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。     

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。     

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。     

基于最优偏差路径的自动导引车纠偏方法

针对使用二维码作为定位模块的视觉自动导引车(AGV)的轨迹跟踪问题,提出了一种基于最优偏差路径的模糊PID纠偏算法。首先建立AGV的运动学方程,将横向偏差和航向偏差作为控制系统的输入变量;其次引入Hamilton最优控制函数,得到基于最优偏差转化策略的AGV最优偏差路径和最优控制方程;最后以AGV与最优偏差路径之间的位姿偏差更新模糊PID控制器的参数,实时调节驱动轮的差速,使AGV按最优偏差路径行驶,实现AGV纠偏的最优控制。实验结果表明,该方法可以平稳、快速地消除横向和航向偏差,本文控制方法在极端偏差状态下的4种隶属度区间的横向偏差纠偏结果分别为2.38、2.54、3.29和4.43 mm,均不超过5 mm,纠偏距离小于1.2 m,跟踪精度为3.2 mm,既提高无轨导引AGV的导航精度,也能较好地满足系统运行的稳定性和伺服驱动能力。     

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。     

自动导引车路径跟踪和伺服控制的混合运动控制

对受到非完整约束和动力学影响的自动导引车(Automated guided vehicle,AGV),提出一种包含路径跟踪和伺服控制的混合运动控制模型。为消除AGV位姿偏差,在速度和加速度约束下,基于多步预测最优控制和智能预测迭代控制的路径跟踪技术,输出纠偏协调性最优的有限速度差控制量,并根据该控制量和AGV运行速度设置两驱动轮的目标速度。为消除驱动轮速度误差,以路径跟踪所需的伺服控制能力为决策偏好,采用多目标遗传算法优化伺服控制器的PID参数,保证两驱动轮的实际速度满足路径跟踪要求,并根据系统响应性能反馈速度和加速度约束。AGV路径跟踪试验表明,该混合运动控制模型可匹配路径跟踪技术的位姿纠偏能力与伺服控制技术的速度纠偏能力,有利于实现AGV运动性能的整体优化。     

基于时间窗指派的污染路径问题

考虑物流企业与客户对配送到达时间一致性的诉求,同时结合国家节能减排要求对车辆路径问题进行研究.物流企业需要在配送开始前为客户指派一个时间窗,由于客户具有配送前不确定需求的特点,通过引入需求场景概念,建立了以最小成本(碳排放成本和旅行成本)与最小配送时间为目标的基于时间窗指派污染路径问题的双目标优化模型.考虑到模型的复杂性,设计混合遗传—禁忌搜索算法.通过算例对设计的混合算法与构建的双目标模型进行分析,验证模型与算法的有效性,并与传统目标行驶距离最小和配送时间最小的指标进行数据对比分析.实验结果表明,基于时间窗指派污染路径问题的模型能够有效减少碳排放成本和旅行成本,但会引起配送时间的增加.     

Dispatching, routing, and scheduling of two automated guided vehicles in a flexible manufacturing system

This article presents a new approach for planning the dispatching, conflict-free routing, and scheduling of automated guided vehicles in a flexible manufacturing system. The problem is solved optimally in an integrated manner, contrary to the traditional approach in which the problem is decomposed in three steps that are solved sequentially. The algorithm is based on dynamic programming and is solved on a rolling time horizon. Three dominance criteria are used to limit the size of the state space. The method finds the transportation plan minimizing the makespan (the completion time for all the tasks). Various results are discussed. A heuristic version of the algorithm is also proposed for an extension of the method to many vehicles.     

基于模糊Q学习算法的AGV路径规划研究

路径规划是AGV控制系统中的关键技术.文章在分析了AGV路径规划方法的基础上,对于未知环境下AGV的局部路径规划问题,设计了一种改进的模糊Q学习路径规划策略,并给出具体执行步骤,最后用Matlab进行了仿真.仿真结果表明该方法规划的轨迹平滑、实时性好、具有良好的效果,该研究为进一步控制AGV奠定了基础.     

基于改进遗传算法的物料配送多 AGV 调度优化

为解决混流作业车间中物料配送多自动导引车（ AGV）的调度优化问题,以AGV配送物料行驶时间最短为目标建立数学优化模型,提出了一种改进的遗传算法进行AGV的任务分配和配送路径优化。在算法设计过程中,采用直接反映AGV配送路径和任务分配的整数编码方式,为避免常规交叉变异过程中产生不可行解的情况,改进了交叉变异算子,采用最好－最坏交叉模式和基因段随机交换的变异模式,获得了优化的调度方案。最后,以某重型机械公司装配车间内物料输送AGV调度优化为实例,并与遗传算法和分支定界法进行对比,验证了所提方法的可行性和有效性。     

New hybrid vision-based control approach for automated guided vehicles

Automated guided vehicles (AGVs) are a common choice made by many companies for material handling (MH) in manufacturing systems. AGV-based internal transport of raw materials, goods, and parts is becoming improved with advances in technology. Demands for fast, efficient, and reliable transport imply the usage of the flexible AGVs with onboard sensing and special kinds of algorithms needed for daily operations. So far, the majority of these transport solutions have not considered the modern techniques for visual servoing, monocular SLAM, and consequently, the usage of camera as onboard sensor for AGVs. In this research, a new hybrid control of AGV is proposed. The main control algorithm consists of two independent control loops: position-based control (PBC) for global navigation and image based visual seroving (IBVS) for fine motions needed for accurate steering towards loading/unloading point. By separating the initial transportation task into two parts (global navigation towards the goal pose near the loading/unloading point and fine motion from the goal pose to the loading/unloading point), the proposed hybrid control bypasses the need for artificial landmarks or accurate map of the environment. The state estimation of the robot pose is determined in terms of monocular SLAM, via extended Kalman filter coupled with feedforward neural network—the neural extended Kalman filter (NEKF). NEKF is used to model unknown disturbances and to improve the robot state transition model. The integration of the new hybrid control and NEKF has been tested in laboratory with the mobile robot and simple camera. Experimental results present the effectiveness of the proposed hybrid control approach.     

Bio-inspired neurodynamics-based cascade tracking control for automated guided vehicles

Nowadays, the automated guided vehicles (AGV) have been widely used with increasing missions in a variety of fields such as the industry, military, and research. Due to the nonholonomic constraints, fulfilling satisfactory control of the AGV becomes a big challenge. In the present work, a bio-inspired neurodynamics-based cascade tracking control strategy was proposed. Specifically, the bio-inspired neurodynamics module was utilized to generate smooth forward velocities for overcoming the sharp velocity jump. Moreover, with the cascade tracking approach, the nonholonomic system was transformed into a chained system. Additionally, a state differential feedback controller was applied to improve the tracking accuracy. Finally, simulation investigations based on Matlab codes with various parameter settings were carried out to verify the effectiveness of the proposed strategy. The simulation results showed that the proposed strategy in the present work is able to produce accurate, smooth, robust, and globally stable control for the AGV.     

改进的最大-最小蚂蚁算法在有时间窗车辆路径问题中的应用

利用最大-最小策略,最大最小蚂蚁算法减小了蚂蚁算法陷入局部陷阱的可能性。基于对最大最小信息素策略和信息素更新方式的改进,结合快速产生初始解的算法,提出了一种新方法。把该方法应用于有时间窗车辆路径问题,试验结果表明该算法是有效的。     

带时间窗的乳品配送车辆调度问题研究

本文对带时间窗约束的乳品配送车辆调度问题进行了研究,以乳品配送特性为基础,以调研数据为依据,建立了一个适用于乳品配送的车辆调度模型,并通过遗传算法求解,将某企业优化前后的配送路线进行对比,结果缩短了距离,提高了效率,达到了最终优化的目的。     

蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法.在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解.此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合.实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题.