AGV路径规划及避障算法研究综述

自动导向车(Automated Guided Vehicle,AGV)目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术,决定了AGV在复杂环境中能否高效、安全地完成任务,近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点,将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类,对算法的原理、工作流程、优缺点进行了深入分析,并介绍了相应的改进算法.最后,本文对AGV路径规划及避障的未来发展趋势进行展望,为AGV路径规划及避障算法的研究指出了方向.

基于改进DQN算法的无人仓多AGV路径规划

针对无人仓中多AGV路径规划与冲突问题,以最小化总行程时间为目标,建立多AGV路径规划模型,提出一种基于动态决策的改进DQN算法。算法设计了基于单AGV静态路径规划的经验知识模型,指导AGV的学习探索方向,提前规避冲突与障碍物,加快算法收敛。同时提出基于总行程时间最短的冲突消解策略,从根本上解决多AGV路径冲突与死锁问题。最后,建立无人仓栅格地图进行仿真实验。结果表明,本文提出的模型和算法较其他DQN算法收敛速度提升13.3%,平均损失值降低26.3%。这说明该模型和算法有利于规避和化解无人仓多AGV路径规划冲突,减少多AGV总行程时间,对提高无人仓作业效率具有重要指导意义。

基于改进蚁群算法的AGV路径规划研究

针对传统蚁群算法在自动导引车(automated guided vehicle,AGV)路径规划研究中存在收敛速度慢、搜索能力差以及容易陷入局部最优等问题,文章提出一种改进蚁群算法。引入自适应启发式函数,增加蚁群寻优方向性;改进信息素更新策略,避免陷入局部最优解;动态调整信息素挥发系数,使其随着迭代时期而减小,从而提高算法搜索效率、加快算法收敛速度。仿真实验结果表明,相较于其他算法,在相同环境下文章所提改进蚁群算法具有较好的收敛性和较高的寻优能力。

融合目标检测与DWA算法的AGV路径

针对AGV(Automated Guided Vehicle)叉车处于环境信息未知或环境动态变化情况下的路径规划及导航问题,文中提出了一种由YOLOv5(You Only Look Once version 5)目标检测算法获取目标位置。根据目标位置规划出全局基础路径,再融合DWA(Dynamic Window Approach)局部动态路径规划算法进行AGV路径规划与导航,使AGV叉车在未知环境或局部环境信息未知的环境中能快速识别目标位置并完成路径规划到达目标位置。实验结果表明,相较于改进前方法,文中所提方法在路径长度、耗费时间以及AGV叉车航向误差方面均有良好表现,路径长度平均减少12%,耗费时间平均减少约5%且AGV航向与目标航向的平均误差在5°以内。所提方法提高了AGV叉车在未知环境中的工作效率以及工作灵活性。

港口重载AGV驱动防滑设计

针对港口重载自动导引运输车(AGV)工作中遇到的过度滑转危险,文中提出一种基于最佳滑转率控制的驱动防滑设计。该设计根据港口环境特点建立路面附着特性模型;选用T-S型模糊控制器进行港口路面模糊识别设计,对峰值纵向附着系数及最佳滑转率进行识别,并将识别结果用于最佳滑转率控制中,进而提升港口AGV驱动防滑性能。通过单一路面与对接路面识别试验,验证了港口路面模糊识别器具有准确识别能力。

重载物流AGV机器人悬架结构优化设计

为提高重载物流AGV机器人的路面适应能力,设计适合物流仓储车间的AGV移动系统。为该系统构建纵臂式独立悬架,具有调节机构以改变减振器角度和纵臂长度。基于简化的悬架系统支架模型,进行静力学特性分析;构建以支架不同尺寸参数为变量,以结构质量为目标函数,以最大变形量和最大等效应力为约束条件的优化数学模型,采用受控精英多目标遗传算法对设计变量进行优化。校核优化后结构强度和刚度满足使用要求,证明了结构优化的合理性,实现了构件精益制造,提高了材料的利用率。

基于RFID和磁导航的AGV小车S7-1200PLC控制系统设计

该项目利用S7-1200PLC作为AGV主控制器,采取驱动轮差速进行转向控制,采用磁导航传感器和RFID标签传感器实现循迹和定位功能,实现AGV小车在立体仓库、VMC850数控加工中心、CK40S数控车床、RB20工业机器人、装配单元之间产品的搬运功能。

多搬运任务下考虑碰撞避免的AGV路径规划

为提升自动导引小车在“货到人”仓库中的运行效率,针对AGV-托盘任务分配、单AGV路径规划及多AGV碰撞避免三个子问题的研究,以最小化AGV行驶距离为目标构建数学模型。首先,根据AGV与托盘的双边匹配问题特点设计改进的匈牙利算法求解匹配结果。其次,提出一种二维编码机制的改进遗传算法(improved genetic algorithm,IGA),采用一种局部搜索算子代替原变异操作,在提高算法搜索性能的基础上使其成功应用于单AGV路径规划问题。然后,利用时空数据设计一种三维网格冲突检测方法,并根据商品SKU数量设定AGV的优先级以降低多AGV执行任务时的碰撞概率。最后,在32 m×22 m的仓库中针对不考虑碰撞与考虑碰撞两种情形进行AGV路径优化分析,给出合理的行驶距离和碰撞次数。IGA与标准遗传算法的对比结果显示,IGA能够在合理的时间内获得更高质量的解,行驶距离减少约1.74%,算法求解时间缩短约37.07%。此外,针对AGV数量灵敏度分析,在不同目标托盘规模下测试不同数量的AGV对行驶距离和碰撞次数的影响,发现14~16台AGV数量是最佳配置,验证了模型的可行性和算法的有效性。

基于ISSA和IA^(*)的AGV集成作业调度及其路径规划

针对单一算法在求解车间调度和路径问题时最优性和多样性方面的缺陷,提出了优化飞鼠搜索算法ISSA(improved squirrel search algorithm)和优化A^(*)算法并建立集成作业调度和AGV路径规划的双层模型。首先,采用贪婪策略融合飞鼠搜索算法建立考虑能耗的AGV集成作业调度上层模型;其次,将安全距离因子引入A^(*)算法,构建AGV路径规划下层模型,并通过梯度下降法进行路径平滑;进而,运用6个测试函数和kacem实例验证ISSA的寻优能力,结果表明ISSA的其收敛速度较快,运行效率较高,且不容易陷入局部最优;最后,基于栅格法建模进行对比仿真实验,IA^(*)比A^(*)算法拐点数量降低了22%,同时节约了21%的行驶时间,ISSA和IA^(*)均得到了良好的验证。结果表明,ISSA和IA^(*)能够更有效求解AGV集成作业调度及其路径规划问题。

基于改进A^(*)算法的多AGV路径规划及避障研究

针对多自动导引运输车(automated guided vehicle,AGV)路径规划与避障问题,考虑AGV行驶中启、制动速度与转弯角度对行驶时间的影响,根据不同冲突类型制定避障策略,以所有AGV行驶总时间最短为目标,建立多AGV路径规划与避障模型,并设计改进A^(*)算法进行求解。对两组数量不同的多AGV进行路径规划与避障仿真,结果表明:相较于一般A^(*)算法,基于改进A^(*)算法的多AGV路径规划及避障总时间优化率分别为10.0%和10.5%,总路径长度优化率分别为7.1%和7.8%。与其他改进智能算法的进一步比较证实,改进A^(*)算法在缩短路径规划用时和路径长度方面具有明显优势。本文提出的改进A^(*)算法可高效地规划出多AGV运行的无碰撞路径,其改进思路也贴切反映了AGV的实际运行工况。

基于人工势场算法改进的AGV自主避障路径规划算法及其应用

为解决AGV在瓦楞纸包装车间运行中难于从起始到目标位置寻求最优且避障的路径难题,提出了一种基于人工势场算法改进的自主避障路径规划算法。首先,将目的地与AGV的相对距离加入斥力函数中,对引力函数建立梯度,以解决目的地与障碍物较近导致的目标不可达问题;其次,在局部极小值附近增加虚拟障碍物以助力AGV逃离局部极小值区域;最后,借助二阶贝塞尔曲线对搜索到的路径实施平滑处理,确保AGV的路径可行性。仿真实验表明,改进后的人工势场算法应用于包装车间环境下AGV避障路径规划是可行且高效的。

魔方型智能仓储系统多AGV任务调度及优化

为探究针对魔方型仓储系统的多AGV调度问题,建立考虑倒箱因素的多AGV调度优化数学模型,设计改进的多层编码的遗传算法,有助于算法跳出局部最优并改善其局部搜索能力。通过设计不同算例,对比优化前后的AGV调度方案,验证改进算法的有效性和可行性,同时,对不同任务规模、AGV规模、仓储填充率、仓储立体规模和仓储平面规模五方面的工况进行探究分析,为魔方型仓储系统运行状况研究提供理论基础。

气缸套铸造过程中AGV小车应用于自动化浇注系统对提升生产效率的分析

本文提出了将AGV小车应用于气缸套铸造过程中进行智能化生产的整体系统设计,对智能工厂的工艺布局、信息流、对接控制、调度系统进行系统设计,并对比分析了在应用AGV小车之后,智能生产所能带来的提升。该技术的应用使得气缸套铸造过程更具效率、更稳定、更安全,同时提升了铸造工厂的智能化、自动化水平。

基于冲突搜索的多AGV路径规划

为实现仓储环节的自动化操作,对多AGV路径规划进行了研究,使用栅格地图法构建地图环境,以单路径A^(*)搜索算法为基础,采用双层路径规划的冲突搜索算法解决多AGV路径冲突问题。具体实施方法是在高层进行冲突检测和添加约束,在底层使用A^(*)算法进行单路径规划。最后使用Python的matplotlib库编程对路径规划算法进行仿真。仿真结果表明,该课题所使用的规划方法行之有效。

随机批量运输的柔性作业车间AGV配置优化

针对柔性作业车间中物料搬运系统的AGV数量配置问题,以最小化AGV购置成本为目标,建立具有系统产出率和生产周期双重约束的优化模型。由于该优化问题是一个随机非线性的整数规划问题,且约束条件无法用决策变量的封闭形式表示,为此,提出一种基于仿真的粒子群优化算法求解该问题。针对具有随机批量运输特征的柔性作业车间,基于离散事件仿真平台构建系统的性能估算模型,提出一种嵌入仿真模型的粒子群优化算法求解AGV数量配置的优化方案。通过仿真算例实验以及不同优化方法对比,对比结果显示,该方法较其他算法在优化结果的优越性和稳定性上分别平均提高了8%和8.9%。分析实际应用案例确定了优化的配置方案,结果验证了所提方法的有效性,具有实际应用价值。

采用静态数据增强的AGV定位与姿态修正研究

搭载激光雷达的移动机器人(AGV)被大量应用于智能工厂的工件运输,但受障碍物和移动物体的影响,AGV在车间内位姿辨别能力较弱。为了解决定位和姿态识别问题,提出一种全新的点云数据融合位姿辨别策略,利用高精度的静态全站仪整体数据融合激光雷达局部、低精度数据,并提出向量权重匹配法来完成AGV的室内定位。设计一种抽样网格卷积法实现异构数据的快速初步定位;建立自适应搜索全站仪数据的基准区域,将它映射到激光雷达数据的对应区域;最后通过向量权重匹配获取AVG的位姿参数。上述方法在6 m×8 m室内空间进行实验。结果表明:所提方法可达到±7 mm的定位精度与±1.4°的姿态控制识别精度,且能准确补偿激光雷达的扫描误差,提高AGV的位姿识别能力。

视觉导引AGV轨迹跟踪控制及仿真验证

针对双向双驱视觉AGV的轨迹跟踪问题,建立AGV运动学模型和控制系统状态方程,基于直线、圆弧、非圆弧三种路径模型,采用最小均方差法和内切圆弧修正法分别获得AGV在直线、圆弧和非圆弧三种路径运行过程中的距离偏差和角度偏差;设计并验证模糊PID控制器,同时采用PreScan软件进行轨迹跟踪控制的仿真验证。结果表明,模糊PID控制器能够通过模糊规则智能调节参数,减少超调,稳定AGV的运动轨迹,且稳定时间较短,能够实现AGV稳定有效的轨迹跟踪。

基于PMADS与共轭优化法的单元上下料口布局与AGV配置联合优化

在具有有限能力物料储运系统的单元流水式车间中,针对单元上料与下料(P/D)口位置布局与物料搬运AGV数量配置的联合优化问题,建立了以最小化平均运输总成本和AGV配置成本为目标的单元P/D口布局与AGV配置联合优化模型。由于P/D口布局与AGV配置具有不同的优化特点,为了提高算法效率和结果的质量,提出一种嵌入共轭优化法和粒子群优化的网格自适应直接搜索算法(PMADS),在优化过程中分别对新解的P/D口布局及对应的AGV配置进行再优化。将所提算法与其他对比算法应用于某精密制造企业新工厂规划项目,结果显示PMADS算法在性能和求解质量上均优于其他算法,有效解决了单元流水式车间单元P/D口布局与AGV配置的联合优化问题。结果验证了所提算法在求解车间单元P/D口布局与AGV配置问题上的有效性、高效性及实用价值,所提共轭优化法加强了算法搜索的方向性,提高了算法效率和解的质量。

无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automatedguidedvehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.

不确定情景下AGV系统调度算法的仿真平台

不确定情境下的完整自动引导车(automated guided vehicle,AGV)系统调度算法,除了要包含常见的任务指派策略和路径规划算法之外,还需要包含冲突应对策略。由于存在随机性,这样的调度算法难以从理论上分析其特性,相关研究也较少。基于离散事件仿真技术,设计并开发了一个AGV系统仿真平台,可以灵活地设置调度问题,并选择调度算法中的任务指派策略、路径规划算法和路径冲突应对策略进行仿真。该平台具有可视化的界面,可以直观地观察AGV的运行状态和调度算法的表现,也可以输出最终的仿真实验统计数据。实验表明:该平台可以准确有效地对不确定情景下的调度算法进行评估与比较。