Autonomisen pyöräkuormaajan keskinivelen kulmanopeuden säätö

Abstract

Pyöräkuormaajia käytetään laajasti teollisuudessa materiaalin siirtoon liittyvissä tehtävissä. Työtä tehdään usein ympäristöissä, joissa tekijät, kuten äärimmäiset lämpötilat, ilman epäpuhtaudet sekä muut terveydelle haitalliset yhdisteet, luovat riskialttiin ja epäsuotuisan toimintaympäristön pyöräkuormaajien kuljettajille. Työ on lisäksi luonteeltaan toisteista, sillä kuormaajalla suoritetaan usein lukuisia keskenään samankaltaisia liikeratoja kuorman lastaukseen ja purkamiseen. Haastavat olosuhteet ja toistuvat ohjausliikkeet vaikeuttavat kuljettajien tehokasta työskentelyä etenkin pidemmillä ajanjaksoilla, jonka takia näihin haasteisiin on pyritty löytämään ratkaisuja pyöräkuormaajien automaatioon keskittyvällä tutkimuksella.

Automaattisessa ajossa pyöräkuormaajan ohjausjärjestelmän ylemmän tason liikkeenohjauksesta vastaavat säätöalgoritmit pyrkivät seuraamaan annettuja polkuja (engl. path) tai trajektoreita (engl. trajectory). Ylemmän tason säätimiltä saadaan asetusarvot alemman tason säätimille, jotka seuraavat asetusarvoja säätelemällä pyöräkuormaajan voimansiirtoa, vaihteita ja ohjausliikkeitä. Ylemmän tason säädinten suorituskyky on lopulta vahvasti sidoksissa näiden toimilaitetason säätimien suorituskykyyn.

Tässä työssä suunniteltiin ja toteutettiin keskinivelen kulmanopeuden säätöalgoritmi autonomiseen käyttöön muokatulle runko-ohjattavalle (engl. Articulated Frame Steering) pyöräkuormaajalle. Runko-ohjattava pyöräkuormaaja koostuu erillisestä etu- ja takayksiköstä, jotka on yhdistetty toisiinsa laitteen keskinivelen kautta. Ohjaus tapahtuu taittamalla etu- ja takayksikköä toistensa suhteen lyhentämällä ja pidentämällä runkoihin kiinnitettyä hydraulisylinteriä. Keskinivelen kulmanopeuden tarkka säätö edellyttää järjestelmän dynamiikan mallintamista. Laitteen sisäisen ohjausjärjestelmän tuntematon toiminta ja puutteelliset mittaustiedot tekevät järjestelmästä hankalan mallinnettavan perinteisellä fysiikkapohjaisella mallinnuksella. Tästä syystä työssä päädyttiin dynamiikan datapohjaiseen mallintamiseen ja säätöön. Säätimeksi valittiin myötäkytkentäkompensaattorin ja takaisinkytkentäsäätimen yhdistelmä. Myötäkytkentäkompensaattori toteutettiin käänteisellä regressiomallisovitteella ja takaisinkytkentäsäädin P-säätimenä. Myötäkytkentään käytetyt regressiomenetelmät ovat polynomiregressio (engl. polynomial regression) ja Gaussin prosessiregressio (engl. Gaussian Process Regression, GPR).

Kehitetyn datapohjaisen säätöalgoritmin suorituskykyä verrattiin aiemmin pyöräkuormaajalle toteutettuun analyyttiseen myötäkytkentäkompensaattoriin. Säätimien suorituskykyä testattiin sekä staattisilla testeillä koneen ollessa paikallaan että liikkeessä tapahtuvalla polunseurannalla. Etenkin Gaussin prosessiregressioon perustuvalla myötäkytkentäkompensaattorilla onnistuttiin saavuttamaan pienempi säätövirheen itseisarvo keskinivelen kulmanopeudelle.