基于全连接神经网络的车辆短预瞄电磁导引方案
2022年电子技术应用第3期
杨豫龙1，赵 娟1，2，黄 原1
1.中国地质大学(武汉) 自动化学院，湖北 武汉430074； 2.复杂系统先进控制与智能自动化湖北省重点实验室，湖北 武汉430074
摘要：电磁导引是一种车辆自动导引方案，广泛应用于工业、物流等领域。为解决现有电磁导引方案对车辆机械结构要求较高、易受传感器预瞄距离短的限制、难以应用于小型自动导引车辆的问题，提出了一种基于全连接神经网络的导引方案。通过数据分析寻找有限预瞄距离内的最优传感器排布方案，设计和训练全连接神经网络模型，对车身姿态及车后道路的信息进行全面预测，以弥补传感器短预瞄所造成的前向道路探测能力的不足。经模拟和实际测试，该方案能极大改善较小体积车辆的短预瞄电磁导引系统的控制效果，实现车辆的稳定快速运行。
中图分类号：TN609；TP242.6；TP249
文献标识码：A
DOI：10.16157/j.issn.0258-7998.211665
中文引用格式：杨豫龙，赵娟，黄原. 基于全连接神经网络的车辆短预瞄电磁导引方案[J].电子技术应用，2022，48(3)：22-26.
英文引用格式：Yang Yulong，Zhao Juan，Huang Yuan. Electromagnetic guidance scheme for limited-preview vehicles based on fully connected neural network[J]. Application of Electronic Technique，2022，48(3)：22-26.
文献标识码：A
DOI：10.16157/j.issn.0258-7998.211665
中文引用格式：杨豫龙，赵娟，黄原. 基于全连接神经网络的车辆短预瞄电磁导引方案[J].电子技术应用，2022，48(3)：22-26.
英文引用格式：Yang Yulong，Zhao Juan，Huang Yuan. Electromagnetic guidance scheme for limited-preview vehicles based on fully connected neural network[J]. Application of Electronic Technique，2022，48(3)：22-26.
Electromagnetic guidance scheme for limited-preview vehicles based on fully connected neural network
Yang Yulong1，Zhao Juan1，2，Huang Yuan1
1.School of Automation，China University of Geosciences，Wuhan 430074，China； 2.Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems，Wuhan 430074，China
Abstract：As one of the autopilot schemes of automatic guided vehicle(AGV), electromagnetic guidance is widely used in industry, logistics and other fields. Traditional electromagnetic guidance schemes have high requirements on mechanical structure and are easily limited by the small preview range of sensors. Thus, it is difficult to apply them to small AGV. In order to remedy the defect of limited detection ability, which is caused by limited preview, a fully connected neural network model is designed and trained to detect both vehicle′s posture and rear road information. Both simulation and actual tests show that the presented scheme greatly improves the control effect of electromagnetic guidance system with small size and limited-preview sensors. In the whole process, the vehicle runs rapidly and steadily.
Key words :neural network；supervised learning；limited preview；electromagnetic guiding；AGV
0 引言
通有交变电流的导线附近会产生磁场。电磁导引利用这一特性，通过预先铺设在路面的电磁线，实现对车辆的导引[1]。相较于视觉、雷达、卫星定位等引导方式[2]，电磁导引方案对环境的抗干扰能力较强，不易受外界光照、天气等条件的影响[3]，广泛应用于工业、物流等路径相对固定的场景中[4]。
为实现车辆电磁导引，文献[5]通过一行紧密排布的传感器，检测车身相对路面电磁线的位置。文献[6]利用最小二乘法，对当前位置处的电磁感应强度与车身侧向偏移量的函数关系进行曲线拟合，从而确定车身相对路面的位置。文献[7]提出一种“差比和”算法，用两传感器值之差除以两传感器值之和来描述车身的侧向偏移量，然后使用PID控制器实现跟随。
但上述方案仍未解决阻碍电磁导引发展的根本问题，即：电磁传感器的探测距离十分有限，导引速度难以提高，若使用延长杆等机械结构增大电磁传感器探测距离，会导致车辆体积庞大、机械性能变差。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003996。
作者信息：
杨豫龙1，赵 娟1，2，黄 原1
(1.中国地质大学(武汉) 自动化学院，湖北 武汉430074；
2.复杂系统先进控制与智能自动化湖北省重点实验室，湖北 武汉430074)
此内容为AET网站原创，未经授权禁止转载。