基于二维码导航的工业搬运机器人多路径优化方法研究
发布时间：2021-05-09 16:49
自动导引小车（Automated20Guided20Vehicle,AGV）也被称作搬运机器人,常常在现代物流中使用到。随着工业4.0时代的到来,工业仓储物流业也需要随之发展。因此,设计一个机器人智能搬运系统,实现物流的自动化向智能化转型,成为当前的研究热点。本文以实际工厂环境参考,以智能化物流仓库为研究背景,采用二维码导航的方式进行导航的地标索引。分析在多条路径存在的情况下,AGV如何在物流仓库中选择最优的路径,研究AGV多路径导航策略。针对导航策略下容易发生的死锁,设计AGV多路径调度策略。首先设计了AGV的导航调度系统,通过对比不同导航技术,结合实际环境,确定以二维码导航为基础进行分析。采用二维码和栅格法,对仓库进行环境建模,设计相应的栅格电子地图。然后在电子地图的基础上,研究AGV多路径导航策略。结合经典的最短路径算法和实际仓库环境,得到三种不同的AGV最短路径算法。针对实际中不同大小不同类型不同需求的环境地图,设计自适应调整路径规划算法,并通过Matlab进行实验。针对导航策略中发生的多路径死锁问题进行分析,建立AGV死锁问题模型,设计AGV多路径调度策略。最后通过openT...
【文章来源】：武汉工程大学湖北省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究的背景及意义
1.2 智能搬运AGV国内外研究状况
1.2.1 国外研究状况
1.2.2 国内研究状况
1.3 本课题研究的主要内容
第2章 搬运机器人总体架构设计与环境建模
2.1 AGV总体设计方案
2.2 AGV关键技术研究
2.2.1 AGV硬件设计
2.2.2 导航技术选择
2.2.3 二维码导航设计
2.3 仓库系统环境建模
2.3.1 电子地图的设计
2.3.2 地图建模实现步骤
2.3.3 分区化仓库管理
2.4 本章小结
第3章 AGV多路径规划算法研究
3.1 经典的最短路径算法
3.1.1 Dijkstra算法
3.1.2 遗传算法
3.1.3 蚁群算法
3.2 AGV多路径规划算法研究
3.2.1 基于Dijkstra算法的AGV路径规划
3.2.2 基于遗传算法的AGV路径规划
3.2.3 基于蚁群算法的AGV路径规划
3.3 多算法融合自适应路径规划算法
3.3.1 自适应算法设计
3.3.2 自适应算法仿真实验
3.3.3 自适应算法扩展
3.4 本章小结
第4章 AGV多路径规划算法应用
4.1 二维码导航应用
4.2 AGV紧急避障处理
4.3 AGV运行周期和状态信息
4.4 路径规划死锁模型
4.5 死锁问题解决
4.5.1 死锁预防
4.5.2 死锁避免
4.5.3 死锁检测
4.5.4 死锁解除
4.6 多AGV路径规划策略
4.7 本章小结
第5章 上位机通讯与实验
5.1 多线程通信格式与内容
5.1.1 modbus编码与数据传输
5.2 导航调度平台设计与开发
5.2.1 系统功能模块
5.2.2 导航调度系统数据库的设计
5.3 实验测试与结果分析
5.3.1 OpenTCS实验平台
5.3.2 实验环境
5.3.3 实验参数设定
5.3.4 实验结果分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
攻读硕士期间已发表的论文
致谢
【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人路径规划研究[J]. 王志中. 机械设计与制造. 2018(01)
[2]基于遗传交叉改进粒子群算法的充电站布局[J]. 张志宇,张会林,徐辉,叶玉凤. 计算机应用与软件. 2017(10)
[3](r,QI)-Transform:Reversible20Data20Anonymity20Based20on20Numeric20Type20of20Data20in20Outsourced20Database[J]. Iuon-Chang Lin,Yang-Te Lee,Chen-Yang Cheng. Journal of Electronic Science and Technology. 2017(03)
[4]求解旅行商问题的改进蚁群算法研究[J]. 张于贤,丁修坤,薛殿春,王晓婷. 计算机工程与科学. 2017(08)
[5]基于高适应度值遗传算法的AGV最优路径规划[J]. 赵大兴,余明进,许万. 计算机工程与设计. 2017(06)
[6]《中国智能制造“十三五”规划》发布:提出十大重点任务[J]. 伊然. 工程机械. 2017(01)
[7]一边多权图的邻接矩阵实现技术和Dijkstra算法的改进[J]. 刘喜勋,何苗. 自动化与仪器仪表. 2016(07)
[8]基于工业机器人的分拣生产线群控通信系统设计[J]. 王鸿博,李建东,崔晓晖,王宝平. 制造技术与机床. 2016(03)
[9]基于多传感器信息融合的惯性导引AGV设计[J]. 江杰,彭帅,李刚. 自动化应用. 2015(10)
[10]基于协同效益的任务与资源匹配优化方法[J]. 郭成昊,陆晓明,于跃,尚小东,端木竹筠. 指挥信息系统与技术. 2015(03)
博士论文
[1]双向运动型视觉导引AGV关键技术研究及实现[D]. 喻俊.南京航空航天大学 2012
硕士论文
[1]基于多台AGV调度的物流分拣系统[D]. 陈胜军.深圳大学 2017
[2]仓储搬运机器人控制系统设计与实现[D]. 徐航宇.南京理工大学 2017
[3]基于多AGV的智能仓储调度系统研发[D]. 邱歌.浙江大学 2017
[4]基于协作相容性的工作流任务分配优化方法[D]. 姬朝配.杭州电子科技大学 2016
[5]基于嵌入式平台的智能移动机器人系统设计[D]. 程坤.西安电子科技大学 2016
[6]AGV远程控制系统设计与实现[D]. 孙凌.南京邮电大学 2015
[7]SG2300巷道式仓储中心智能搬运AGV小车研制[D]. 高建东.内蒙古工业大学 2015
[8]基于Kiva系统的拣选作业优化与算法研究[D]. 张喜妹.北京邮电大学 2015
[9]基于遗传算法的关联规则在AGV系统中的研究与应用[D]. 欧阳桃红.杭州电子科技大学 2015
[10]基于机器视觉的搬运机器人系统研究与软件实现[D]. 屠海斌.东南大学 2015
本文编号：3177667
【文章来源】：武汉工程大学湖北省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究的背景及意义
1.2 智能搬运AGV国内外研究状况
1.2.1 国外研究状况
1.2.2 国内研究状况
1.3 本课题研究的主要内容
第2章 搬运机器人总体架构设计与环境建模
2.1 AGV总体设计方案
2.2 AGV关键技术研究
2.2.1 AGV硬件设计
2.2.2 导航技术选择
2.2.3 二维码导航设计
2.3 仓库系统环境建模
2.3.1 电子地图的设计
2.3.2 地图建模实现步骤
2.3.3 分区化仓库管理
2.4 本章小结
第3章 AGV多路径规划算法研究
3.1 经典的最短路径算法
3.1.1 Dijkstra算法
3.1.2 遗传算法
3.1.3 蚁群算法
3.2 AGV多路径规划算法研究
3.2.1 基于Dijkstra算法的AGV路径规划
3.2.2 基于遗传算法的AGV路径规划
3.2.3 基于蚁群算法的AGV路径规划
3.3 多算法融合自适应路径规划算法
3.3.1 自适应算法设计
3.3.2 自适应算法仿真实验
3.3.3 自适应算法扩展
3.4 本章小结
第4章 AGV多路径规划算法应用
4.1 二维码导航应用
4.2 AGV紧急避障处理
4.3 AGV运行周期和状态信息
4.4 路径规划死锁模型
4.5 死锁问题解决
4.5.1 死锁预防
4.5.2 死锁避免
4.5.3 死锁检测
4.5.4 死锁解除
4.6 多AGV路径规划策略
4.7 本章小结
第5章 上位机通讯与实验
5.1 多线程通信格式与内容
5.1.1 modbus编码与数据传输
5.2 导航调度平台设计与开发
5.2.1 系统功能模块
5.2.2 导航调度系统数据库的设计
5.3 实验测试与结果分析
5.3.1 OpenTCS实验平台
5.3.2 实验环境
5.3.3 实验参数设定
5.3.4 实验结果分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 工作展望
参考文献
攻读硕士期间已发表的论文
致谢
【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人路径规划研究[J]. 王志中. 机械设计与制造. 2018(01)
[2]基于遗传交叉改进粒子群算法的充电站布局[J]. 张志宇,张会林,徐辉,叶玉凤. 计算机应用与软件. 2017(10)
[3](r,QI)-Transform:Reversible20Data20Anonymity20Based20on20Numeric20Type20of20Data20in20Outsourced20Database[J]. Iuon-Chang Lin,Yang-Te Lee,Chen-Yang Cheng. Journal of Electronic Science and Technology. 2017(03)
[4]求解旅行商问题的改进蚁群算法研究[J]. 张于贤,丁修坤,薛殿春,王晓婷. 计算机工程与科学. 2017(08)
[5]基于高适应度值遗传算法的AGV最优路径规划[J]. 赵大兴,余明进,许万. 计算机工程与设计. 2017(06)
[6]《中国智能制造“十三五”规划》发布:提出十大重点任务[J]. 伊然. 工程机械. 2017(01)
[7]一边多权图的邻接矩阵实现技术和Dijkstra算法的改进[J]. 刘喜勋,何苗. 自动化与仪器仪表. 2016(07)
[8]基于工业机器人的分拣生产线群控通信系统设计[J]. 王鸿博,李建东,崔晓晖,王宝平. 制造技术与机床. 2016(03)
[9]基于多传感器信息融合的惯性导引AGV设计[J]. 江杰,彭帅,李刚. 自动化应用. 2015(10)
[10]基于协同效益的任务与资源匹配优化方法[J]. 郭成昊,陆晓明,于跃,尚小东,端木竹筠. 指挥信息系统与技术. 2015(03)
博士论文
[1]双向运动型视觉导引AGV关键技术研究及实现[D]. 喻俊.南京航空航天大学 2012
硕士论文
[1]基于多台AGV调度的物流分拣系统[D]. 陈胜军.深圳大学 2017
[2]仓储搬运机器人控制系统设计与实现[D]. 徐航宇.南京理工大学 2017
[3]基于多AGV的智能仓储调度系统研发[D]. 邱歌.浙江大学 2017
[4]基于协作相容性的工作流任务分配优化方法[D]. 姬朝配.杭州电子科技大学 2016
[5]基于嵌入式平台的智能移动机器人系统设计[D]. 程坤.西安电子科技大学 2016
[6]AGV远程控制系统设计与实现[D]. 孙凌.南京邮电大学 2015
[7]SG2300巷道式仓储中心智能搬运AGV小车研制[D]. 高建东.内蒙古工业大学 2015
[8]基于Kiva系统的拣选作业优化与算法研究[D]. 张喜妹.北京邮电大学 2015
[9]基于遗传算法的关联规则在AGV系统中的研究与应用[D]. 欧阳桃红.杭州电子科技大学 2015
[10]基于机器视觉的搬运机器人系统研究与软件实现[D]. 屠海斌.东南大学 2015
本文编号：3177667
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3177667.html
