基于模型预测的ＡＶＧ路径跟踪与控制研究＊莫耀华（广州大学计算机科学与网络工程学院，广东广州５１０００６）摘要：讨论了激光导引ＡＧＶ的实时定位和绘图、轨迹规划和避障问题．对于ＡＧＶ全局路径规划的设计问题，通过设计一个量化环境和优化方法，在基于传统Ａ＊算法中，将蒙特卡洛粒子滤波定位和扩展卡尔曼过滤器的融合结合起来，并消除冗余点，从而优化了算法的计算时间和路径长度．对于用传统的Ａ＊算法进行ＡＧＶ路线规划的一般问题，开发了一种优化方法来平均量化的重叠点，以便优化计算时间和路线长度．最后，提出了人工势场法的改进方案，以提高复杂环境下的控制器性能．关键词：自动导引运输车；模型预测；路径规划；避障控制中图分类号：ＴＰ２９文献标识码：Ａ文章编号：１６７３－２１０３（２０２３）０２－００３１－１００引言随着现代生产自动化和智能物流的不断发展，以人工或半自动运输为主的传统方法已不能满足现代生产加工的要求．自动化生产控制方法已成为现代生产和加工的主要方法，越来越多的行业正在使用ＡＧＶ．ＡＧＶ也被称为移动机器人，是配备了自动定位和导航装置的车辆，如电磁和红外光导装置，使其能够按照给定的轨迹行驶［１］．与其他设备相比，使用先进物流系统进行高速运输的ＡＧＶ不需要在实际运输区域预先安装轨道，也不需要安装反射器等附加设备，可以在实际工作过程中使用全自动化技术，确保高效、安全和灵活的智能运输．ＡＧＶ的广泛运用，提高了生产自动化的效率，加快了物流运作［２］．移动机器人技术包括同步定位和制图（ＳＬＡＭ）、运动控制、导航和任务规划，其中ＳＬＡＭ是核心技术［４－５］．ＳＬＡＭ可以从机器人的传感器图像和位置数据中生成地图，利用现有的地图和传感器数据改进全局位置信息，密切监视环境，用现有的位置数据丰富环境信息．当机器人处在一个陌生的环境中，并试图从一个起点到达目的地时，它经常需要使用激光和望远镜等传感器来获取地图上关于其当前位置和周围环境的信息；另外，ＡＧＶ也经常配备有里程和惯性传感器、全球定位信标和ＧＰＳ．本研究重点分析了基于激光ＳＬＡＭ的定位方法，开发了蒙特卡洛粒子滤波定位方法和扩展的卡尔曼融合滤波定位方法，以解决单一传感器测量误差大的问题．针对ＡＧＶ总轨迹规划问题，提出了一种基于传统Ａ＊算法的优化方法，该方法对环境进行了量化，并删除了冗余点，在仿真中与传统Ｄｉｊｋｓｔｒａ算法进行了比较．１激光ＳＬＡＭ...
