[发明专利]六履带准确转向控制系统及控制方法

权利要求书

1.六履带准确转向控制系统的控制方法，其六履带准确转向控制系统包括GPS传感器(1)、光电编码器组(2)、信息处理装置(3)、变频器组(4)、驱动电机组(5)和电源(6)；

GPS传感器(1)安装在六履带行走装置的形心处且与信息处理装置(3)的cRIO下位机(31)有线连接；

光电编码器组(2)包括第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器，第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器分别安装在六履带行走装置的六条履带驱动轮轴心处且与信息处理装置(3)的cRIO下位机(31)有线连接；

信息处理装置(3)包括cRIO下位机(31)、9234板卡(32)、9264板卡(33)和车载电脑(34)，9234板卡(32)和9264板卡(33)设置在cRIO下位机(31)上，车载电脑(34)与cRIO下位机(31)有线连接，cRIO下位机(31)包括信号处理模块和模糊神经网络控制模块；

变频器组(4)包括第一变频器、第二变频器、第三变频器、第四变频器、第五变频器和第六变频器，第一变频器、第二变频器、第三变频器、第四变频器、第五变频器和第六变频器分别设置在驱动电机组(5)的第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机上，第一驱动电机、第二驱动电机、第三驱动电机、第四驱动电机、第五驱动电机和第六驱动电机设置在六履带行走装置上；电源(6)与车载电脑(34)和cRIO下位机(31)有线连接；

其特征在于：该方法包括以下步骤：

步骤1：

采集数据：在车载电脑(34)中输入各已知参数，cRIO下位机(31)通过9234板卡(32)分别采集GPS传感器(1)、第一光电编码器、第二光电编码器、第三光电编码器、第四光电编码器、第五光电编码器和第六光电编码器的数据信息，将数据记录并显示在车载电脑(34)内；

步骤2：

数据整合：使用LabView在cRIO下位机(31)中编写信号处理模块，将已知参数、GPS传感器(1)的数据和光电编码器组(2)的数据进行整合计算，得出实际转向中心与理论转向中心的距离d和角度偏差θ，同时得出各履带驱动轮的理论转速与实际转速的偏差e_i；

步骤2.1：

计算实际转向中心与理论转向中心的距离偏差d和角度偏差θ由以下方法实现：

圆弧ABC为GPS传感器(1)测得六履带行走装置形心行驶过的轨迹，根据圆弧上任意三点的坐标来确定六履带行走装置的转向半径，其中A、B、C分别为GPS传感器(1)三个时刻测得的形心坐标点位置，D点和E点分别为直线AB和直线BC的中点，根据中点坐标公式可以得到D和E的坐标，直线DO_S及直线EO_S分别垂直于直线AB和直线BC，两直线交点即为实际转向中心点O_S，O_L为理论转向中心；直线O_SO_L即为距离偏差d，直线BO_S和直线BO_L之间的夹角即为角度偏差θ；

步骤2.2：

计算各履带驱动轮的理论转速与实际转速的偏差e_i由以下方法实现：

步骤2.21：

建立六履带行走装置简化模型，其中：

O_S为实际转向中心；

O_L为理论转向中心；

O为六履带行走装置的形心；

O₁、O₂、O₃分别为三组履带的形心；

L为控制转向的两对履带形心O₂ O₃之间距离，其值已知；D为O₁到O₂ O₃之间的距离，其值已知；

B为每组履带内两条履带中心的距离，其值已知；

α为六履带装置的转向角，其值已知；

v₀为六履带装置的整体行驶线速度，其值已知；

ω为六履带装置的整体绕转向中心行驶的角速度；

r₀为六履带装置的整体绕理论转向中心转动的转向半径；r_o1、r_o2、r_o3分别为三组履带的理论转向半径；

r₁、r₂、r₃、r₄、r₅、r₆分别为六条履带的理论转向半径；v_o1、v_o2、v_o3分别为三组履带的行驶线速度；

v₁、v₂、v₃、v₄、v₅、v₆分别为六条履带的行驶线速度；

步骤2.22：

计算各条履带驱动轮理论转速：

步骤2.221：

根据几何关系，有如下等式：

步骤2.222：

六履带装置的整体绕转向中心行驶的角速度可由下式得出：

ω＝v_o/r_o＝v_o/(L/2tanα+D/3)

步骤2.223：

各条履带驱动轮理论转速可由下式得出：

其中：ω_qi分别为各条履带驱动轮的理论转速、r_q为各条履带驱动轮的半径，其值已知；

步骤2.3：

得出各履带驱动轮实际转速：

各条履带驱动轮的实际转速ω_Sqi可由光电编码器组(2)测得；

步骤2.4：

转速偏差的计算：

e_i＝ω_Sqi-ω_qi

其中e_i为第i条履带的转速偏差；

步骤3：

将实际转向中心与理论转向中心的距离偏差d、角度偏差θ和各履带驱动轮理论转速与实际转速的偏差e_i传输到模糊神经网络控制模块内，模糊神经网络控制模块输出各履带转速变化yi；

依据样本进行自学习修正，构建基于自学习自适应的模糊神经网络控制模块，将训练好的模糊神经网络控制模块应用于实际转向控制过程中，完成准确转向控制系统；

所述的模糊神经网络控制模块包括确定性输入层I、模糊化运算层II、模糊规则推理层III、清晰化运算层IV和确定性输出层V；

确定性输入层I：8个确定值节点，分别代表距离偏差d、角度偏差θ和各履带驱动轮的理论转速与实际转速的偏差e_i；

模糊化运算层II：实现输入变量的模糊化，20个节点代表20个隶属度函数，完成隶属度函数的求取，其中，距离偏差d和角度偏差θ分别采用4个模糊集合描述，六条履带驱动轮转速偏差e_i分别采用2个模糊集合描述，各模糊集合隶属度函数均采用高斯函数；

模糊规则推理层III：该层有4096个节点，代表4096条模糊规则；

清晰化运算层IV：节点数为36个，六条履带驱动轮转速变化分别模糊度划分为6个，该层与第三层的连接为全互连，连接权值为W_kj，其中，k＝1，2，…，6；j＝1，2，…，4096；

确定性输出层V：6个确定性节点，该层与第四层为全互连，将第四层各个节点的输出，转换为输出变量的精确值；

通过GPS传感器(1)得到的距离偏差d、角度偏差θ和光电编码器组(2)得出的偏差e_i，为所述的模糊神经网络控制模块提供了训练样本数据，对各输入变量模糊集合的高斯型隶属度函数的均值和标准差、清晰化运算层的连接权值W_kj进行训练调整；

步骤4：

将模糊神经网络控制模块的输出转换为变频器组(4)的控制信号输入到变频器组(4)内，变频器组(4)对驱动电机组(5)进行调速控制；

步骤5：

实时读取各条履带行驶速度信息，对履带转向中心实时校准。