基于遗传算法的平面车库车辆路径规划

随着物流系统自动化、智能化水平的提高,AGV在物流系统的应用越来越普遍。AGV的导航是AGV的核心技术,而路径规划是AGV导航的重要环节之一。本文应用遗传算法求解单个AGV的路径规划问题,最后给出该算法实现的路径规划仿真和实验结果,实验结果证实了该方法的有效性。     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

基于改进遗传算法的AGV路径规划

针对AGV在自动化生产线中原有路径规划算法存在路径拐弯次数多,不利于AGV自动控制的问题,提出了一种改进遗传算法。为提高AGV运行的效率,该算法引入了拐弯因素。针对在路径规划中传统遗传算法收敛速度慢的问题,结合分层方法,改进传统的精英保留策略。在算法进化过程中,根据个体适应度的变化动态调整交叉概率和变异概率,加快算法的收敛速度。Matlab仿真实验结果显示:改进遗传算法能够规划出一条更合理的路径,相比较传统方法减少了转弯次数,改善了搜索路径质量,表明该算法可以满足自动化生产线AGV路径规划的要求。     

一种基于滚动窗口的AGV动态路径规划算法

AGV是一种无人驾驶搬运车,是智能型移动机器人的一种。路径规划技术是AGV技术研究中的一个重要领域。在多AGV协调作业时,需要研究AGV动态路径规划问题。由于AGV运行时需要很高的实时性和安全性,本文采用了基于滚动优化窗口的路径规划方法。在当前滚动窗口中,提出了一种针对AGV特点的动态路径优化算法。最后,通过仿真证明了该方法的有效性。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

有限状态机的多AGV路径优化策略

为解决多自动运输引导车(AGV)在实际物流中易发生冲突、堵塞的问题,提出一种基于有限状态机模型的实时路径规划方法.通过A*算法对自动导引运输车系统(AGVS)进行预路径规划,以工作路径长度作为适应度函数,对不同任务的AGV进行优先级分配;然后,引入有限状态机的模型,动态地对不同任务的AGV进行协同控制.若AGV之间存在路径冲突点,通过去交叉法,在优先级低的AGV中暂设冲突节点为障碍物状态.对优先级低的AGV重新进行路径规划,优先级高的AGV继续运行,实现AGVS的无冲突发生.仿真结果表明:该方法在保证工作路径是最优的同时,能有效地避免AGV在物流运输中的碰撞,实现系统调度过程中无冲突的发生,提高系统的效率.     

基于激光SLAM的AGV路径规划仿真分析

利用激光SLAM进行AGV导航具有路径灵活多变、环境适应性强、易维护等优点。激光AGV导航的技术关键在于路径规划的精度与效率。对两种常用的激光SLAM算法进行理论分析,应用MATLAB模拟激光SLAM导航AGV沿直线路径行走和在复杂环境中行走的地图构建与路径规划。仿真结果表明,基于无迹卡尔曼滤波的SLAM算法比基于扩展卡尔曼滤波算法的SLAM算法有更好的准确性,且两种算法数据处理时间相差不大,即基于无迹卡尔曼滤波算法在保证运行速度的同时有着更高的精度。     

一种基于时间窗的自动导引车动态路径规划方法 

针对多自动引导车（Automatic Guided Vehicle,AGV）在柔性制造系统中的路径规划问题,提出一种基于时间窗的动态路径规划算法,能有效地避免车-车冲突、碰撞等问题,并且得到的路径是时间最优的.在备选路径上,通过时间窗的初始化、时间窗的更新、以及时间窗的排布,可以实现多辆车同时运行,相互之间不产生冲突碰撞.仿真实验和真车实验表明,该算法用在AGV路径规划上,能实现多车之间的无冲突、时间最优的路径规划功能.     

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.     

AGV系统路径规划时间窗模型及算法

针对双向单车道的AGV(automated guided vehicle)系统作业场景,考虑到AGV车辆行驶过程中直线和弯道的速度差异,以最小运行代价和优先级相结合为任务生成策略,构建了避免冲突的AGV系统动态路径规划的时间窗模型及其算法流程,为运行总成本最小约束下智能物流和自动化仓储系统中多台AGV协同作业的动态路径规划问题提供了有效方法。经过案例验证,该算法能够有效规划系统中多台AGV协同作业的路径,使系统运行的成本最低,降低仓储系统运行的总成本。     

基于靠近目标粒子群算法的AGV路径规划

进行移动机器人(automated guided vehicle,AGV)路径规划时,针对传统粒子群算法易陷入局部最优解、搜索效率低等问题,文章提出靠近目标的粒子群算法,更好地解决AGV路径规划问题.在AGV运行环境建模时,将障碍物转化为多边形并进行膨胀处理,利用障碍物顶点划分坐标系;引入Metropolis准则,使算...     

基于离散时空网络的多自动引导车路径规划问题

针对多AGV（automatic guided vehicle）在仓储物流搬运系统中的巷道拥堵问题,提出一种规避拥堵的系统优化策略,将产生的AGV拣货路径作为约束生成后续AGV运行轨迹。对仓库相邻节点赋予时间链接,构建时空网络地图,在此环境建立基于离散时空网络的考虑拥堵的路径优化模型,并设计了时空网络与SA(simulated annealing)相结合的全局优化算法ST-SA(space time simulated annealing) 以求解该模型,通过仿真实验对模型及算法的有效性进行验证。实验结果表明：系统优化策略可以对AGV路径规划过程进行控制与优化,ST-SA能够很快搜索到合理、高效的AGV拣货路径方案,缩短AGV在巷道的作业时间,避免了多AGV在智能仓储系统中的碰撞及拥堵。     

融合改进A*和动态窗口法的AGV动态路径规划

摘要:路径规划对AGV完成自主导航起着关键性的作用,针对这点出发,本文提出一种全局采用改进的A*算法,局部在保证全局最优的情况下采用融合A*和DWA两种算法,首先加入AGV的位置信息,在传统的评价函数基础上设置了包含代价函数和启发函数的权重函数,其次,将传统的8个搜索方向,变成了5个,提高了路径搜索效率,为了进一步增加路径的平顺性,对节点进行优化,删除了多余的转折点,保留下关键的转折点,然后在此基础上又设置了安全域值,进一步删除多余的转折点,从而保证了全局路径最优,为了实现AGV实时动态避障,本文将A*和DWA两种算法融合,进行在线实时规划路径,设计了一种基于全局最优路径的圆滑路径曲线,经过仿真,本文提出的算法在路径长度,机器人平均转折角度,运行时间等都大大减少,最后,通过实验进一步验证了算法的可行性。     

一种改进工业自动导引车路径规划算法

为了解决当前工业自动导引车(automated guided vehicle,AGV)栅格地图下路径规划算法存在路径转弯较多、弯曲度较大、搜路时间较长且距离障碍物近等问题,基于A?算法提出了一种改进路径规划算法.首先,通过在全局地图中设置路径关键节点,生成关键点拓扑地图,并利用Floyd算法进行最短路径规划,输出路径节点集合;其次,利用A?算法对集合中相邻节点进行路径规划,并将生成的路径进行拼接;最后,通过引入贝塞尔曲线对拼接路径进行平滑处理,以获取全局路径.实验结果表明:本文算法规划的路径转弯更少、弯曲度更小、搜索时间更短且能完全避开障碍物行走,更符合工业AGV的应用环境.     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题，文章利用栅格法对环境进行建模，提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群，增加种群多样性；对探狼游走行为引入随机策略，扩大搜索范围；对头狼的选择引入Metropolis准则，增强算法跳出局部最优能力；改进猛狼奔袭策略，提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明，改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验，结果表明，相比于传统狼群算法，改进的狼群算法在解决AGV路径规划问题上更有效。     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

基于软时间窗的自动化集装箱码头AGV路径规划

为研究只卸不装作业模式下的自动化集装箱码头AGV路径规划问题,建立了作业等待时间和AGV行驶时间最小的多目标混合整数规划模型。根据已分配的进口箱任务,考虑带有软时间窗和惩罚因子的约束,求解得到岸桥与箱区之间所有的可行路径、每台AGV完成任务的顺序以及AGV实际完成任务的行驶路径。为检验AGV作业路径的有效性,模拟每辆AGV通过路径节点的时刻,结果显示:系统中没有出现大量AGV排队和岸桥闲置的情况,表明AGV行驶路径的合理性、系统运量平衡和岸桥作业的连续性,提高了码头的作业效率。     

基于机器人操作系统的室内运输自动导引车系统及其设计

针对当前室内运输自动导引车(AGV)导引技术存在灵活性差、开发成本高、路径维护烦琐等问题,设计并实现了一款基于开源机器人操作系统(robot operating system, ROS)的室内运输AGV系统。该系统包括硬件层和软件层两部分。在硬件层,综合考虑现实需求、性能、成本等因素后进行硬件选型,同时搭建了AGV底盘和单舵轮行走机构,为软件层提供了一个稳定、灵活的运行平台。软件层设计包括ROS规划端和网页人机交互端两部分。ROS规划端进行AGV地图构建、自主定位、路径规划、路径跟踪、自主导航五大功能模块设计;网页人机交互端实现远程人机交互功能。测试结果表明,基于ROS的室内运输AGV系统能够有效地完成室内自动化运输任务,且路径维护灵活简便,整个系统具有很强的可行性和实用价值。     

考虑倒箱操作的AutoStore魔方型仓储系统自动引导车双层路径规划

新兴魔方型仓储系统AutoStore中,用于存放货物的料箱垂直堆放在相互拼接但独立的货格内,AGV除了要搬运目标料箱外,还需负责目标料箱上部阻碍箱的倒箱操作,且活动范围从二维平面扩大到三维空间,均增加了路径规划的复杂性。为了降低路径规划的复杂性,在分解作业流程的基础上,通过建立AGV双层路径规划模型的方法：内层模型以阻碍箱落箱位为决策变量,最小化单个目标箱的倒箱时间;外层模型将内层模型所得倒箱时间为输入参数,优化目标为最小化AGV完成任务时间。通过提出嵌套式启发式算法,将倒箱路径寻优嵌入多AGV多任务路径分配中。研究了不同规模算例,证明了本文所给方法的有效率和适用性;且仓储规模增大后,目标箱分散度增加, AGV作业时间大幅度增加;AGV数量和作业时间负相关;仓储率提高会增加倒箱几率,增加作业时间;目标箱数目变化与AGV作业时间正相关。结果证明在求解效率方面,主要受目标箱随机生成位置和仓储率影响,但绝对值也仅在10秒左右。     

遗传算法在AGV全局路径优化中的应用

采用改进的链路可视图进行建模,使用遗传算法对AGV静态已知环境进行路径规划,并结合在AGV中的具体应用对其进行了改进.在建模过程中,对障碍物做了边界扩展,将障碍物顶点作为行走节点,达到AGV行走过程中避撞的目的.在路径搜索过程中,借鉴蚁群算法的基于可行表的路径搜索方式到初始种群的产生过程,避免了AGV实际问题中无效路径的产生,提高了搜索效率.在初始种群的搜索过程中,对死路情况做了处理,避免了搜索停滞.交叉过程中,采用重复点交叉的几种处理方式,既避免了AGV搜索到断路的情况,也较大提高了产生最优路径的效率.交叉变异过程中人为产生环路的做法,有利于优良个体的产生.将蚁群算法的正反馈优化策略引入遗传算法的多次迭代中的改进中,加快了算法向最优解收敛的速度.MATLAB仿真结果表明,改进后的遗传算法能够快速准确地搜索到AGV的全局最优路径.