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.     

基于蚁群优化算法的旋转货架拣选路径规划

给出自动化立体仓库单拣选台分层水平旋转货架系统的数学模型,提出一种改进的蚁群优化算法,用于解决货物拣选路径规划问题。该算法能快速找到最优货物拣选路径,得到的解质量较高且计算时间短。仿真结果表明,该方法适用于求解中小规模货物拣选路径的规划问题,可以提高自动存储作业效率。     

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。     

一种仓储AGV路径规划最优策略方法的实现

路径规划是自动导引车系统(AGVS)路径管理系统的关键技术,主要用来规划智能仓储中单台或多台自动导引车(AGV)的作业路径.研究并检验了一种基于迪杰斯特拉算法的堆优化路径规划策略方法,通过仓库多台AGV路径规划案例,表明可以实现最优的单车及多车路径规划策略,缩短了车辆在仓库中的作业时间,提高了AGV的使用效率.     

混合智能算法在AGV全局路径规划中的应用研究

首先采用网络拓扑图法对AGV工作空间建模,将AGV路径规划问题即可转化为求解网络拓扑图的最短路径问题.然后用Floyd-Warshall算法求拓扑图的可行路径点;再用改进的自适应遗传算法来调整各个可行路径点,得到最优或近似最优的路径.MATLAB仿真结果表明本算法行之有效,可以较为准确地搜索到AGV的全局最优路径.     

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.     

基于时间窗的改进两阶段AGV路径规划研究

针对自动导引车(AGV)在仓储物流搬运系统中的路径冲突问题,提出了一种基于时间窗的改进两阶段动态路径规划方法.对原有两阶段路径规划方法进行改进,在离线情况下,将时间窗原理和Di-jkstra算法相结合,顺序规划出各个AGV的路径,采用改变AGV优先级的方法在线进行路径动态规划.通过仿真实验证明了改进后算法可以减少冲突的概率,有效地避免了AGV之间的碰撞,不仅具有很好的鲁棒性和柔性,而且可以提高系统效率.     

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.     

病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

基于免疫遗传算法的智能柔性仓库货位自动化分配方法

针对没有充分考虑到货物就近存储、分配不均、入库效率低等的问题,为了有效地提高工作效率,提高空间利用率,设计了一个基于免疫遗传算法的智能柔性仓库货位自动化分配方法。将保证上轻下重的货架承重原则、先入后出的目标、关联性货物就近存储作为分配目标,采用免疫遗传算法不断迭代计算,赋予其自动化属性,对各层的个体给予同样的虚拟适度值,实现智能柔性仓库货位自动化分配。结果表明,所提出方法在应用后,能够将较重货物分配在底层,提高算法搜索效率,保证入库时间较短,满足智能柔性仓库自动化运维模式需求。     

改进粒子群优化算法的移动机器人路径规划

针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划.该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响的不同,拟合两种环境参数;然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类,分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化;最后通过改进的粒子群更新公式对粒子进行更新,实现机器人全局和局部路径的优化.实验结果表明,改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力,路径规划速度快且路径距离短,同时具备更强的鲁棒性.     

基于自适应飞蛾扑火优化算法的三维路径规划

三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷,提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略,在动态调整飞蛾飞行方向的同时不断产生新个体,有效避免了算法陷入局部最优;通过自适应调整火焰的数量,在算法全局探索阶段增强了种群多样性,避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解,实验结果表明,改进的自适应飞蛾扑火优化算法在所有算法中代价值最小,收敛速度最快,说明该算法在三维路径规划问题中具有更好的求解能力。     

基于协同多目标算法的多机器人路径规划

多机器人路径规划是群体机器人协同工作的前提,其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点,提出协同非支配排序遗传算法,解决具有多个优化目标的多机器人路径规划问题;运用改进的多目标优化算法,克服多目标优化取权值的不足,同时考虑机器人能源与时间两大资源,以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架,将难以求解的多变量问题分组求解.每个机器人的路径视为子种群,子种群通过带精英策略的非支配排序遗传算法,进化并筛选出子种群的部分进入协同进化,每次迭代更新外部的精英解集,最终生成一组非支配路径解.仿真结果表明,在栅格地图环境下,本文算法可有效实现多移动机器人的多优化目标路径规划.     

基于多目标蚁群优化的交通路径优化研究

路径优化是智能交通网络的重要组成部分。如今,仅仅要求出发地与目的地之间的距离最短在实际交通网络中已经不能满足人们的出行需求。本文引入危险品运输(transportation of dangerous goods)概念建立多目标路径优化模型。同时采用蚁群优化算法(Ant colony algorithm,ACA)作为解决多目标优化问题的方法。在分析蚂蚁算法运行机理的基础上,应用MAXMIN方法解决多目标优化模型中候选解的评价问题,并以MAXMIN方法得出的解的适应度(fitness)作为参数改进信息素定义规则,指导蚂蚁算法的搜索方向。最后,在GIS(Geographical Information System)决策系统的支持下,把该模型和算法应用于香港路径优化的实际问题中。实验结果表明模型是有效的,优化算法的收敛速度和优化结果都达到了预期效果。     

基于改进粒子群算法的UAV航迹规划方法

结合当前无人机集群发展趋势,针对航迹规划算法和策略问题开展研究,在分析经典粒子群算法和传统航迹规划方法基础上,提出了一种基于改进粒子群算法的航迹规划方法,将无人机航迹规划分为整体航迹规划和节点间航迹规划两部分,针对两部分对于搜索速度和解的精度的不同需求,结合环境模型及约束条件,分别设计粒子群航迹规划算法的评价函数;对于节点间粒子群航迹规划,通过设计分段式惯性权重调整公式改进粒子群算法,在保证了算法的搜索速度的同时,提高了航迹规划解的精度。通过仿真验证了该方法的正确性和可行性,横向对比其他算法策略分析了该方法的优越性。最后在算法自主实时性方向上对于后续的工作开展提出了期望。     

Haptic assisted aircraft optimal assembly path planning scheme based on swarming and artificial potential field approach

In this research, a novel near optimum automated rigid aircraft engine parts assembly path planning algorithm based on particle swarm optimization approach is proposed to solve the obstacle free assembly path planning process in a 3d haptic assisted environment. 3d path planning using valid assembly sequence information was optimized by combining particle swarm optimization algorithm enhanced by the potential field path planning concepts. Furthermore, the presented approach was compared with traditional particle swarm optimization algorithm (PSO), ant colony optimization algorithm (ACO) and genetic algorithm (CGA). Simulation results showed that the proposed algorithm has faster convergence rate towards the optimal solution and less computation time when compared with existing algorithms based on genetics and ant colony approach. To confirm the optimality of the proposed algorithm, it was further experimented in a haptic guided environment, where the users were assisted with haptic active guidance feature to perform the process opting the optimized assembly path. It was observed that the haptic guidance feature further reduced the overall task completion time.     

机器人路径规划的新型头脑风暴优化算法

针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。     

基于改进粒子群三次Bezier曲线优化的路径规划

为了实现在障碍环境空间下移动机器人的平滑最优路径规划,提出了一种利用Bezier曲线描述路径与改进粒子群优化算法相结合的路径规划方法。借助三次Bezier曲线描述路径,可以将路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,通过改进的具有指数变化的认知因子的粒子群优化算法进行最优路径搜索。仿真实验表明,该算法可以有效地进行平滑的无碰撞路径规划,并具有较强的跳出局部最优的能力。