多仓储机器人协同路径规划与作业避碰
发布时间：2021-11-28 14:01
针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.
【文章来源】：信息与控制. 2019,48(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
栅格模型图
出机器人与障碍物无碰撞的路径P1，P2，…，Pi．作业避碰层实质是消除机器人间的碰撞找到路径P'1，P'2，…，P'i．2基于蚁群算法的路径规划二维平面栅格化后，利用机器人配备的传感器及时获取环境信息，将障碍物做膨化处理占据有限个栅格．仓储机器人利用栅格信息进行路径规划，已知起点位置坐标Si(X0，Y0)，终点坐标Ei(X1，Y1)，在点S、E间寻找到满足约束条件最优路径(如图2所示)．多仓储机器人协同路径规划与作业避碰首先对各仓储机器人进行路径规划．图2基于栅格模型的路径规划示意图Fig．2Diagramofpathplanningbasedonthegridmodel2．1路径规划模型构建在路径规划数学模型中，机器人i路径Pi由一组栅格序号构成的向量表示Pi=(pi1，pi2，…，pil)，则路径总长度为1期夏清松，等:多仓储机器人协同路径规划与作业避碰32
选节点形成向量b与x轴正半轴的夹角，θ表示b与a的夹角．a、b、φ1、φ2的求取如式(11)～式(14)所示:a=(XE－XS，YE－YS)(11)b=(Xj－Xi，Yj－Yi)(12)φ1=arccosa·c|a|(13)φ2=arccosb·c|b|(14)式中，当前节点i坐标(Xi，Yi)，起点S坐标(XS，YS)，终点E坐标(XE，YE)，c表示x正半轴的单位向量，c=［1，0］T．由几何原理可知，任意两点间直线距离最短，当沿着该直线行走则路径最优(如图3所示)．f1反映了蚂蚁在路径选择的整体趋势中是沿着起点与目标点之间的欧氏路线的附近行走．因此，路径逼近于欧氏距离，有利于寻找最优路径．图3路径示意图Fig．3Schematicdiagramofthepath2．3终点导向函数设计寻径的初始时刻，各路径上信息素是等量的．因此，在初期各路径上信息素量差异较小蚂蚁处于游离态，寻径困难．为此，引入终点导向函数引导蚂蚁寻径，保证可行解，减少搜索时间，如式(15)所示:f2=1djE(15)已知可选节点j坐标(Xi，Yj)，终点E坐标(XE，YE)，式(15)可写成式(16):f2=1(Xj－XE)2+(Yj－YE)槡2(16)新启发式函数ηij:ηij=f1·f2=acosθ(Xj－XE)2+(Yj－YE)槡2(17)蚂蚁在寻径时以终点为导向沿着欧氏路线附近行走可确保找到可行路径，减少搜索时间，路径更优，提高算法收敛性能．2．4信息素更新轮盘赌选择随机性大蚂蚁不能在较短时间内完成一次路径搜索．因此，为了能在路径搜索过程中更好地凸显较好的路径，降低选择较差路径的概率，
【参考文献】：
期刊论文
[1]多机器人最优路径规划研究[J]. 舒翔翔. 信息与电脑(理论版). 2017(15)
[2]基于多策略混合人工鱼群算法的移动机器人路径规划[J]. 黄宜庆,彭凯,袁梦茹. 信息与控制. 2017(03)
[3]时效优先的轮式机器人编队避障策略[J]. 吴慧超,罗元,周前能,尹云鹏. 信息与控制. 2017(02)
[4]多移动微小型机器人编队控制与协作避碰研究[J]. 张大伟,孟森森,邓计才. 仪器仪表学报. 2017(03)
[5]基于改进蚁群算法的多机器人路径规划研究[J]. 顾军华,孟慧婕,夏红梅,董永峰. 河北工业大学学报. 2016(05)
[6]化工灾害搜救机器人路径规划研究[J]. 周旺平,巩力源,王雅. 计算机仿真. 2016(09)
[7]机器人路径规划的栅格模型构建与蚁群算法求解[J]. 柴寅,唐秋华,邓明星,胡进. 机械设计与制造. 2016(04)
[8]改进人工势场法的机器人路径规划[J]. 尹国强,贾云伟,张慧. 制造业自动化. 2015(23)
[9]亚马逊仓库Kiva机器人的应用分析与前景展望[J]. 吴菁芃. 物流技术与应用. 2015(10)
[10]基于双层模糊逻辑的多机器人路径规划与避碰[J]. 高翔,苏青. 计算机技术与发展. 2014(11)
本文编号：3524556
【文章来源】：信息与控制. 2019,48(01)北大核心CSCD
【文章页数】：8 页
【部分图文】：
栅格模型图
出机器人与障碍物无碰撞的路径P1，P2，…，Pi．作业避碰层实质是消除机器人间的碰撞找到路径P'1，P'2，…，P'i．2基于蚁群算法的路径规划二维平面栅格化后，利用机器人配备的传感器及时获取环境信息，将障碍物做膨化处理占据有限个栅格．仓储机器人利用栅格信息进行路径规划，已知起点位置坐标Si(X0，Y0)，终点坐标Ei(X1，Y1)，在点S、E间寻找到满足约束条件最优路径(如图2所示)．多仓储机器人协同路径规划与作业避碰首先对各仓储机器人进行路径规划．图2基于栅格模型的路径规划示意图Fig．2Diagramofpathplanningbasedonthegridmodel2．1路径规划模型构建在路径规划数学模型中，机器人i路径Pi由一组栅格序号构成的向量表示Pi=(pi1，pi2，…，pil)，则路径总长度为1期夏清松，等:多仓储机器人协同路径规划与作业避碰32
选节点形成向量b与x轴正半轴的夹角，θ表示b与a的夹角．a、b、φ1、φ2的求取如式(11)～式(14)所示:a=(XE－XS，YE－YS)(11)b=(Xj－Xi，Yj－Yi)(12)φ1=arccosa·c|a|(13)φ2=arccosb·c|b|(14)式中，当前节点i坐标(Xi，Yi)，起点S坐标(XS，YS)，终点E坐标(XE，YE)，c表示x正半轴的单位向量，c=［1，0］T．由几何原理可知，任意两点间直线距离最短，当沿着该直线行走则路径最优(如图3所示)．f1反映了蚂蚁在路径选择的整体趋势中是沿着起点与目标点之间的欧氏路线的附近行走．因此，路径逼近于欧氏距离，有利于寻找最优路径．图3路径示意图Fig．3Schematicdiagramofthepath2．3终点导向函数设计寻径的初始时刻，各路径上信息素是等量的．因此，在初期各路径上信息素量差异较小蚂蚁处于游离态，寻径困难．为此，引入终点导向函数引导蚂蚁寻径，保证可行解，减少搜索时间，如式(15)所示:f2=1djE(15)已知可选节点j坐标(Xi，Yj)，终点E坐标(XE，YE)，式(15)可写成式(16):f2=1(Xj－XE)2+(Yj－YE)槡2(16)新启发式函数ηij:ηij=f1·f2=acosθ(Xj－XE)2+(Yj－YE)槡2(17)蚂蚁在寻径时以终点为导向沿着欧氏路线附近行走可确保找到可行路径，减少搜索时间，路径更优，提高算法收敛性能．2．4信息素更新轮盘赌选择随机性大蚂蚁不能在较短时间内完成一次路径搜索．因此，为了能在路径搜索过程中更好地凸显较好的路径，降低选择较差路径的概率，
【参考文献】：
期刊论文
[1]多机器人最优路径规划研究[J]. 舒翔翔. 信息与电脑(理论版). 2017(15)
[2]基于多策略混合人工鱼群算法的移动机器人路径规划[J]. 黄宜庆,彭凯,袁梦茹. 信息与控制. 2017(03)
[3]时效优先的轮式机器人编队避障策略[J]. 吴慧超,罗元,周前能,尹云鹏. 信息与控制. 2017(02)
[4]多移动微小型机器人编队控制与协作避碰研究[J]. 张大伟,孟森森,邓计才. 仪器仪表学报. 2017(03)
[5]基于改进蚁群算法的多机器人路径规划研究[J]. 顾军华,孟慧婕,夏红梅,董永峰. 河北工业大学学报. 2016(05)
[6]化工灾害搜救机器人路径规划研究[J]. 周旺平,巩力源,王雅. 计算机仿真. 2016(09)
[7]机器人路径规划的栅格模型构建与蚁群算法求解[J]. 柴寅,唐秋华,邓明星,胡进. 机械设计与制造. 2016(04)
[8]改进人工势场法的机器人路径规划[J]. 尹国强,贾云伟,张慧. 制造业自动化. 2015(23)
[9]亚马逊仓库Kiva机器人的应用分析与前景展望[J]. 吴菁芃. 物流技术与应用. 2015(10)
[10]基于双层模糊逻辑的多机器人路径规划与避碰[J]. 高翔,苏青. 计算机技术与发展. 2014(11)
本文编号：3524556
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3524556.html
