比，发现MPC+SMC级联控制器的跟踪效果具有明显优势；与采用径向基函数（RBF）神经网络观测的级联控制器的对比表明，采用ELM观测器的控制器对干扰的鲁棒性更强，在各转速条件下与干扰曲线的拟合度均超过95%，其跟踪误差在多项指标上相比其他方法小1个数量级，最大位置偏差仅为毫米级。轨迹跟踪样机实验结果验证了该控制器的实用性和可行性。

关键词: Mecanum轮, 轨迹跟踪, 模型预测控制, 滑模控制, 极限学习机

Abstract:

Aiming at the trajectory tracking control problem of four-Mecanum-wheel AGV (Automatic Guided Vehicle), this study designs a controller named MPC+ELM-SMC, which connects model prediction control and adaptive sliding mode control to improve the control accuracy and stability, and to enhance the control process hierarchy, specificity and effectiveness. At the kinematic level, the trajectory tracking error model is established, which is transformed into a quadratic programming problem, and constraints are added to solve the optimal solution of the quadratic programming online with the rolling optimization of the model predictive control, and the AGV pose error is converted into the expected output of the wheel speed. At the dynamic level, sliding mode control is used to obtain the wheel torque output and to realize the wheel’s tracking of the expected speed. The ELM (Extreme Learning Machine) neural network with fast and accurate approximation ability is introduced to carry out online observation of the model uncertainty and unknown interference, and the adaptive interference is offset in combination with sliding mode control to further improve the robustness of the controller. Under the conditions of cosine disturbance and pulse interference, the controller is simulated and verified. Compared with PID control, the MPC+SMC cascade controller has obvious advantages in tracking effect. Moreover, compared with the cascade controller observed by RBF (Radial Basis Function) neural network, the ELM observer is more robust to interference, for instance, the observation effect remains above 95% under various rotational speed conditions, the tracking error of the proposed control method is one order of magnitude smaller than other methods in multiple indicators, with a maximum deviation of only millimeters. Finally, an experimental platform is set up to perform actual trajectory tracking experiment, and the results verify the practicability and feasibility of the proposed controller.

Key words: Mecanum wheel, trajectory tracking, model predictive control, sliding mode control, extreme learning machine

中图分类号:

TP273⁺.3

文生平, 苏毅龙, 瞿弘毅. Mecanum轮全向AGV轨迹跟踪级联控制器设计[J]. 华南理工大学学报(自然科学版), 2025, 53(1): 49-61.

WEN Shengping, SU Yilong, QU Hongyi. Design of a Cascade Controller of Trajectory Tracking for Omnidirectional AGV Driven by Mecanum Wheels[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(1): 49-61.

图/表 17

图1

图2

图3

图4

图5

图6

图7

图8

表1

轨迹跟踪误差的最大值"

跟踪误差	最大值
跟踪误差	PID	MPC+SMC	MPC+RBF-SMC	MPC+ELM-SMC
$e x$ /m	0.101 9	0.016 2	0.017 6	0.003 3
$e y$ /m	0.065 4	0.043 7	0.014 6	0.002 6
$e θ$ /rad	0.000 3	0.002 4	0.000 6	0.000 4

表1

表2

轨迹跟踪误差的标准差"

跟踪误差	标准差
跟踪误差	PID	MPC+SMC	MPC+RBF-SMC	MPC+ELM-SMC
$e x$ /m	0.063 5	0.013 0	0.023 4	0.004 0
$e y$ /m	0.053 1	0.033 2	0.024 7	0.006 9
$e θ$ /rad	0.030 9	0.014 6	0.006 2	0.005 2

表2

图9

图10

图11

图12

图13

图14

表3

实际轨迹跟踪误差指标"

跟踪误差	误差指标
跟踪误差	最大值	平均值	标准差
$e x$ /m	0.020 4	0.000 8	0.013 2
$e y$ /m	0.038 8	-0.000 2	0.028 6
$e θ$ /rad	0.048 0	-0.002 1	0.023 3
$e x 2 + e y 2$ ／m	0.043 2	0.029 4	0.011 2

表3

参考文献 25

1	于赫年．仓储式多AGV动态调度系统研究［D］．北京：哈尔滨工业大学，2019．
2	李彦文．多AGV协同搬运的运动控制技术研究［D］．南京：南京航空航天大学，2023．
3	CAO G， ZHAO X， YE C，et al ．Fuzzy adaptive PID control method for multi-Mecanum-wheeled mobile robot［J］．Journal of Mechanical Science and Technology，2022，36（4）：2019-2029．
4	THAI N H， LY T T K， LONG N T，et al ．Trajectory tracking using linear state feedback controller for a Mecanum wheel omnidirectional［C］∥Advances in Asian Mechanism and Machine Science：Proceedings of IFToMM Asian MMS 2021．Hanoi：Springer，2022：411-421．
5	ISLAM Z U， CHIDDARWAR S S， SAHOO S R ．Design of robust backstepping controller for four-wheeled Mecanum mobile robot［C］∥Machines，Mechanism and Robotics：Proceedings of iNaCoMM 2019．［S.l.］：Springer，2022：1125-1134．
6	王明明，朱莹莹，张磊，等．麦克纳姆轮驱动的移动机器人自适应滑模控制器设计［J］．西北工业大学学报，2018，36（4）：627-635．
	WANG Mingming， ZHU Yingying， ZHANG Lei，et al ．An adaptive robust controller for a mobile robot driven by Mecanum wheels［J］．Journal of Northwestern Polytechnical University，2018，36（4）：627-635．
7	ALAKSHENDRA V， CHIDDARWAR S S ．Adaptive robust control of Mecanum-wheeled mobile robot with uncertainties［J］．Nonlinear Dynamics，2017，87：2147-2169．
8	WOO C， LEE M， YOON T ．Robust trajectory tracking control of a Mecanum wheeled mobile robot using impedance control and integral sliding mode control［J］．The Journal of Korea Robotics Society，2018，13（4）：256-264．
9	GALICKI M， BANASZKIEWICZ M ．Optimal trajectory tracking control of omni-directional mobile robots［C］∥Proceedings of 2019 12th International Workshop on Robot Motion and Control．［S.l.］：IEEE，2019：137-142．
10	SUN Z， HU S， XIE H，et al ．Fuzzy adaptive recursive terminal sliding mode control for an agricultural omnidirectional mobile robot［J］．Computers and Electrical Engineering，2023，105：108529/1-18．
11	WANG D， WEI W， YEBOAH Y，et al ．A robust model predictive control strategy for trajectory tracking of omni-directional mobile robots［J］．Journal of Intelligent & Robotic Systems，2020，98：439-453．
12	LI Y， QIU L， WANG Z，et al ．Adaptive model predictive control for trajectory tracking of Mecanum mobile robots［C］∥Proceedings of 2023 4th International Conference on Computer Engineering and Application．Hangzhou：IEEE，2023：804-808．
13	TANG M， LIN S， LUO Y ．Mecanum wheel AGV trajectory tracking control based on efficient MPC algorithm［J］．IEEE Access，2024，12：13763-13772．
14	黄晓宇．麦克纳姆轮AGV路径规划与轨迹跟踪算法研究［D］．杭州：浙江科技学院，2022．
15	LU X， ZHANG X， ZHANG G，et al ．Neural network adaptive sliding mode control for omnidirectional vehicle with uncertainties［J］．ISA transactions，2019，86：201-214．
16	FAIZ M， SUMANTRI B， DEWANTARA B S B ．Double loop controller of four Mecanum-wheel automated guided vehicle using SMC-PID［C］∥Proceedings of 2023 International Electronics Symposium．［S.l.］：IEEE，2023：305-310．
17	王栋梁．Mecanum轮式移动机器人轨迹跟踪及编队控制研究［D］．广州：华南理工大学，2023．
18	YUAN Z， TIAN Y， YIN Y，et al ．Trajectory tracking control of a four Mecanum wheeled mobile platform：an extended state observer-based sliding mode approach［J］．IET Control Theory & Applications，2020，14（3）：415-426．
19	JIANG M， CHEN L， WANG Y，et al ．Adaptive backstepping control for Mecanum-wheeled omnidirectional vehicle using neural networks［J］．IEEJ Transactions on Electrical and Electronic Engineering，2022，17（3）：378-386．
20	ZHAO T， QIN P， ZHONG Y ．Trajectory tracking control method for omnidirectional mobile robot based on self-organizing fuzzy neural network and preview strategy［J］．Entropy，2023，25（2）：248/1-15．
21	LU X， ZHANG X， ZHANG G，et al ．Design of adaptive sliding mode controller for four-Mecanum wheel mobile robot［C］∥Proceedings of 2018 37th Chinese Control Conference．Wuhan：IEEE，2018：3983-3987．
22	楼航飞．应用于大部件的多AGV协同搬运控制系统的研究与开发［D］．南京：南京航空航天大学，2021．
23	江梦林，赵德权，孙永福，等．麦克纳姆轮移动底盘的自适应滑模控制器设计［J］．制造业自动化，2022，44（1）：164-169．
	JIANG Meng-lin， ZHAO De-quan， SUN Yong-fu，et al ．Adaptive sliding mode controller design for Mecanum-wheeled mobile vehicle［J］．Manufacturing Automation，2022，44（1）：164-169．
24	HUANG G B， CHEN L， SIEW C K ．Universal approximation using incremental constructive feedforward networks with random hidden nodes［J］．IEEE Transactions on Neural Networks，2006，17（4）：879-892．
25	HUANG G B， WANG D H， LAN Y ．Extreme learning machines：a survey［J］．International Journal of Machine Learning and Cybernetics，2011，2：107-122．

[1]	雷宇, 黄亦凡, 罗学东, 等. 基于NMI-FA-DELM模型的土壤热导率预测[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 129-138.
[2]	李新凯, 虎晓诚, 马萍, 等. 基于改进DDPG的无人驾驶避障跟踪控制[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 44-55.
[3]	林永杰, 陈宁, 卢凯. 基于毫米波雷达点云的路口车辆轨迹跟踪方法[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 110-125.
[4]	姚强强, 田颖, 王圣渊, 等. 基于力驱动的智能汽车路径跟踪控制策略[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 33-41,57.
[5]	程文明, 张道裕, 谌庆荣, 等. 欠驱动起重机的神经网络直接鲁棒自适应控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 120-128,144.
[6]	汪成文, 郭新平, 张震阳, 等. 泵阀并联电液位置伺服系统的智能控制方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(3): 25-33.
[7]	徐海祥, 李超逸, 余文曌, 等. 基于扩张状态观测器的智能船舶循迹预测控制[J]. 华南理工大学学报(自然科学版), 2021, 49(12): 143-152.
[8]	罗玉涛郭海文. 线控转向系统的自适应神经网络滑模控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(1): 65-73.
[9]	张家旭, 杨雄, 施正堂, 等. 汽车紧急换道避障的路径规划与跟踪控制[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 86-93,106.
[10]	秦武, 康英姿, 上官文斌, 等. 基于天棚模型和扰动观测器的主动悬架滑模控制研究[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 16-24,33.
[11]	尹华杰郭志宇曾君. 滑模无速度传感器感应电机的简化预测转矩控制 [J]. 华南理工大学学报(自然科学版), 2020, 48(12): 18-26.
[12]	闫嘉, 陈飞越, 易若男, 等. 基于样本分布加权跨域极限学习机的电子鼻漂移补偿 [J]. 华南理工大学学报（自然科学版）, 2020, 48(12): 105-113.
[13]	秦大同秦岭. 基于显式随机模型预测控制的功率分流式混合动力车辆能量管理策略[J]. 华南理工大学学报(自然科学版), 2019, 47(7): 112-120.
[14]	许玉格赖春伶罗飞. 基于不平衡分类的Bagging集成污水处理故障诊断[J]. 华南理工大学学报（自然科学版）, 2018, 46(8): 107-115.
[15]	孙传扬张欣席利贺陈宏伟. 极限工况下自动驾驶车辆转向控制器的设计 [J]. 华南理工大学学报（自然科学版）, 2018, 46(3): 78-85.

Mecanum轮全向AGV轨迹跟踪级联控制器设计

Design of a Cascade Controller of Trajectory Tracking for Omnidirectional AGV Driven by Mecanum Wheels

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 25

相关文章 15

编辑推荐

Metrics

本文评价