Path planning-oriented data fusion method for AGV differential steering visual neuron PID control

doi:10.1007/s40430-026-06361-2

Path planning-oriented data fusion method for AGV differential steering visual neuron PID control

2026-05-16

0

PRE

AI

DOI：10.1007/s40430-026-06361-2

原文链接

原文求助

摘要

En 中文

为解决由复杂障碍布局和动态环境变化引起的自动化导引车（AGV）导航精度降低和转向稳定性不足的挑战，本文提出了一种面向路径规划的数据融合差速转向视觉神经元PID控制方法。通过构建集成视觉、接近传感器和陀螺仪的多传感器系统，收集AGV的全面环境与状态数据，为后续控制提供多源信息基础。采用视觉神经元动态模型融合并转换多源数据，生成有界平滑融合信号以提升状态感知的准确性和鲁棒性。建立以最小化路径长度和最大化平滑度为目标的全球路径规划模型，并利用粒子群优化算法求解，确保生成路径满足运动约束同时平衡效率与稳定性。最终，基于视觉神经元输出和路径规划结果的PID控制器生成差速转向控制变量，实现实时精确的AGV转向控制。实验结果表明，所提方法可有效实现AGV全局路径规划，并将轨迹偏差控制在±15 mm内。平均控制成功率高达96.35%，平均响应时间为0.68 s，显著提升了复杂场景下的导航性能和控制可靠性，展现出良好的实际应用效果。

Keyword:

Path planning orientation

Data fusion

AGV

Differential steering

Visual neuron

PID control

Path planning-oriented data fusion method for AGV differential steering visual neuron PID control

摘要

期刊

机构

引用论文