自动导引车的路径规划算法
发布时间：2021-11-05 08:28
随着人工智能、信息图像处理技术、计算机集成制造技术和传感器融合技术的快速发展,自动导引车（Automated Guided Vehicle,AGV）在柔性制造系统和智能仓储系统的应用范围逐渐扩大。自动导引车是轮式移动机器人的一种,它是一种具有高安全性和高灵活性的自动化智能搬运装备。本文通过总结分析国内外AGV及其路径规划研究现状,对AGV在三种不同工作空间环境下的路径规划算法进行了研究,具体的内容叙述如下。第一,在路径规划算法和环境建模方面,对路径规划的概念和分类方法进行了研究,阐述了几种常见环境建模方法和路径规划算法的工作原理,对比了其各自的优缺点。第二,在AGV全局路径规划方面,研究了一种基于动态参数调整的双向搜索A*算法。通过与经典A*算法的仿真实验对比,验证了基于动态参数调整的双向搜索A*算法的有效性与可行性。第三,在AGV局部路径规划方面,研究了一种基于势场引导的蚁群算法。将人工势场算法中虚拟势场的势场合力信息与蚁群算法的启发信息相融合,解决了蚁群算法在初始路径搜索过程中出现的早熟和收敛速度较慢的问题,并利用人工势场算法对行驶过程中遇到的突发障碍物进行动态避障。通过仿真实验对...
【文章来源】：青岛大学山东省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 AGV研究概况
1.3 AGV路径规划的研究概况
1.4 论文研究内容和组织安排
第二章 AGV路径规划及建模方法
2.1 AGV路径规划方法
2.1.1 路径规划的定义
2.1.2 路径规划方法的分类
2.2 路径规划常用算法
2.2.1 人工势场算法
2.2.2 遗传算法
2.2.3 神经网络算法
2.2.4 蚁群算法
2.2.5 A*算法
2.3 环境建模方法
2.3.1 几何地图法
2.3.2 拓扑地图法
2.3.3 栅格地图法
2.3.4 AGV运动环境建模
2.4 本章小结
第三章 基于动态参数调整双向搜索A*算法的全局路径规划
3.1 经典A*算法
3.1.1 经典A*算法的原理
3.1.2 经典A*算法流程
3.2 基于动态参数调整的双向搜索A*算法
3.2.1 动态参数调整搜索策略
3.2.2 双向搜索策略
3.2.3 动态参数调整双向搜索策略
3.3 仿真实验与结果分析
3.4 本章小结
第四章 基于势场引导蚁群算法的AGV局部路径规划
4.1 经典蚁群算法
4.1.1 蚁群算法数学模型
4.1.2 蚁群算法的实现流程
4.1.3 蚁群算法的缺陷
4.2 APF-蚁群算法
4.2.1 人工势场算法数学模型
4.2.2 APF-蚁群算法数学模型
4.2.3 APF-蚁群算法流程
4.3 基于势场引导的蚁群算法局部路径规划
4.4 仿真实验与结果分析
4.5 本章小结
第五章 基于强化学习的AGV路径规划
5.1 AGV运动建模
5.2 强化学习
5.2.1 马尔可夫决策过程
5.2.2 Q-learning算法
5.2.3 行为选择策略
5.3 基于BP神经网络的Q-learning算法
5.3.1 神经网络算法数学模型
5.3.2 基于BP神经网络的Q-learning算法
5.4 仿真实验与结果分析
5.5 本章小结
第六章 总结与展望
参考文献
攻读学位期间的研究成果
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[J]. 赵静,汤云峰,蒋国平,徐丰羽,丁洁. 南京邮电大学学报(自然科学版). 2019(06)
[2]改进A*算法在磁导引AGV路径规划中的应用[J]. 林宁,邢丽娟,徐珂,秦立峰. 自动化技术与应用. 2019(07)
[3]基于改进灰狼优化算法的自动导引小车路径规划及其实现原型平台[J]. 刘二辉,姚锡凡,刘敏,金鸿. 计算机集成制造系统. 2018(11)
[4]监督式强化学习在路径规划中的应用研究[J]. 曾纪钧,梁哲恒. 计算机应用与软件. 2018(10)
[5]麦克纳姆轮AGV在汽车焊装车身转运中的应用[J]. 梅柯,锁少伟,王静,希志明. 自动化应用. 2018(05)
[6]一种改进量子行为粒子群优化算法的移动机器人路径规划[J]. 刘洁,赵海芳,周德廉. 计算机科学. 2017(S2)
[7]RRT与人工势场法结合的机械臂避障规划[J]. 何兆楚,何元烈,曾碧. 工业工程. 2017(02)
[8]基于混合蛙跳算法的移动机器人路径规划[J]. 潘翔,唐春晖,张仁杰. 电子科技. 2015(11)
[9]基于改进A*算法的AGV路径规划[J]. 李伟光,苏霞. 现代制造工程. 2015(10)
[10]混沌扰动模拟退火蚁群算法低碳物流路径优化[J]. 张立毅,王迎,费腾,周修飞. 计算机工程与应用. 2017(01)
硕士论文
[1]自动导引车系统中的路径规划方法研究[D]. 韩增亮.青岛大学 2019
[2]多移动AGV小车的路径规划技术的研究[D]. 胡海荣.杭州电子科技大学 2018
[3]自动引导运输车安全调度算法研究[D]. 刘元.哈尔滨工业大学 2017
[4]Qlearning强化学习算法的改进及应用研究[D]. 马朋委.安徽理工大学 2016
[5]基于Q学习算法的移动机器人路径规划方法研究[D]. 默凡凡.北京工业大学 2016
[6]基于改进蚁群算法的机器人路径规划[D]. 邱莉莉.东华大学 2015
[7]C公司基于精益思想的生产方式的研究[D]. 魏兴华.山东大学 2014
[8]AGV视觉导引及其路径规划策略研究[D]. 贾建成.燕山大学 2010
本文编号：3477445
【文章来源】：青岛大学山东省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景及意义
1.2 AGV研究概况
1.3 AGV路径规划的研究概况
1.4 论文研究内容和组织安排
第二章 AGV路径规划及建模方法
2.1 AGV路径规划方法
2.1.1 路径规划的定义
2.1.2 路径规划方法的分类
2.2 路径规划常用算法
2.2.1 人工势场算法
2.2.2 遗传算法
2.2.3 神经网络算法
2.2.4 蚁群算法
2.2.5 A*算法
2.3 环境建模方法
2.3.1 几何地图法
2.3.2 拓扑地图法
2.3.3 栅格地图法
2.3.4 AGV运动环境建模
2.4 本章小结
第三章 基于动态参数调整双向搜索A*算法的全局路径规划
3.1 经典A*算法
3.1.1 经典A*算法的原理
3.1.2 经典A*算法流程
3.2 基于动态参数调整的双向搜索A*算法
3.2.1 动态参数调整搜索策略
3.2.2 双向搜索策略
3.2.3 动态参数调整双向搜索策略
3.3 仿真实验与结果分析
3.4 本章小结
第四章 基于势场引导蚁群算法的AGV局部路径规划
4.1 经典蚁群算法
4.1.1 蚁群算法数学模型
4.1.2 蚁群算法的实现流程
4.1.3 蚁群算法的缺陷
4.2 APF-蚁群算法
4.2.1 人工势场算法数学模型
4.2.2 APF-蚁群算法数学模型
4.2.3 APF-蚁群算法流程
4.3 基于势场引导的蚁群算法局部路径规划
4.4 仿真实验与结果分析
4.5 本章小结
第五章 基于强化学习的AGV路径规划
5.1 AGV运动建模
5.2 强化学习
5.2.1 马尔可夫决策过程
5.2.2 Q-learning算法
5.2.3 行为选择策略
5.3 基于BP神经网络的Q-learning算法
5.3.1 神经网络算法数学模型
5.3.2 基于BP神经网络的Q-learning算法
5.4 仿真实验与结果分析
5.5 本章小结
第六章 总结与展望
参考文献
攻读学位期间的研究成果
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[J]. 赵静,汤云峰,蒋国平,徐丰羽,丁洁. 南京邮电大学学报(自然科学版). 2019(06)
[2]改进A*算法在磁导引AGV路径规划中的应用[J]. 林宁,邢丽娟,徐珂,秦立峰. 自动化技术与应用. 2019(07)
[3]基于改进灰狼优化算法的自动导引小车路径规划及其实现原型平台[J]. 刘二辉,姚锡凡,刘敏,金鸿. 计算机集成制造系统. 2018(11)
[4]监督式强化学习在路径规划中的应用研究[J]. 曾纪钧,梁哲恒. 计算机应用与软件. 2018(10)
[5]麦克纳姆轮AGV在汽车焊装车身转运中的应用[J]. 梅柯,锁少伟,王静,希志明. 自动化应用. 2018(05)
[6]一种改进量子行为粒子群优化算法的移动机器人路径规划[J]. 刘洁,赵海芳,周德廉. 计算机科学. 2017(S2)
[7]RRT与人工势场法结合的机械臂避障规划[J]. 何兆楚,何元烈,曾碧. 工业工程. 2017(02)
[8]基于混合蛙跳算法的移动机器人路径规划[J]. 潘翔,唐春晖,张仁杰. 电子科技. 2015(11)
[9]基于改进A*算法的AGV路径规划[J]. 李伟光,苏霞. 现代制造工程. 2015(10)
[10]混沌扰动模拟退火蚁群算法低碳物流路径优化[J]. 张立毅,王迎,费腾,周修飞. 计算机工程与应用. 2017(01)
硕士论文
[1]自动导引车系统中的路径规划方法研究[D]. 韩增亮.青岛大学 2019
[2]多移动AGV小车的路径规划技术的研究[D]. 胡海荣.杭州电子科技大学 2018
[3]自动引导运输车安全调度算法研究[D]. 刘元.哈尔滨工业大学 2017
[4]Qlearning强化学习算法的改进及应用研究[D]. 马朋委.安徽理工大学 2016
[5]基于Q学习算法的移动机器人路径规划方法研究[D]. 默凡凡.北京工业大学 2016
[6]基于改进蚁群算法的机器人路径规划[D]. 邱莉莉.东华大学 2015
[7]C公司基于精益思想的生产方式的研究[D]. 魏兴华.山东大学 2014
[8]AGV视觉导引及其路径规划策略研究[D]. 贾建成.燕山大学 2010
本文编号：3477445
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3477445.html
