基于视觉导航的AGV控制系统研究
发布时间：2021-08-29 23:00
随着工业自动化和智能技术的发展,传统的物流系统难以满足日益增长的生产速度和消费需求,因此传统产业链面临着越来越严峻的挑战,迫切需要进行升级改造。AGV是一种集传感器检测、计算机技术、机械制造和现代控制理论等多学科于一体的智能运输设备,极大程度满足了柔性制造和自动化物流的需求。精确的导航和良好的控制策略对于AGV运行的稳定性至关重要,随着图像处理技术的成熟和智能算法的发展,视觉导航与智能控制已成为研究AGV的热点。本文主要完成了AGV视觉导航与智能控制的研究与设计,主要工作如下:（1）提出了AGV的整体设计方案,并介绍了本研究相关领域的原理。主要介绍了视觉导航AGV的系统组成,详细阐述了视觉导航的原理,并对AGV的车体进行了设计。然后对AGV进行运动学分析,并建立数学模型。（2）完成了AGV视觉导航的设计与研究。首先,对摄像头进行标定,以确定AGV在图像坐标系中的位置。再运用数字图像处理技术对摄像头采集到的图像进行处理,包括图像的灰度化、图像去噪、对比度增强、图像二值化、形态学处理、边缘分割与特征提取等。针对图像去噪这一关键步骤,提出了基于改进小波阈值的图像去噪方法,通过引入调节因子来改...
【文章来源】：青岛理工大学山东省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
Logistic映射分叉图
青岛理工大学工学硕士学位论文54由式（4.14）可知，当>0，则()>0，故()>，反之，当≤0时，则()≤0，故()≤。综上所述，Logistic映射只能在的单侧领域内寻优。为解决此问题，本文提出以下改进措施：（1）将变尺度调整，让其随迭代次数增加而逐渐减小，以缩小遍历范围。（2）引入Ulam_vonNeumann映射让算法遍历的双侧领域，其解析式为：2110,1,2,...,[0,2],[1,1]nnnyvynvy+==（4.15）其中，为控制参数，()为当初始(0)∈[1,1]时迭代产生的变量。Ulam_vonNeumann映射的分叉图如图4.17所示，它描述了序列与之间的变化关系。图4.17Ulam_vonNeumann映射分叉图Fig4.17Ulam_vonNeumannmapbifurcationdiagram由图4.17可知，当=2时，序列()在[1,1]区间上处于完全混沌状态。因此，本文采用=2的Ulam_vonNeumann混沌映射。4.2.3基于改进混沌蚁群算法的全局路径规划为解决AGV路径规划过程中ACO算法存在的不足，本文提出了一种改进混沌蚁群算法，以改进的混沌算法来优化ACO算法的初始参数，显著改善了全局优化的效率。基于改进混沌蚁群算法的AGV路径规划流程图如图4.18所示。
青岛理工大学工学硕士学位论文59图4.25基本ACO算法的路径规划图4.26基本ACO算法的迭代曲线Fig4.25ThePathplanningofbasicACOFig4.26TheiterationcurveofbasicACO图4.27改进混沌ACO的路径规划图4.28改进算法迭代曲线Fig4.27ImprovedchaoticACOpathplanningFig4.28Improvedalgorithmiterationcurve由图4.25-图4.28可知，在改变障碍物数量的情况下，改进混沌ACO算法规划路径效果也比ACO算法更好。图4.29三维路径规划图4.30适应值迭代曲线Fig4.293DpathplanningFig4.30Adaptivevalueiterationcurve现有的路径规划算法大部分是对二维平面进行规划，而因三维路径规划算法
【参考文献】：
期刊论文
[1]AGV视觉导航技术研究进展[J]. 朱训栋,张鑫. 物流科技. 2019(06)
[2]基于改进蚁群算法的移动机器人路径规划[J]. 徐宏宇,唐泽坤,叶长龙. 沈阳航空航天大学学报. 2019(02)
[3]基于改进小波阈值的红外热波无损检测图像噪声抑制方法的研究[J]. 秦乾坤,杨慧,岳威,李宝磊. 计算机时代. 2019(01)
[4]基于小波去噪和梯度校正的分水岭图像分割技术研究[J]. 周小明. 数学杂志. 2019(04)
[5]基于模糊迭代学习的AGV导航方法[J]. 胡涂,解小东,关志煜. 工业控制计算机. 2018(10)
[6]无人仓需求在望 技术有待突破[J]. 任芳. 物流技术与应用. 2017(01)
[7]基于AGV和工业机器人的智能搬运小车的研究[J]. 周文军,吴有明. 装备制造技术. 2016(11)
[8]差速转向农业专用AGV小车的设计与模糊控制研究[J]. 赵晨宇,陈息坤. 农机化研究. 2016(11)
[9]基于Mecanum轮的全向运动视觉导引AGV研制[J]. 喻俊,武星,沈伟良. 机械设计与制造工程. 2015(09)
[10]基于自适应遗传算法的改进PID参数优化[J]. 刘明,王瑞. 计算机测量与控制. 2015(03)
博士论文
[1]基于全方位视觉的车载嵌入式航标跟踪系统[D]. 李雁斌.天津大学 2009
硕士论文
[1]成品油储罐清洗机器人视觉导航技术研究[D]. 高庆珊.北京石油化工学院 2018
[2]基于视觉的AGV路径识别和跟踪控制研究[D]. 王松涛.兰州理工大学 2018
[3]自动导引车（AGV）控制系统的研究与实现[D]. 罗承双.江西理工大学 2018
[4]基于改进PSO-PID算法的四轴飞行器飞控系统研究[D]. 康日晖.太原理工大学 2018
[5]基于视觉的AGV控制系统研究[D]. 冯统庆.上海电机学院 2018
[6]基于混沌蚁群算法的无人机航路规划研究及系统实现[D]. 杨帆.南京航空航天大学 2018
[7]光伏电站中的航拍图像识别与匹配技术研究[D]. 吴枫杰.浙江大学 2018
[8]基于视觉导航的自动导引车设计与实现[D]. 赵博.山东大学 2017
[9]基于视觉的AGV导航控制与障碍物检测研究[D]. 佘宏杰.浙江工业大学 2016
[10]基于标识符视觉定位的AGV导航系统研究[D]. 徐叶帆.东南大学 2016
本文编号：3371539
【文章来源】：青岛理工大学山东省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
Logistic映射分叉图
青岛理工大学工学硕士学位论文54由式（4.14）可知，当>0，则()>0，故()>，反之，当≤0时，则()≤0，故()≤。综上所述，Logistic映射只能在的单侧领域内寻优。为解决此问题，本文提出以下改进措施：（1）将变尺度调整，让其随迭代次数增加而逐渐减小，以缩小遍历范围。（2）引入Ulam_vonNeumann映射让算法遍历的双侧领域，其解析式为：2110,1,2,...,[0,2],[1,1]nnnyvynvy+==（4.15）其中，为控制参数，()为当初始(0)∈[1,1]时迭代产生的变量。Ulam_vonNeumann映射的分叉图如图4.17所示，它描述了序列与之间的变化关系。图4.17Ulam_vonNeumann映射分叉图Fig4.17Ulam_vonNeumannmapbifurcationdiagram由图4.17可知，当=2时，序列()在[1,1]区间上处于完全混沌状态。因此，本文采用=2的Ulam_vonNeumann混沌映射。4.2.3基于改进混沌蚁群算法的全局路径规划为解决AGV路径规划过程中ACO算法存在的不足，本文提出了一种改进混沌蚁群算法，以改进的混沌算法来优化ACO算法的初始参数，显著改善了全局优化的效率。基于改进混沌蚁群算法的AGV路径规划流程图如图4.18所示。
青岛理工大学工学硕士学位论文59图4.25基本ACO算法的路径规划图4.26基本ACO算法的迭代曲线Fig4.25ThePathplanningofbasicACOFig4.26TheiterationcurveofbasicACO图4.27改进混沌ACO的路径规划图4.28改进算法迭代曲线Fig4.27ImprovedchaoticACOpathplanningFig4.28Improvedalgorithmiterationcurve由图4.25-图4.28可知，在改变障碍物数量的情况下，改进混沌ACO算法规划路径效果也比ACO算法更好。图4.29三维路径规划图4.30适应值迭代曲线Fig4.293DpathplanningFig4.30Adaptivevalueiterationcurve现有的路径规划算法大部分是对二维平面进行规划，而因三维路径规划算法
【参考文献】：
期刊论文
[1]AGV视觉导航技术研究进展[J]. 朱训栋,张鑫. 物流科技. 2019(06)
[2]基于改进蚁群算法的移动机器人路径规划[J]. 徐宏宇,唐泽坤,叶长龙. 沈阳航空航天大学学报. 2019(02)
[3]基于改进小波阈值的红外热波无损检测图像噪声抑制方法的研究[J]. 秦乾坤,杨慧,岳威,李宝磊. 计算机时代. 2019(01)
[4]基于小波去噪和梯度校正的分水岭图像分割技术研究[J]. 周小明. 数学杂志. 2019(04)
[5]基于模糊迭代学习的AGV导航方法[J]. 胡涂,解小东,关志煜. 工业控制计算机. 2018(10)
[6]无人仓需求在望 技术有待突破[J]. 任芳. 物流技术与应用. 2017(01)
[7]基于AGV和工业机器人的智能搬运小车的研究[J]. 周文军,吴有明. 装备制造技术. 2016(11)
[8]差速转向农业专用AGV小车的设计与模糊控制研究[J]. 赵晨宇,陈息坤. 农机化研究. 2016(11)
[9]基于Mecanum轮的全向运动视觉导引AGV研制[J]. 喻俊,武星,沈伟良. 机械设计与制造工程. 2015(09)
[10]基于自适应遗传算法的改进PID参数优化[J]. 刘明,王瑞. 计算机测量与控制. 2015(03)
博士论文
[1]基于全方位视觉的车载嵌入式航标跟踪系统[D]. 李雁斌.天津大学 2009
硕士论文
[1]成品油储罐清洗机器人视觉导航技术研究[D]. 高庆珊.北京石油化工学院 2018
[2]基于视觉的AGV路径识别和跟踪控制研究[D]. 王松涛.兰州理工大学 2018
[3]自动导引车（AGV）控制系统的研究与实现[D]. 罗承双.江西理工大学 2018
[4]基于改进PSO-PID算法的四轴飞行器飞控系统研究[D]. 康日晖.太原理工大学 2018
[5]基于视觉的AGV控制系统研究[D]. 冯统庆.上海电机学院 2018
[6]基于混沌蚁群算法的无人机航路规划研究及系统实现[D]. 杨帆.南京航空航天大学 2018
[7]光伏电站中的航拍图像识别与匹配技术研究[D]. 吴枫杰.浙江大学 2018
[8]基于视觉导航的自动导引车设计与实现[D]. 赵博.山东大学 2017
[9]基于视觉的AGV导航控制与障碍物检测研究[D]. 佘宏杰.浙江工业大学 2016
[10]基于标识符视觉定位的AGV导航系统研究[D]. 徐叶帆.东南大学 2016
本文编号：3371539
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3371539.html
最近更新
教材专著
