Simulación de un Control de Trayectoria para un Vehículo Guiado Autónomamente Tipo Triciclo con Tracción Delantera
Palabras clave:
Generación de trayectorias basada en vectores, Control de trayectorias, Vehículos guiados autónomamente (AGV’s), Control Proporcional-Integral-Derivativo (PID), Sistemas de controlResumen
Se presenta la primera etapa de una nueva metodología
de generación de trayectorias basada en vectores para Vehículos
Guiados Autónomamente (AGV’s). Con el objetivo de minimizar el
uso de diversos sensores y reducir el procesamiento de cómputo
es posible recrear rutas de entornos operativos mediante el
diseño de vectores. Empleando Matlab se crearon trayectorias
con N vectores (de magnitudes y ángulos diversos). Se calculó la
función de transferencia del motor que gobierna la dirección del
AGV y, se implementó un control Proporcional-Integral-Derivativo
(PID) para que el motor ejecutase las trayectorias, cada vector
representa una referencia (setpoint) que el control debe lograr.
Con el control PID, el AGV siguió efectivamente las trayectorias
generadas, dando certeza de que cualquier trayectoria generada
con este método puede ser seguida. El control PID abre las puertas
para implementar algoritmos de control más sofisticados y
evaluar condiciones más complejas.
Descargas
Citas
Ferguson, D., & Stentz, A. (2006). Using interpolation to improve path planning: The Field D* algorithm. Journal of Field Robotics, 79-101.
Fernández, J. M. (2019). Control de servomotores de baja tensión mediante la implementación de control adaptativo. Santiago de Querétaro: CIDESI.
Heinemann, T., Riedel, O., & Lechler, A. (2019). Generating Smooth Trajectories in Local Path Planning for Automated Guided Vehicles in Production. Procedia Manufacturing, 98-105.
Mercy, T., Pipeleers, G., & Parys, R. (2017). Spline-based motion planning for autonomous guided vehicles in a dynamic environment. IEEE Transactions on Control Systems Technology, 2182-2189.
Nise, N. (2020). Control systems engenering. John Wiley & Sons.
Qing, G., Zheng, Z., & Yue, X. (2017). Path-planning of Automated Guided Vehicle based on Improved Dijkstra. 2017 29th Chinese control and decision conference (CCDC), 7138-7143.
Wu, X., Sun, C., Zou, T., Li, L., Wang, L., & Liu, H. (2020). SVM-based image partitioning for vision recognition of AGV guide paths under complex illumination conditions. Robotics and Computer-Integrated Manufacturing, 101856.
Zheng, T., Xu, Y., & Zheng, D. (2019). AGV Path Planning based on Improved A-star. 2019 IEEE 3rd Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), 1534-1538.
