基于时间窗的AGV动态避碰路径规划方法

为了解决多AGV在动态不稳环境下的无碰撞路径规划和系统效率提升的问题,提出了基于时间窗的AGV无碰撞路径规划方法。首先建立了多AGV的避碰模型,并结合时间窗模型,将多AGV的无碰撞路径规划分为预先规划和实时规划两阶段,预先规划阶段进行多AGV无冲突时间窗的计算和最大化系统中AGV的流通量,实时规划阶段通过改变AGV在避碰模型上的占用优先级和局部重规划的方法进行动态避碰。最后以某智能仓储为应用案例进行仿真实验,证明了该算法能有效避免多AGV的碰撞,提高AGV的流通量,同时在动态环境下具有较好的鲁棒性和柔性。     

紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A*算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A*算法,改进A*算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。     

多AGV路径规划方法研究

针对多自动导引车(Automated Guided Vehicle,AGV)在仓储物流中的路径规划问题,提出一种基于时间窗模型的动态路径规划方法,以实现多AGV的动态路径规划。首先,利用A*算法启发式地为多个AGV规划路径;其次,计算AGV经过路径节点的时间,通过对时间窗的排布和更新解决了多AGV在路径规划中的碰撞冲突问题,而且通过动态地为多AGV分配优先级,提升了系统效率;最后,当路径中出现障碍物时,通过动态更改道路权重,重新进行路径规划,实现了实时避障。仿真实验结果表明,该算法在保证路径最优的条件下能有效避免碰撞冲突,完成无重复、无冲突的系统调度,不仅能提高系统效率,而且在动态环境下具有良好的适应性和鲁棒性。     

基于改进蚁群算法的智慧物流调度规划

随着物流业的大力发展,通过发展智慧仓储物流,可以极大降低物流成本,加快产业的发展.本文提出了一种在智慧仓储中的AGV车辆系统避碰路径规划,首先利用带时间窗的栅格方法模拟了AGV的制造车间工作环境,提出一种改进蚁群算法,通过改进概率转换公式和信息素更新规则,最后仿真结果验证了该算法可以解决多个AGV的避障路径规划问题,进而实现智慧仓储物流.     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.     

多AGV调度系统中的两阶段动态路径规划

为缩短AGV系统的研发周期、降低研发成本,寻求能适应不同地图的通用调度策略以及增强对实际调度任务和故障的鲁棒性,提出了一种两阶段动态路径规划策略．对多AGV调度系统应用两阶段控制策略: 采用动态路径规划进行路径生成,实时对多个AGV同时规划其路径,并通过启发式算法实现路径优化．通过系统仿真证明,该策略很好地提高了AGV调度系统的柔性,是一种能适用于不同地图的通用调度策略．     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

基于动态优先级策略的多AGV无冲突路径规划

自动导引运输车(AGV)路径规划影响柔性制造车间的高效、平稳生产.分析了多AGV在车间执行运输任务时常见的冲突类型,提出了一种基于动态优先级策略的多AGV无冲突路径规划方法.该方法通过时间窗检测冲突类型,并将等待时间、行驶距离、任务紧急程度作为量化动态优先级的考虑因素,进而利用动态优先级作为等待、二次路径规划两种冲突消减方法的选择依据.案例研究表明,在已知各AGV可行路径时,运用所提方法不仅能够实现多AGV的无冲突路径规划,而且能够提升多AGV完成运输任务的整体效率.     

仓储式多AGV系统的路径规划研究及仿真

对于自动导引车（Automated Guided Vehicle,AGV）的单机路径规划问题,已存在很多静态算法可以有效求解。但由于AGV间抢占系统资源的相互影响和制约,多AGV的协同作业会出现死锁、碰撞冲突等问题,静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中,多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径,而在于多AGV的冲突避免或解决,达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进,并引入动态机制和冲突解决策略以满足作业需求;另一种方案提出一种具备多步前瞻性的主动避障算法,优化路径并提前避开交通拥堵路段,减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性,可有效解决冲突,且后者可持续扩展AGV数量,具有更高的系统效率。     

AGV路径规划及避障算法研究综述

自动导向车(Automated Guided Vehicle, AGV)目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术,决定了AGV在复杂环境中能否高效、安全地完成任务,近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点,将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类,对算法的原理、工作流程、优缺点进行了深入分析,并介绍了相应的改进算法.最后,本文对AGV路径规划及避障的未来发展趋势进行展望,为AGV路径规划及避障算法的研究指出了方向.     

大规模AGV的改进时间窗路径规划

在机器人路径规划中,A*算法搜索路径时存在大量冗余节点,随着任务量增加,其搜索效率也会急剧下降,因此无法适应大规模任务下的路径规划。为此提出一种改进时间窗的有界次优A*算法用于求解大规模自动导引车（automatic guided vehicle,AGV）路径规划问题。算法使用时间启发式,并在搜索过程中采用时空搜索,规划无冲突的最优或次优路径。算法主要进行了三处改进：采用时间启发式,缩短了路径时间;采用动态时间窗算法,避免多次路径规划;优化了聚焦搜索算子,降低负反馈。通过MATLAB实验结果证明改进后的算法在进行多机器人路径规划时,能快速有效地规划出无冲突的平滑次优路径,搜索效率高,稳定性强。     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

基于CiteSpace的AGV路径规划研究热点分析

AGV路径规划对于提升物料搬运效率起到了重要作用,随着技术的发展与AGV应用范围的逐步扩大,路径规划问题得到了许多学者的研究与关注。本文利用文献统计分析法与可视化工具CiteSpace软件,以中国知网与Web of Science为对象,对中外文文献分析。首先通过关键词词频与中心性排序得出研究热点,中文文献研究热点包含：路径规划算法、AGV调度、时间窗、激光导航;外文文献研究热点包含：flexible manufacturing system、material handling system、layout、AGV system、algorithm,接着对热点逐一述评。然后将中外文文献进行对比,分析异同之处。最后对AGV路径规划的研究进行展望,明确未来的研究将朝着以下几点展开：算法的组合优化、应用场景的针对性建模、相关问题的协同研究。     

多搬运任务下考虑碰撞避免的AGV路径规划

为提升自动导引小车在“货到人”仓库中的运行效率,针对AGV-托盘任务分配、单AGV路径规划及多AGV碰撞避免三个子问题的研究,以最小化AGV行驶距离为目标构建数学模型。首先,根据AGV与托盘的双边匹配问题特点设计改进的匈牙利算法求解匹配结果。其次,提出一种二维编码机制的改进遗传算法（improved genetic algorithm,IGA）,采用一种局部搜索算子代替原变异操作,在提高算法搜索性能的基础上使其成功应用于单AGV路径规划问题。然后,利用时空数据设计一种三维网格冲突检测方法,并根据商品SKU数量设定AGV的优先级以降低多AGV执行任务时的碰撞概率。最后,在32 m×22 m的仓库中针对不考虑碰撞与考虑碰撞两种情形进行AGV路径优化分析,给出合理的行驶距离和碰撞次数。IGA与标准遗传算法的对比结果显示,IGA能够在合理的时间内获得更高质量的解,行驶距离减少约1.74%,算法求解时间缩短约37.07%。此外,针对AGV数量灵敏度分析,在不同目标托盘规模下测试不同数量的AGV对行驶距离和碰撞次数的影响,发现14~16台AGV数量是最佳配置,验证了模型的可行性和算法的有效性。     

融合多目标与速度控制的AGV全局路径规划

为提升AGV工作效率并改善其躲避障碍物的执行能力,提出在静态与动态环境下的全局路径规划方法——多目标与速度控制法.在静态环境下,以路径最短与平滑度最大建立路径规划的多目标数学模型,采用所提出的改进算法求解并筛选,得到AGV的行驶路径;在动态环境中,根据障碍物的运动情况,提出感应转向算法,使AGV合理躲避障碍物.结合两种环境下的转向特点,设定AGV速度控制规则,应用于静态与动态环境下的转向过程,确保AGV能够行驶得更加平稳与快速.仿真实验表明,所提出方法能够确保AGV在两种环境下自由躲避和灵活转向,提升行驶速度,提高工作效率;与常规算法对比,改进算法的求解效果在时间和精度上都显著提高.