地面机器人路径规划及其控制研究

发布时间：2023-05-10 02:52

　　地面机器人作为新型人工智能的一种,越来越受人们的青睐,其中属于地面机器人的AGV(自动导引小车)被广泛应用到物流仓储系统中。AGV的运行路径直接影响到其运输效率,为了进一步提高物流仓储的经济效益,改善关键技术是重中之重。为此,本文主要解决了两个关键问题:AGV的路径规划和控制研究。在路径规划方面,针对复杂环境下AGV小车路径规划存在收敛速度慢、极易陷入局部最优的缺点,提出一种基于几何规则的异类蚁群优化(GR-HFACO)算法。首先,利用几何规则非均匀分配初始信息素,设置双向并行搜索机制;其次,引入具有观点采择能力的蚂蚁高效协同工作;最后,在更新环节引入信息素负反馈环节以及交叉操作,并从数学角度证明了GR-HFACO算法具有全局收敛性。仿真结果表明,该算法的收敛速度以及全局搜索性能显著优于目前流行的ACON、TWPSS-ACO、SoSACO-v2、Sci-ACO和HHACO算法。在控制研究方面,针对AGV轨迹跟踪控制问题,采用模糊控制原理,设计了一种模糊控制器,通过对AGV运动学模型的分析,得到了控制AGV在绝对坐标系中位姿变化的2个变量,并将这2个变量作为输出变量,实现对AGV的轨迹控...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 地面机器人的研究背景
        1.1.1 地面机器人概述
        1.1.2 AGV概述
        1.1.3 AGV研究背景
        1.1.4 选题意义
    1.2 国内外研究现状及发展趋势
        1.2.1 全局路径规划
        1.2.2 局部路径规划
        1.2.3 控制研究
    1.3 研究内容
第2章 AGV小车路径规划
    2.1 路径规划的概述
    2.2 环境建模
    2.3 路径规划算法
        2.3.1 传统算法
        2.3.2 启发式算法
    2.4 基本蚁群算法
        2.4.1 觅食原理
        2.4.2 人工蚂蚁
        2.4.3 算法基本流程
    2.5 蚁群算法的研究进展
    2.6 本章小结
第3章 改进蚁群算法
    3.1 改进蚁群算法
        3.1.1 路径搜索
        3.1.2 路径更新
        3.1.3 改进蚁群算法流程
    3.2 改进蚁群算法收敛性证明
    3.3 仿真验证
    3.4 实验验证
    3.5 本章小结
第4章 AGV小车控制研究
    4.1 控制研究概述
    4.2 问题描述
        4.2.1 控制对象
        4.2.2 AGV运动学模型
    4.3 模糊控制器设计
        4.3.1 输入输出设置
        4.3.2 输入输出变量的模糊化
        4.3.3 隶属函数的确定
        4.3.4 控制器的控制过程
    4.4 仿真实验
    4.5 本章小结
结论
参考文献
攻读硕士学位期间所发表的论文
致谢



本文编号：3812883