[发明专利]基于BP网络的AGV导航行程偏差修正方法

摘要

本发明提供一种基于BP网络的AGV导航行程偏差修正方法，其利用RFID电子标签和磁钉获取AGV惯性导航行驶偏差修正的所需数据，通过训练完成的所述AGV行驶偏差模型直接获得AGV惯性导航行驶过程中的偏差，从而方便控制电机对AGV的行驶进行控制来消除行驶路径偏差，实现了AGV通过车轮上编码器在室内能够高效导航，使惯性导航在成本低廉的情况下也能有优良的导航效果。

主权项

1.基于BP网络的AGV导航行程偏差修正方法，其特征在于：包括AGV行驶偏差修正数据获取过程、AGV行驶偏差模型训练过程及AGV行驶偏差修正过程。AGV行驶偏差修正数据获取过程，包括：准备阶段和获取阶段。AGV行驶偏差修正数据获取过程的准备阶段，包括以下步骤：步骤A，在AGV车身上安装RFID阅读器及磁传感器；步骤B，在AGV的工作区域内，根据具体情况建立直角坐标系，并以该直角坐标系作为AGV导航的全局坐标系；步骤C，在全局坐标系上，规划AGV行驶路径，并将所规划的AGV行驶路径分割为N段可用解析几何表达直线段或曲线段的轨迹线段；步骤D，在AGV的工作区域内，在所规划的AGV行驶路径的N段轨迹直线段或轨迹曲线段上，根据具体情况或随机选取K个点作为AGV行驶定位修正点D1，经人工测量获取D1的坐标为(x0,y0)，在对应定位修正点附近选取Z个磁钉定位点，其中Z≥3，测量这Z个磁钉定位点在全局坐标系上的坐标并安装磁钉，在该修正点D1上安装RFID电子标签，该RFID电子标签内存储Z个磁钉定位点在全局坐标系上的坐标，Z个磁钉定位点的坐标按照与该定位修正点的欧氏距离由近到远的顺序进行存储，其中，这Z个磁钉定位点的坐标分别为A1(x1,y1)，A2(x2,y2)，A3(x3,y3)，……，AZ(xZ,yZ)，距离所述修正点D1的距离分别为d1'、d2'，……，dZ'(其中d1'd3，则行驶偏差修正输入向量为(x1,y1,dZ,x2,y2,d2,……,xZ,yZ,d1)；AGV行驶偏差模型训练过程，包括以下步骤：步骤G，从K个所述AGV行驶行驶偏差修正点中随机或按照某一遍历规则选取其中一个行驶偏差修正点P，在点P附近随机选取一点测量点Q，经人工测量获取测量点Q与附近Z个磁钉A1、A2、……、AZ的距离分别为d1”、d2”,……,dZ”，获得一组未标定AGV行驶偏差模型训练数据(x1,y1,d1”,x2,y2,d2”,……,xZ,yZ,dZ”)，经人工测量获取所述测量点Q与所述行驶偏差修正点P所在轨迹线段的距离d'，用d'作为标定值对训练数据(x1,y1,d1”,x2,y2,d2”,……,xZ,yZ,dZ”)进行标定，从何获取一组已标定AGV行驶偏差模型训练数据；步骤H，重复执行步骤G一共N次，获得N组已标定AGV行驶偏差模型训练数据，从该N组所述已标定AGV行驶偏差模型训练数据中随机选取r组构成训练集R，剩余的N‑r组构成测试集S；步骤I，创建一个U层BP神经网络作为AGV行驶偏差模型，U≥3，找到模型的隐藏层最佳神经元个数，按预设值设定学习率、神经元激活函数、训练最小均方误差目标、训练最小性能梯度及最大训练次数等模型超参数；步骤J，所述AGV行驶偏差模型进行第一次训练：训练出泛化能力满足用户实际需求的AGV行驶偏差模型的所有权值和阈值，若该AGV行驶偏差模型经第一次训练后，泛化能力满足用户实际要求，则该AGV行驶偏差模型训练完成，可直接用于AGV行驶偏差的预测，否则，对该AGV行驶偏差模型进行第二次训练；步骤K，所述AGV行驶偏差模型进行第二次训练：通过微调，增强所述AGV行驶偏差模型经第一次训练后的泛化能力，使该AGV行驶偏差模型泛化能力能够满足用户实际要求，若该AGV行驶偏差模型泛化能力仍未满足用户实际要求，则继续重复执行步骤F，从而增大所述训练集R，并继续执行步骤I及步骤J，直至完成第二次训练的所述AGV行驶偏差模型泛化能力满足用户实际要求，此时所述AGV行驶偏差模型训练完成；步骤L，将步骤F获取的所述行驶偏差修正输入向量，输入至训练完成的所述AGV行驶偏差模型中，模型的输出即为AGV当前所在位置与所规划的AGV行驶路径的偏差，AGV控制器通过该行驶路径的偏差，利用电机速度控制算法对AGV的行驶进行控制，从而消除AGV的行驶路径的偏差。