基于DQN的自动化集装箱码头自动引导车多目标调度优化

以自动引导车利用率最大和能源消耗量最小为目标,建立AGV调度优化数学模型,设计7种不同调度策略作为可变调度策略空间,提炼自动引导车调度问题的状态特征和奖励函数,提出一种基于深度Q学习网络算法(deep Q-network,DQN)的可变调度策略的调度算法。算例分析结果表明:与GA算法和Q-learning算法相比,采用基于DQN的调度优化方法求得的调度方案可使自动引导车的利用率分别提高14.76%和19.92%;能源消耗方面,采用DQN算法求得的调度方案平均能耗与GA算法和Q-learning算法相比分别降低16.88%和10.77%。通过与固定调度策略相比,平均利用率提升12.39%,平均能耗降低7.58%。可见本文方法的求解质量更高,同时与固定策略相比验证了所提出可变策略的有效性。

基于运动学模型的自动引导车轨迹跟踪控制

为了使自动引导车在行驶过程中更加精确稳定,本文研究其运行轨迹跟踪问题。针对自动引导车的运动学模型,建立位姿状态误差方程,并基于Lyapunov稳定理论,设计出一种简单有效的轨迹跟踪控制器。仿真结果表明,本文所设计的轨迹跟踪控制器不仅确保系统稳定,同时能够满足自动引导车在不同运行轨迹下的快速纠偏。

集装箱工业码头上多自动引导车的调度和路径规划

在集装箱工业码头引导车调度和路径规划过程中,实现智能化和物联网化是其主要发展趋势。目前,智能化和物联网化在多自动引导车调度和路径规划方面的应用越来越普遍。在本次研究中主要对集装箱工业码头多自动引导车调度的研究现状进行分析,探讨自动引导车调度和路径规划的相关算法,对算法进行优化。同时对多自动引导球调度和路径规划场景进行分析,明确不同任务场景下调度策略的实施情况。遗传算法能够提高多自动引导车调度和路径规划效果,并且在对遗传算法进行优化时,通过模拟退火算法可以对遗传算法进行优化,发挥基于组合策略的模拟退火遗传算法的优势,提升引导车调度与路径规划效果。

结合ISO 13849-1的自动引导车(AGV)安全评估

自动引导车(AGV)作为生产物流自动化中必不可少的一部分,在国内没有很好的安全标准可以参照执行,导致AGV的制造水平良莠不齐。随着工业4.0和智能化工厂的蓬勃发展,AGV的市场需求逐步变大,高效和安全成为了衡量AGV的重要标准。AGV的安全性能设计需要符合ISO 13849-1标准,本文通过对AGV的控制系统的安全性能进行评估,确定AGV的安全等级,并提出相应的安全对策,以保障人员和设备的安全。

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。

民用客机总装车间自动引导车任务分配及路径规划

为了实现自动引导车(AGV)在某民用客机总装车间的高效运作,提出AGV任务分配与路径规划两阶段求解方法,有效地解决了车间内AGV的多次往返配送调度问题.在任务分配阶段,提出基于行程的AGV任务分配模型,提高任务分配的效率;在路径规划阶段,采用时间窗算法,对AGV占用的地图资源进行时间窗的初始化、更新和排布,并针对由于避障和等待引起的物料送达时间无法满足的情况,设计了料包交换、优先级提前、预留时长放宽共3种递进的调整策略,实现AGV的无冲突路径规划.在数值实验中,两阶段方法应用于50、100、150个料包问题的平均求解时间分别为15.86、41.12、162.29 s,表明两阶段方法有效缓解了多行程AGV调度问题的复杂性,能在合理时间内实现民用客机总装车间AGV的调度优化,以适应民用客机年产量逐年快速递增的生产需求.

轻质多材料重载自动引导车总成优化设计

自动引导车(AGV)在智能制造高速发展的过程中逐渐呈现大型化、重载化的趋势,关键承载部件的优化设计能够显著降低重载AGV的重量及运行时的能耗,直接降低其制造及使用成本。本研究使用碳纤维增强树脂基复合材料(CFRP)作为轻质材料,针对80 t级标准平台AGV关键承载部件从材料到结构进行总成优化设计。首先,使用双向渐进结构法(BESO)拓扑优化车架及舵轮安装板,采用单元灵敏度过滤技术消除细小的分叉结构,得到了适合实际制造的优化结构。然后,制备不同层数及编织方向的CFRP试样,进行拉伸及面内剪切实验,获得CFRP的力学性能参数。随后,优化复合材料层合板的铺层角度,仿真结果表明,复合材料优化后的铺层角度为[–12/33/55/–68](从下至上铺层角度依次为–12°、33°、55°、–68°),使多层材料面内最大Mises应力和位移分别降低了25.79%和9.95%。最后,针对车身进行有限元分析。研究结果表明:优化设计使重载AGV重量明显降低,新结构在未大幅提升最大Mises应力与位移的前提下,总重量降低21.79%,其中,舵轮安装板采用角度优化后的CFRP铺层组,其重量仅为优化前的8.83%。模态分析表明,新结构的前6阶特征频率在核定工况范围内随着载荷增加呈减速下降的趋势,满载情况下在61.95~109.75 Hz之间变化平稳。研究为实现重载AGV的低能耗、轻量化及低成本制造提供一定的参考。

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度。首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型;其次,为提高传统NSGA-Ⅱ的性能,设计自适应NSGA-Ⅱ,并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化(MOPSO)算法进行性能对比;最后,设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明:相较于传统NSGA-Ⅱ算法,自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明:增加AGV充电次数能够减少AGV的充电时间,且调整设备数量配比至3∶3∶9和3∶7∶3时,场桥和AGV的时间利用率分别达到最高。可见,AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

动车段检修物料精准配送与过轨AGV的研究

针对动车组检修生产线存在物料配送不及时、不准确,以及AGV小车无法有效应对厂区内的沟槽和轨道等问题,设计了基于节拍式、量份式叫料系统的精准配送方案以及过轨AGV小车,在有效解决上述问题的同时,降低了生产成本,提高了动车组检修效率。

自动导引车路径规划技术研究

介绍了自动导引车路径规划方法,包括图搜索算法、基于优化的方法、人工智能方法。分析了自动导引车路径规划的重要性、面临的挑战和应用场景,并展望了未来发展。

一种自动化码头单小车岸边集装箱起重机开闭锁验证方法

为解决船舶作业过程中因卸船箱信息不准确、装船堆场位置错误等问题导致的货运事故,基于自动化码头单小车岸边集装箱起重机作业特点,提出一种开闭锁验证方法,将集装箱箱号、ISO、危标等信息与系统进行匹配判断,可有效杜绝因船箱信息不准确而导致的货运事故。

皮尔磁:自动引导车的安全防护方案

作为智能工厂物流的核心设备之一,自动引导车(AGV)在工厂物流自动化体系中发挥着越来越重要的作用。它们在仓库中穿行,高效地完成搬运任务,为生产带来极大便利的同时,也存在着一定的安全隐患。AGV的安全应用标准可参考ISO 3691-4(在我们的往期内容中,可以搜索到相关内容哦)。

基于PLC的AGV小车自动控制系统设计

文章介绍了自动导向车(Automated Guided Vehicle,AGV)小车自动控制系统的关键技术和设备,以及基于可编程逻辑控制器(Programmable Logic Controller,PLC)的AGV小车自动控制系统设计,包括PLC与AGV小车的通信设计、PLC控制功能设计及监控功能设计。

浅谈自动引导小车AGV在纺织上的应用

近年来,随着生活水平的提升、人口老龄化以及劳动人员素质的普遍提高,纺织行业出现了"无工可用"的情况。究其原因,主要在于纺织行业劳动强度大、环境差。自动引导小车AGV作为一种无人驾驶的智能化搬运设备,愈来愈受到纺织行业的重视和研究推广。本文拟结合AGV(Automated Guided Vehicle,自动引导车运输车)技术,分析和研究AGV自动引导车在纺织行业细纱车间的应用,从而减轻纺织行业挡车工人的劳动强度,提高工作效率。

自动引导车轨迹偏差的智能控制

针对自动化仓储设备AGV固定轨迹控制方式,建立了ACV小车路径偏差控制系统的数学模型。应用数学方法分析偏差与车轮速度的相互关系,从而得到其动态结构图;通过小偏差线性化的方法,将该非线性系统简化成单输入单输出线性系统。采用多点信号采集,利用模糊控制理论,进一步提高了小车路径偏差的控制准确度。通过对系统加载输入正弦信号,验证了系统具有良好的跟随性和稳定性。

基于视觉的AGV自动运输车道路识别技术研究

通过自动引导车(AGV)采集的烟草车间道路图像进行边缘提取和图像平滑,获得良好的梯度图像。根据道路特征采用Sobel算子增强道路边缘,使用直线模型进行边缘拟合,以减少图像处理时间和提高道路识别的可靠性。AGV导航实验表明,该方法具有良好的实时性、可靠性和鲁棒性,能精确定位目标边缘,达到了预期的效果。

新型自动引导车导航与控制系统

提出了一种可适应复杂环境、实时性强、鲁棒性好的自动引导车导航和控制系统 ,此系统集成了自动引导车的多种功能并采用在弧线上找点的方法进行导航。采用此系统的自动引导车不仅能快速处理环境信息 ,而且能有效避开动态和静态障碍物 ,安全、可靠地驶向指定的目标。通过多种环境模式的仿真实验 。

基于动力学模型的自动引导车智能导航控制研究

提出了一种基于动力学模型的智能控制方法 ,将导航系统得到的信息输入智能控制器 ,由它输出自动引导车动力学模型所需要的控制量。因为该控制器记忆了自动引导车的动力学特性 ,所以使用此智能控制器的自动引导车能够较平稳地避开动态和静态障碍物。仿真实验结果表明 ,装有此系统的自动引导车能有效避开动态和静态障碍物 ,安全、可靠、平稳地驶向指定的目标 ,从而验证了本文提出的方法是正确和有效的。

自动引导车辆系统的研究(二)——有线图象识别式自动引导车辆系统设计

介绍一种基于对地面设置的条状标识符进行图象分析以实现路径引导及其它运动状态控制的自动引导车辆系统(AGVS)设计。由于采用了特殊形式的图象处理方法,使所设计的AGVS具有满足实际应用所需要的动态响应能力。系统采用的是低成本普通CCD系统与微机,适应我国当前国情,为短期内应用图象识别视觉引导式AGVS提供一种可行途径。

自动引导车跟踪控制的仿真研究

提出一种跟踪精度高、计算量小、易于实现的自动引导车跟踪控制方法 .这一方法将要跟踪的轨迹划分成若干段 ,然后进行分段跟踪 .采用此法 ,可以避免使用路径曲线段进行跟踪时曲率的计算以及计算量大和计算复杂等问题 ,使得自动引导车跟踪的实时性 ,精确度得到提高 .通过多种路径跟踪的仿真实验 。