多自动导引车路径规划的诱导蚁群粒子群算法

为有效解决多自动导引车路径规划中的冲突问题,提出一种诱导蚁群粒子群算法。在自动导引车行驶时间计算的基础上,分析了路段冲突、节点冲突问题,建立了多自动导引车路径规划模型。在诱导蚁群粒子群算法的状态转移规则中,增加诱导因子来引导自动导引车规避冲突;将蚁群算法与粒子群算法相融合,对路径与等待时间进行同时优化。不同规模算例的仿真结果表明,该算法能有效避免路段冲突与节点冲突,提高多自动导引车系统运行的安全性与效率。     

自动导引车导航与路径规划研究

自动导引车的自动化和智能化水平高,提高了企业的制造柔性。为充分发挥和拓展AGV在制造企业和物流行业的应用,分析了自动导引车关键技术即导航和路径规划的研究现状,比较了几种主要导航技术和路径规划方法的优点与不足,针对已有技术缺陷提出了改进措施,从系统集成、优化算法和新技术研究方面提升自动导引车的整体性能。     

融合多目标与能耗控制的无人仓库内AGV路径规划

为降低自动导引车的能耗,以提升其工作效率,促进无人仓库高效运转,提出一种两阶段全局路径规划方法。第一阶段建立了以路径最短与平滑度最大为约束的多目标函数模型,并采用改进后的量子粒子群优化算法进行求解,得出曲率不连续的初始路径;第二阶段根据Bezier曲线与平滑度约束对第一阶段所求的初始路径进行拟合修正,得到速度变化小、能耗低的几何连续路径。仿真结果表明,采用两阶段规划方法得出的路径能够提升自动导引车的工作效率并降低能耗;与常规算法对比,改进算法在优化时间和精度上效果显著。     

基于时间窗的自动导引车无碰撞路径规划

针对柔性制造系统中自动导引车的无碰撞路径规划问题,结合预先规划算法和实时规划算法的优点,提出基于先验决策的自动导引车无碰撞路径规划方法.将Dijkstra算法和时间窗原理相结合,顺序规划各个自动导引车的路径.在已规划自动导引车路径的基础上,运用基于Dijkstra的算法继续规划下一自动导引车,实现自动导引车的无碰撞路径规划.该算法能有效避免死锁及碰撞,并保证最优化路径,能快速响应新的任务,在动态环境下具有较好的柔性.结合实例说明了该算法的实现过程,并证明了该方法具有较好的鲁棒性和柔性,同时能提高系统效率.     

基于自动导引车单向导引路径网络的智能车间设备布局规划

传统的设备布局设计规划方法通常采用两个设备之间的直线距离或者曼哈顿距离作为优化变量,而没有考虑工件搬运设备在实际行驶过程中的路线。在以自动导引车为主的智能车间中,则必须考虑实际物流路径和物流效率。基于自动导引车单向导引路径,采用搬运频率、单位距离成本、最短有向距离等参数建立智能车间设备布局模型,进而利用混沌遗传算法来实现对物流路径的优化和生产设备布局模型的解算。最后,通过对某缸盖智能生产车间的设备布局规划问题的具体研究,借助MATLAB将本文提出的优化算法与遗传—模拟退火算法和简单遗传算法进行对比试验,并将3种优化算法的最终结果在Plant Simulation平台上进行仿真运行,试验结果表明了所提出的基于自动导引车单向导引路径网络的智能车间设备布局规划方法的有效性。     

基于改进时间窗的AGVs避碰路径规划

针对柔性制造系统中的自动导引车在动态不稳定环境下不能按照时间窗规划好的既定路径运行的问题,提出通过实时改变自动导引车通过节点的优先级,调整相应节点的自动导引车的通过顺序来更新自动导引车运行路径,对时间窗算法进行改进,从而实现多自动导引车动态环境下的路径规划。以含有8台自动导引车的淋雨线系统为应用案例进行仿真实验,对改进前的时间窗算法和改进后的时间窗算法进行对比,说明了算法的实现过程。通过仿真证明了该算法能减少冲突数目,有效实现多自动导引车避碰,具有更好的鲁棒性和柔性,同时能够提高系统效率。     

集成自动导引车路径规划的智能制造数字化车间设备布局优化方法

智能制造数字化车间具有自动导引车(AGV)、加工设备高度集成的特点。针对智能制造数字化车间布局和AGV路径规划分开优化,使得某区域的物料搬运过于集中,导致该区域AGV搬运工作量繁重,影响AGV路径规划的问题,建立了以物流运输量最小,物料搬运时长最短以及AGV数量最少为目标的智能制造数字化车间布局和AGV路径规划集成优化模型。提出一种改进的带精英策略的快速非支配排序遗传算法,采用系统化布置设计法来生成部分初始种群,增加初始种群分布,防止陷入局部最优;将不等长的双链染色体与疫苗接种策略引入非支配排序遗传算法,提高了算法的寻优速度和精度;最后求解得到一组Pareto解集,供决策者优中选优。通过实例验证了所提方法的有效性。     

基于标识线导航的自动导引车跟踪控制

为实现自动导引车对标识线路径的识别和跟踪,提出一种原理简单的视觉图像处理方法,包括阈值分割、滤波、边缘检测、变形矫正和改进的车体相对位置参数提取等。此方法能有效降低噪声干扰、图像变形对参数提取的影响以及增加图像处理的实时性;还提出一种适于自动导引车跟踪控制的最优控制策略。为验证理论分析的正确性,先对标识线图像进行处理,然后进行自动导引车的跟踪控制试验。结果表明,采用此种图像处理方法和最优控制策略的自动导引车,具有较为准确和可靠的路径跟踪效果。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

依订单拆分的多自动导引车物料配送路径规划

为了提升作业效率、降低配送成本,分析了多自动导引车物料配送路径规划问题,将其归结为一种带软时间窗的需求依订单拆分车辆路径问题。以使用自动导引车数目最少、行驶费用和时间窗偏离费用最低分别作为第一、第二优化目标,结合最大路长、载重、需求依订单拆分及时间窗满足率限制,建立了相应的数学模型,并设计了一种自适应禁忌搜索算法求解该问题。为了增强禁忌搜索能力,在算法中嵌入了自适应性、随机禁忌长度和禁忌表重新初始化策略。给出了自适应禁忌搜索算法对Solomn测试算例的求解结果,并与文献中的其他方法进行比较,结果表明该算法在自动导引车使用数和行驶费用方面都有较多节省,且达到或接近已知最好解,体现了该算法的有效性。