基于权重贡献率网络神经算法的AGV协同作业系统及方法与流程

本发明属于自动搬运车领域，尤其涉及基于权重贡献率网络神经算法的agv协同作业系统及方法。

背景技术：

1、目前，在物料搬运作业中，某一货物在同一时间只能被一台agv(automatedguided vehicle，指装备有电磁或光学等自动导航装置，能够沿规定的导航路径行驶，具有安全保护以及各种移载功能的运输车)处理，agv的承载能力限制了其所能搬运的最大货物重量。因此，客户不得不根据最大货物重量来采购对应承载能力的agv，这会造成agv在搬运其他轻载货物时的资源浪费；或者，客户需要购买多辆不同承载能力的agv，以适配不同重量的货物，这会造成车辆零部件的不统一，给维护带来困难。

2、自1972年ndc公司为瑞典沃尔沃公司创建了全球第一家使用agv的汽车生产厂以来,agv技术已经历了几十年的发展。agv是一种涉及了多门学科技术的智能轮式移动机器人，随着计算机及相关工业技术的发展，很多低成本、高可靠性的技术不断应用于agv，比如单片机控制、图像识别、磁条引导、激光雷达等，使得agv在柔性制造业、物流业和仓储物流领域具备了广泛的应用前景和价值。

3、应用于众多领域,agv的行驶路径更加多样化，运行工况也更加复杂,传统的单一固定路径行驶已经无法满足要求。因此，需要一种基于权重贡献率网络神经算法的agv协同作业系统及方法。

技术实现思路

1、本发明所要解决的技术问题是针对背景技术的不足提供一种基于权重贡献率网络神经算法的agv协同作业系统及方法，基于图像识别的多传感器融合实现agv的位置和姿态估算出发,提出agv在各种行驶路径下的轨迹跟踪及控制技术,能对agv在各种行驶轨迹中实时进行位置和姿态误差控制,根据对agv在实际项目现场运行数据的分析,该技术能较好地适用于常规仓库路面上agv的运行。

2、本发明为解决上述技术问题采用以下技术方案：

3、一种基于权重贡献率网络神经算法的agv协同作业系统，包含控制终端以及与其通过tcp/udp通信连接的多个agv控制终端；所述agv控制终端包含核心控制器、图像识别模块、伺服电机模块、io控制模块、电源管理模块，mems陀螺仪、激光雷达，所述图像识别模块、伺服电机模块、io控制模块、电源管理模块，mems陀螺仪、激光雷达分别与核心控制器连接；

4、所述伺服电机模块通过can通信与核心控制器连接，用于驱动agv移动机器人运动；

5、所述电源管理模块分别通过can通信与核心控制器连接，用于提供agv协同作业系统所需电能；

6、所述图像识别模块通过sci通信连接核心控制器，用于图像数据采集，同时上传至核心控制器；

7、io控制模块通过gpio通信连接核心控制器，用于控制agv协同作业；

8、mems陀螺仪通过spi通信连接核心控制器，用于采集agv自身的位置和姿态，同时上传至核心控制器；

9、所述激光雷达通过can通信连接核心控制器，用于安全避障及特殊工况的机机协同控制。

10、作为本发明一种基于权重贡献率网络神经算法的agv协同作业系统的进一步优选方案，所述agv控制终端的核心控制器包含芯片u2、电容c3、电容c4、电容c5、晶振x1、开关s1、电阻r1、电阻r2、电阻r3、电阻r4；其中，电容c3的一端分别与晶振x1的一端、芯片u2的引脚19连接，晶振x1的另一端分别与电容c4的一端、芯片u2的引脚18连接，电容c3的另一端接地，电容c4的另一端接地，电阻r5的一端分别与电容c5的一端、开关s1的一端、芯片u2的引脚9连接，电阻r5的另一端接地，电容c5的另一端分别与vcc端、开关s1的另一端连接，电阻r1的一端与芯片u2的引脚39连接，电阻r1的另一端与vcc端连接，电阻r2的一端与芯片u2的引脚38连接，电阻r2的另一端与vcc端连接，电阻r3的一端与芯片u2的引脚37连接，电阻r3的另一端与vcc端连接，电阻r4的一端与芯片u2的引脚36连接，电阻r4的另一端与vcc端连接。

11、作为本发明一种基于权重贡献率网络神经算法的agv协同作业系统的进一步优选方案，所述激光雷达包含红外光电传感器模块包含电阻r5、电阻r6、滑动变阻器rv1、电压比较器q1、红外光电模块u3；其中，电阻r5的一端与红外光电模块u3的引脚1连接，电阻r5的另一端分别与电阻r6的一端、电压比较器q1的正电源端连接，红外光电模块u3的引脚2接地，红外光电模块u3的引脚4接地，红外光电模块u3的引脚5分别与电阻r6的另一端、电压比较器q1的同相输入端连接，电压比较器q1的反相输入端与滑动变阻器rv1的引脚1连接，滑动变阻器rv1的引脚2与vcc端连接，滑动变阻器rv1的引脚3与电压比较器q1的负电源端连接，电压比较器q1的输出端与gd连接。

12、作为本发明一种基于权重贡献率网络神经算法的agv协同作业系统的进一步优选方案，所述伺服电机模块包含直流电机及电机驱动模块，所述直流电机及电机驱动模块包含电机驱动u4、电容c6、电容c7、电容c8、二极管d2、二极管d3、直流电机m1、直流电机m2；其中，电机驱动u4的引脚1、引脚15、引脚8接地，电容c6的一端分别与电机驱动u4的引脚9、引脚4以及vcc端连接，电容c6的另一端接地，直流电机m1的一端分别与电容c8的一端、电机驱动u4的引脚2、二极管d2的正极连接，直流电机m1的另一端分别与电容c8的另一端、电机驱动u4的引脚3连接，电机驱动u4的引脚13分别与二极管d3的正极、电容c7的一端、直流电机m2的一端连接，电机驱动u4的引脚14分别与电容c7的另一端、直流电机m2的另一端连接，二极管d2的负极接地，二极管d3的负极接地。

13、作为本发明一种基于权重贡献率网络神经算法的agv协同作业系统的进一步优选方案，所述图像识别模块包含用cmos图像传感器以及与其连接的放大电路和双运放带通滤波器，所述cmos图像传感器选用omnivision公司ov5640摄像头，其为500万像素级别cmos图像传感器，支持分辨率可达2k级别，能输出多种图像格式数据。

14、作为本发明一种基于权重贡献率网络神经算法的agv协同作业系统的进一步优选方案，所述电源管理模块包含芯片u1、电源b1、电容c1、电容c2、电感l1、稳压二极管d1；其中，芯片u1的引脚1分别与电源b1的正极、电容c1的一端，电源b1的负极接地，电容c1的另一端接地，芯片u1的引脚3接地，芯片u1的引脚5接地，芯片u1的引脚2分别与稳压二极管d1的负极、电感l1的一端，稳压二极管的正极接地，电感l1的另一端分别与电容c2的一端、芯片u1的引脚4以及output输出端连接，电容c2的另一端接地。

15、一种基于权重贡献率网络神经算法的agv协同作业系统的控制方法，具体包含如下步骤；

16、步骤1，通过测得agv驱动轮的速度,求解对应的车辆底盘的运动学状态微分方程组,即可得到agv的位置、角速度及姿态角度估算值；

17、步骤2，利用mems陀螺仪直接测量的agv旋转角速度与编码器估算值几个不同的运行工况加权滤波,得到更加准确可靠的旋转角速度；

18、步骤3，结合agv先验位姿数据对当前地面二维码数据进行识别和判断,并给予对应的权重进行加权平均；

19、步骤4,针对不同的路径采取不同的控制策略进行路径跟踪,以最大限度实现agv的柔性运行

20、本发明采用以上技术方案与现有技术相比，具有以下技术效果：

21、1、本发明一种基于权重贡献率网络神经算法的agv协同作业系统及方法，利用agv上的多种传感器进行数据采集，并融合得到任意区域的实时位置和姿态数据，针对不同的路径采取不同的控制策略进行路径跟踪，以最大限度实现agv的柔性运行；

22、2、本发明多传感器信息融合可以消除噪声干扰，同时对agv自身的位置和姿态进行描述，减少了由于某一个传感器测量数据不稳定给位姿估算带来的影响。通过多传感器的应用，可降低对单个传感器的性能要求，agv的应用成本也大大降低；

23、3、本发明基于图像识别的多传感器融合实现agv的位置和姿态估算出发,提出agv在各种行驶路径下的轨迹跟踪及控制技术，能对agv在各种行驶轨迹中实时进行位置和姿态误差控制，根据对agv在实际项目现场运行数据的分析，该技术能较好地适用于常规仓库路面上agv的运行。