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。

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。

基于改进动态窗口的车库AGV路径规划及仿真

针对在智能车库环境下,移动机器人(AGV)在作业过程中面临着复杂路径环境下的路径规划和实时避障,提出一种改进的蚁群算法与动态窗口法(DWA)相结合的混合算法。在全局规划中引入自适应调整信息素挥发系数,融合角度参数建立车库方向信息素矩阵,增大目标点引导能力,扩大蚂蚁的方向选择性;在局部规划中设计基于椭圆方程的障碍物距离评价子函数的改进动态窗口法,并提取改进蚁群算法的全局关键节点作为新增的路径评价子函数,在全局路径的约束下,保持动态规划的最优性。仿真结果表明:改进算法较传统算法能够较好地应对突发的动静态障碍物,更符合AGV实际作业过程中在多重环境因素的影响下的动态规划要求。

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。

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。

融合改进蚁群算法和动态窗口法的AGV路径规划

针对传统蚁群算法中初期路径搜寻盲目、启发式函数作用较小、信息素更新规则单一、动态窗口法缺少全局性指导等问题,提出了基于改进蚁群算法的全局路径规划,通过改进初始信息素,提高了算法初期的寻径效率;通过改进启发式函数,减少了算法收敛的时间;通过改进信息素更新规则,同时考虑了路径长度和能耗,增加了路径的优越性。之后将改进后的蚁群算法与动态窗口法相融合,增加了动态窗口法中的评价函数,使动态窗口法沿改进蚁群算法最优路径进行实时的局部路径规划,令路径的静态全局最优和动态实时规划得到了兼容。仿真实验表明,改进后的蚁群算法相较传统算法迭代速度更快,转弯次数更少,融合后的算法在复杂环境中可以精确地实时路径规划,充分证明了该融合算法的可行性。

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。

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。

改进蚁群算法的AGV自主避障

针对传统蚁群算法在AGV任务调度效率的不足和避障问题,提出了一种改进的蚁群算法。首先,通过引入路径忙碌值,改进蚁群算法中的路径信息素浓度,提高路径规划解的质量;其次,对启发式的信息素浓度添加随机影响因子,进而提高算法的搜索效率。然后,在改进的蚁群算法基础上,引入路径多次规划参数和工作运行影响参数,并对AGV制定基本调度规则和任务优先级,提出一种综合的避障策略来解决冲突问题。仿真实验结果表明改进的蚁群算法可以评估路径使用率,进而规划最优的路径。在多任务调度效率上有明显优势,并能有效实现自主避障,解决碰撞问题。

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。

AGV“货到人”拣选系统的移动货架选择方法

基于自动导引车(AGV)的“货到人”拣选系统,各品类商品可以拆零存放在不同货架上,同一货架也可以存储多种商品,货架的位置也是随机移动的。面对待拣选的订单,选择哪些货架移动到拣选台,以满足订单的品类和数量要求,并最小化选取移动货架个数,是此类型仓库需要解决的关键问题。针对该问题,文章提出基于订单相似度进行订单分批,再通过线性递减权重的粒子群算法来优化移动货架选择解。由于移动货架的优化问题是NP-hard问题,线性规划求解器难以求解,实验结果表明,与线性规划求解器Lingo相比,文本的两阶段移动货架选择方法是有效的,可以在短时间得出求解方案,大大提升了求解效率。敏感性分析进一步揭示了批次数量、品类数量、货架数量以及订单数量,对搬运货架次数的影响,为管理者提供了决策依据。

低碳自动化码头AGV物流调度和有序充电的联合经济优化

针对现有自动化码头自动导航集卡(AGV)充电策略未能与分布式电源出力充分协同等问题,提出一种自动化码头AGV物流调度和有序充电联合经济优化方法.首先,解析AGV物流调度和充电调度之间的协同关系,构建联合优化框架;其次,针对AGV物流调度模块,提出考虑码头内外集卡道路隔离要求的AGV行驶距离计算方法;再次,针对AGV充电模块,定义AGV充电状态的判断条件和选桩方法;进而以码头购电费用最小为目标,考虑分时电价、风光上网电价、电量平衡约束、终止时刻的剩余电量约束、决策变量的上下限约束、物流调度约束,构建物流调度和有序充电联合优化模型,提出基于改进粒子群优化算法的快速求解方法;最后,通过某码头的实际案例,验证所提方法的有效性和经济性.

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。

基于PLC的AGV智能搬运控制系统的研究与设计

近年来,随着科学不断进步,社会不断发展,许多工厂为了节省人力、提高自身自动化水平,工厂内的运输方式从原始的由人力搬运发展到现在的利用自动导引车进行运输的方式。本文仅出于电气自动化技术专业高职学生的PLC课程的教学目的,设计了一种基于PLC的AGV智能搬运控制系统,并进行了仿真验证。通过设计与仿真,使相关专业学生将所学知识与实际生产生活联系起来,有效提升了相关课程的教学效果。

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。