仓储搬运机器人路径规划仿真研究
发布时间：2021-04-25 18:04
进入到21世纪后,随着科技的发展以及工业4.0和中国智能制造2025等概念的提出,传统制造业正在经历着巨大的变革。AGV作为自动化仓储物流中应用最广泛的一种机器人,它的发展备受瞩目。传统的AGV需要人为设定运动路径,并通过埋设金属线或贴磁带等方式来达到导航的目的,这些方法虽然能够达到基本目标,但运动路径一旦设定不易更改。使用强化学习进行路径规划,可在无先验知识情况下,让智能体在环境中不断与环境交互进行试错学习来获得路径规划数据。而将深度学习与强化学习结合可有效解决强化学习学习效率慢和数据泛化差的问题。本文针对软包车间单AGV多目标任务调度研究较少的问题,通过查阅文献分析了目前印刷企业软包材料生产线中AGV小车的调度任务并设计了仓储搬运机器人路径规划仿真系统的框架。研究现有任务调度算法,包括多AGV任务调度和单AGV任务调度算法后,根据单AGV多目标任务的问题提出了基于短距离原则的任务调度算法来解决软包材料生产车间中单AGV多目标任务的调度问题。为了实现AGV小车无先验知识的导航,研究了现有路径规划算法,实现了近端策略优化算法并与传统路径规划算法A*算法进行了比较分析。使用研究的任务调度...
【文章来源】：西安理工大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 AGV调度算法研究现状
1.2.2 AGV路径规划研究现状
1.3 研究内容与论文结构
1.3.1 研究内容
1.3.2 论文结构
1.4 本章小结
2 AGV任务分析与系统构成
2.1 印企软包材料生产线
2.2 软包材料生产线中的AGV任务分析
2.3 系统体系架构设计
2.3.1 人机交互模块
2.3.2 AGV任务执行模块
2.4 本章小结
3 AGV调度算法研究
3.1 调度算法
3.1.1 多AGV系统的调度算法
3.1.2 单AGV系统的调度算法
3.2 基于短距离原则的任务调度算法
3.2.1 动态规划
3.2.2 基于短距离原则的任务调度算法
3.3 本章小结
4 AGV路径规划算法研究
4.1 传统路径规划算法研究
4.2 深度强化学习算法研究
4.2.1 深度学习
4.2.2 强化学习
4.2.3 深度强化学习算法
4.3 基于Unity3D平台的近端策略优化算法研究
4.4 PPO算法和A*算法的比较与分析
4.5 本章小结
5 仓储搬运机器人路径规划仿真系统实现
5.1 系统开发环境
5.2 系统总体结构
5.3 系统实现
5.3.1 用户登录注册和信息管理模块
5.3.2 订单信息管理模块
5.3.3 物料搬运计划管理模块
5.3.4 AGV任务执行和监测模块
5.3.5 任务调度与路径规划模块
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于A*算法在蜂巢栅格地图中的路径规划研究[J]. 陶哲,高跃飞,郑天江,李俊杰,李保在. 中北大学学报(自然科学版). 2020(04)
[2]深度强化学习在路径规划中的应用研究[J]. 叶伟杰. 电子世界. 2020(06)
[3]基于改进A*算法的室内服务机器人路径规划[J]. 黄金豪,吴建悍. 技术与市场. 2020(03)
[4]基于改进蚁群算法的移动机器人路径规划[J]. 陈劲峰,黄卫华,王肖,章政. 高技术通讯. 2020(03)
[5]基于多智能体强化学习的多AGV路径规划方法[J]. 刘辉,肖克,王京擘. 自动化与仪表. 2020(02)
[6]基于改进遗传算法的AGV路径规划[J]. 孙波,姜平,周根荣,董殿永. 计算机工程与设计. 2020(02)
[7]基于人工神经网络的机器人路径规划研究[J]. 陈麒瑞,杜少华,赵腾飞,宋莹. 电脑知识与技术. 2020(03)
[8]智能RGV动态调度策略分析与评价[J]. 杨洋. 计算机产品与流通. 2019(08)
[9]改进人工势场法的移动机器人路径规划[J]. 程志,张志安,李金芝,江涛. 计算机工程与应用. 2019(23)
[10]基于近端策略优化算法的四足机器人步态控制研究[J]. 张浩昱,熊凯. 空间控制技术与应用. 2019(03)
博士论文
[1]从虚拟到现实的智能车辆深度强化学习控制研究[D]. 杨顺.吉林大学 2019
[2]全局优化问题的几类新算法[D]. 刘杰.西安电子科技大学 2015
[3]策略梯度增强学习的理论、算法及应用研究[D]. 王学宁.国防科学技术大学 2006
[4]制造业生产物流系统规划与调度技术研究[D]. 朱华炳.合肥工业大学 2005
硕士论文
[1]包材生产流程的物料标识与物料驱动系统研发[D]. 白雨鑫.西安理工大学 2019
[2]基于强化学习的无地图导航策略研究[D]. 马留龙.哈尔滨工业大学 2019
[3]基于强化学习的非玩家角色AI系统设计与实现[D]. 石远.东华大学 2019
[4]仓储物流机器人集群协同调度系统研究[D]. 陈明智.江汉大学 2019
[5]基于深度强化学习的移动平台在已知环境下的路径规划[D]. 张心觉.西华大学 2019
[6]基于能效的多能互补型微电网在工业园区的应用研究[D]. 黄静.华北水利水电大学 2019
[7]仓储系统AGV路径规划研究[D]. 张政.北京化工大学 2018
[8]基于改进遗传算法的柔性作业车间调度问题研究[D]. 蔡劲草.安徽工程大学 2018
[9]基于深度强化学习的未知环境下机器人路径规划的研究[D]. 卜祥津.哈尔滨工业大学 2018
[10]基于多任务卷积神经网络的视频目标属性识别[D]. 孙想.安徽大学 2018
本文编号：3159843
【文章来源】：西安理工大学陕西省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 AGV调度算法研究现状
1.2.2 AGV路径规划研究现状
1.3 研究内容与论文结构
1.3.1 研究内容
1.3.2 论文结构
1.4 本章小结
2 AGV任务分析与系统构成
2.1 印企软包材料生产线
2.2 软包材料生产线中的AGV任务分析
2.3 系统体系架构设计
2.3.1 人机交互模块
2.3.2 AGV任务执行模块
2.4 本章小结
3 AGV调度算法研究
3.1 调度算法
3.1.1 多AGV系统的调度算法
3.1.2 单AGV系统的调度算法
3.2 基于短距离原则的任务调度算法
3.2.1 动态规划
3.2.2 基于短距离原则的任务调度算法
3.3 本章小结
4 AGV路径规划算法研究
4.1 传统路径规划算法研究
4.2 深度强化学习算法研究
4.2.1 深度学习
4.2.2 强化学习
4.2.3 深度强化学习算法
4.3 基于Unity3D平台的近端策略优化算法研究
4.4 PPO算法和A*算法的比较与分析
4.5 本章小结
5 仓储搬运机器人路径规划仿真系统实现
5.1 系统开发环境
5.2 系统总体结构
5.3 系统实现
5.3.1 用户登录注册和信息管理模块
5.3.2 订单信息管理模块
5.3.3 物料搬运计划管理模块
5.3.4 AGV任务执行和监测模块
5.3.5 任务调度与路径规划模块
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于A*算法在蜂巢栅格地图中的路径规划研究[J]. 陶哲,高跃飞,郑天江,李俊杰,李保在. 中北大学学报(自然科学版). 2020(04)
[2]深度强化学习在路径规划中的应用研究[J]. 叶伟杰. 电子世界. 2020(06)
[3]基于改进A*算法的室内服务机器人路径规划[J]. 黄金豪,吴建悍. 技术与市场. 2020(03)
[4]基于改进蚁群算法的移动机器人路径规划[J]. 陈劲峰,黄卫华,王肖,章政. 高技术通讯. 2020(03)
[5]基于多智能体强化学习的多AGV路径规划方法[J]. 刘辉,肖克,王京擘. 自动化与仪表. 2020(02)
[6]基于改进遗传算法的AGV路径规划[J]. 孙波,姜平,周根荣,董殿永. 计算机工程与设计. 2020(02)
[7]基于人工神经网络的机器人路径规划研究[J]. 陈麒瑞,杜少华,赵腾飞,宋莹. 电脑知识与技术. 2020(03)
[8]智能RGV动态调度策略分析与评价[J]. 杨洋. 计算机产品与流通. 2019(08)
[9]改进人工势场法的移动机器人路径规划[J]. 程志,张志安,李金芝,江涛. 计算机工程与应用. 2019(23)
[10]基于近端策略优化算法的四足机器人步态控制研究[J]. 张浩昱,熊凯. 空间控制技术与应用. 2019(03)
博士论文
[1]从虚拟到现实的智能车辆深度强化学习控制研究[D]. 杨顺.吉林大学 2019
[2]全局优化问题的几类新算法[D]. 刘杰.西安电子科技大学 2015
[3]策略梯度增强学习的理论、算法及应用研究[D]. 王学宁.国防科学技术大学 2006
[4]制造业生产物流系统规划与调度技术研究[D]. 朱华炳.合肥工业大学 2005
硕士论文
[1]包材生产流程的物料标识与物料驱动系统研发[D]. 白雨鑫.西安理工大学 2019
[2]基于强化学习的无地图导航策略研究[D]. 马留龙.哈尔滨工业大学 2019
[3]基于强化学习的非玩家角色AI系统设计与实现[D]. 石远.东华大学 2019
[4]仓储物流机器人集群协同调度系统研究[D]. 陈明智.江汉大学 2019
[5]基于深度强化学习的移动平台在已知环境下的路径规划[D]. 张心觉.西华大学 2019
[6]基于能效的多能互补型微电网在工业园区的应用研究[D]. 黄静.华北水利水电大学 2019
[7]仓储系统AGV路径规划研究[D]. 张政.北京化工大学 2018
[8]基于改进遗传算法的柔性作业车间调度问题研究[D]. 蔡劲草.安徽工程大学 2018
[9]基于深度强化学习的未知环境下机器人路径规划的研究[D]. 卜祥津.哈尔滨工业大学 2018
[10]基于多任务卷积神经网络的视频目标属性识别[D]. 孙想.安徽大学 2018
本文编号：3159843
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3159843.html
