多AGV路径规划及调度控制策略研究

发布时间：2021-10-15 09:31

　　自动导引小车（AGV）作为一种新型的智能移动机器人,由于其自动化程度高、灵活性强、抗干扰能力强、安全性好等优点被广泛应用于仓储、智能车间、危险场所和特种作业等方面。为了使AGV能够更好地发挥自己的优点,对其关键技术的改善尤为重要。其中任务分配问题是多AGV系统完成任务的前提,因为AGV在完成任务之前,必须要知道自己需要执行哪项任务;路径规划问题是多AGV系统完成任务的基础,因为AGV必须在当前位置与任务点之间找到一条可以通行的较优路径;解决路径冲突问题是多AGV系统完成任务的保障,只有成功避免了AGV之间的路径资源冲突问题,才可以使多AGV系统更为高效,安全地完成任务。所以,本文选择以上问题做出优化与解决。首先,针对多AGV系统的任务分配问题。本文首先根据AGV任务分配的特点,构造了AGV任务分配的线性规划模型,再引进“层次分析法”来确定各指标的权重,使模型的各项系数更加科学,最后利用粒子群算法来解决该优化问题。仿真结果表明针对不同的应用场合,该方法可以得出不同的任务分配结果。说明引入“层次分析法”可以使任务分配更加具有针对性。其次,在进行路径规划时,针对传统栅格法建模由于栅格过多而使... 

【文章来源】：河北科技大学河北省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

主要组成部分间的关系

3将要执行的任务和执行任务的顺序与路径直接影响到了运输的安全与效率，所以任务分配、路径规划和调度控制成为科研界关注的热点问题。图1-2多AGV执行任务流程图1.2.1任务分配与单个AGV执行任务不同的是，合理的任务分配是多AGVs系统安全高效完成任务的前提，所以，任务分配问题已经成为了多AGVs系统领域的重点研究内容。TalShima等[30]提出将智能算法优化并应用于多AGVs的任务分配；HONGGUANG

14图2-2离散粒子群算法流程图2.3多AGV系统任务分配的数学模型在进行多AGV系统的任务分配时，我们要建立其数学模型，以便接下来的求解，首先我们将多AGV系统任务分配中的数学符号定义如下：表2-4相关符号说明符号说明AAGV集合T任务集合C任务的代价或者收益AAGV的个数T任务的个数x粒子群算法第a代，第b个粒子的解Z单个AGV最多完成任务的个数之后，我们对多AGV系统的任务分配问题做出以下假设：1)假设工作空间不存在障碍物等禁止通行的路段；2)假设AGV之间不存在碰撞问题；

【参考文献】：
期刊论文
[1]多AGV路径规划方法研究[J]. 泰应鹏,邢科新,林叶贵,张文安.  计算机科学. 2017(S2)
[2]基于非均匀环境建模与三阶Bezier曲线的平滑路径规划[J]. 卜新苹,苏虎,邹伟,王鹏,周海.  自动化学报. 2017(05)
[3]自动化码头多AGV路径冲突的优化控制研究[J]. 张素云,杨勇生,梁承姬,许波桅,李军军.  交通运输系统工程与信息. 2017(02)
[4]基于混沌遗传的智能吸尘器避障研究[J]. 杜隆胤.  计算机测量与控制. 2013(03)
[5]一种基于混合学习策略的移动机器人路径规划方法[J]. 郜园园,阮晓钢,宋洪军,于建均.  控制与决策. 2012(12)
[6]基于粒子群算法的多无人机任务分配方法[J]. 李炜,张伟.  控制与决策. 2010(09)



本文编号：3437826