数字孪生驱动的车间自动导引车路径规划

针对车间物流配送中的自动导引车(AGV)路径规划问题，以某企业自动化总装车间为研究对象，提出一种数字孪生驱动的AGV路径规划方法。建立了车间数字孪生环境模型，设计了基于环境地图孪生模型的无冲突路径规划算法。对于车间内实时到达的配送任务订单，采用改进的A^*算法结合环境地图孪生模型中的动态邻接矩阵和时间窗矩阵，按任务优先级顺序为相应的AGV规划无冲突路径，并实时更新孪生模型中的数据。所提方法使AGV配送的任务完成时间和冲突调整时间分别平均减少13.4%和17.54%。     

基于改进A算法的AGV路径规划研究

针对传统A?算法在AGV路径规划中存在遍历节点数和转弯次数较多问题,提出一种基于启发函数改进A?算法.该算法采用加权曼哈顿距离作为启发函数,使得距离估计成本更接近最短距离,以减少算法遍历节点数;另外,在算法启发函数中引入转弯修正代价参数,从而减少路径转弯次数.MATLAB软件仿真实验结果表明,较传统A?算法,基于启发函数改进A?算法在AGV路径规划中能有效减少遍历节点数和路径转弯次数,提高AGV路径规划中路径搜索效率和路径平滑性.     

FMS中自动导引车路径规划

针对柔性制造系统中自动导引小车(AGV)路径规划的问题,给出了一种动态路径时间模型,通过注册和删除自动导引小车在路径节点上的登记信息来更新模型;基于此模型,提出了一种基于A*算法的多AGV动态路径规划方法,该方法对潜在的冲突进行检测,并分类处理,避免了潜在的碰撞和冲突,从而有效的搜索最短时间路径;同时给出了算法的具体求解过程;最后结合基于VC++6.0开发的AGV控制系统软件对算法进行仿真,实例与仿真证明了算法的可行性。     

基于SLAM的校园配送AGV地图构建及路径规划研究

随着无人配送的推广与应用，自动导引运输车（AGV）的导航方法成为了研究的热点。主要针对校园配送AGV的地图构建和路径规划展开研究，地图构建由即时定位与地图构建（SLAM）来实现，路径规划则根据已构建好的地图，在点与点之间计算好最优路线。采用基于LOAM的算法，将SLAM问题分为高频的运动估计和低频的环境建图。在运动估计中通过曲率计算提取平面点和边缘点两种特征，采用scan-to-scan方式进行特征匹配，并建立误差模型。在环境建图中采用map-to-map方式匹配，运用PCA算法提取点云中的特征点，利用LM算法来求解。再结合A*算法和DWA算法获得最优路径，并提高了对环境的适应能力。实验结果表明，提供的地图构建及路径规划方法能够满足AGV在校园环境多种不同模拟场景中的定位导航需求，具有一定的可行性和可靠性。     

智能仓库中的多机器人协同路径规划方法

为了解决智能仓库多机器人协同路径规划问题,提出一种交通规则和预约表下的基于改进A*算法的动态加权地图。首先通过集中控制方法生成预约表,然后利用预约表与交通规则防止机器人之间发生碰撞;然后利用预约表生成动态加权地图,解决机器人间的交通拥堵问题;最后通过分布式控制方法,利用改进的A*算法预约表和动态加权地图,实现多机器人的动态协同路径规划,达到了提高系统效率的目的。通过仿真实验验证了所提方法的有效性。     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

基于改进A*算法的AGV路径规划

自动引导小车(Automatic Guided Vehicles,AGV)广泛应用于物流自动化系统,针对AGV的路径规划问题,提出了一种改进的A*算法,该算法引入转弯因素,使规划的AGV路径更加平滑;并充分利用求解的最短路径信息,采用一种删除边的算法来求解k次短路径问题;实例仿真证明了改进的A*算法的可行性,通过与其他求解k次短路径问题的算法进行对比,证明删除边的算法简单、可行。     

AGV复合自主路径规划方法研究

针对AGV在动态环境下实时自主路径规划效率低的问题,提出了一种A*算法与D*算法复合自主路径规划的方法。首先通过A*算法生成AGV当前位置到目标位置的全局最优路径;其次,当AGV在全局路径行驶遇到障碍物时,根据障碍物和全局路径的相对位置关系,确定AGV绕开障碍物的局部搜索范围;最后,结合局部路径搜索范围和D*算法,将生成的局部避障路径拼接至已有全局路径,完成了路径拼接,以实现动态障碍场景下AGV到达目标位置时的全局路径更新。试验测试结果表明：所设计的复合路径规划方法能在AGV遇到障碍时实时规划避让路径,实现AGV在复杂动态环境下的自主行驶能力。     

Kiva机器人路径优化研究

为解决传统A^*算法无法实现多Kiva机器人在路径规划中有效地避免局部冲突的问题，本文改进了传统算法，得到基于提前预测冲突的A^*算法。首先对Kiva机器人的工作环境建立栅格地图，利用MATLAB进行实验仿真，结果表明，基于提前预测冲突的A^*算法不仅能为两个Kiva机器人规划出最优路径，而且能有效地避免动态的迎面冲突和交叉冲突，同时能实现Kiva机器人空载时在货架下任意穿梭，载货时只能走空闲道路的特点。     

多AGV定位和路径规划方法研究

针对多AGV小车在实际应用中出现的路径冲突问题,提出一种基于时间窗的多AGV路径规划改进方法。以AGV实时定位和无线通信技术为基础,将时间窗算法和dijstra算法相结合,依次规划各AGV的路径,并采用实时更新位置信息和时间窗排布的方法对冲突路段进行路径动态规划,有效地避免了AGV之间的路径冲突,提高了系统运行效率。