基于改进A^(*)算法的多AGV路径规划研究

自动导引车AGV(Automated guided vehicle,AGV)的路径规划问题是工业生产和物流领域的关键问题,其中多AGV无碰撞路径规划是研究的难点。本文以实际工业生产现场为背景,提出一种改进的A^(*)算法,该算法利用切比雪夫距离对传统A^(*)算法的启发函数进行加权,显著地减少了A^(*)算法的搜索时间和搜索节点数,提高了传统A^(*)算法的路径搜索效率,并将改进的A^(*)算法和时间窗模型结合,通过时间窗模型提前预判多AGV路径上节点占用情况,根据生产任务需求和AGV离终点的远近程度,动态调整AGV的优先级,有效地解决了多AGV同时行驶时产生的死锁,碰撞冲突问题。试验结果表明,该算法在多AGV进行动态路径规划时,路径的搜索效率得到显著的提高,路径冲突问题也得到有效的解决。

基于动态避障优先级与预测的多AGV无冲突路径规划

为实现多自动导引运输车(AGV)在机器人履约系统(RMFS)中的高效低成本运行,提出一种无冲突路径规划策略。对RMFS的仓储区域进行栅格处理,考虑重载和空载运行成本差异,细化不同运行状态包括匀速、加减速、等待、转弯等的成本,建立多AGV运行成本最小的路径规划模型。通过避障成本动态设置避障优先级及通过预测AGV在拣选工作区排队等待状态确定AGV重载出发时刻,结合改进A*算法,实现多AGV无冲突路径求解。仿真结果表明:从AGV的运行成本角度,考虑动态避障优先级和重载出发时刻预测的多AGV路径规划策略,降低了系统运行成本,缩短了任务完成时间,避免了多AGV在RMFS中的碰撞及拥堵,实现了降本增效。