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.     

自动导引车与机器集成调度问题研究现状

随着自动导引车（automated guided vehicles,AGV）的广泛应用,柔性制造车间中机器设备与AGV之间的协同配合日益受到重视。AGV与机器的集成调度主要研究机器分配、工序排序、搬运任务的AGV分配以及AGV路径规划。该问题是极为复杂的组合优化问题,对其研究具有重要的学术意义和应用价值。围绕问题特征,从模型与算法两个方面,对国内外最新的研究文献进行了梳理。对现有模型中的约束条件和优化目标进行了详细分类,从遗传算法、混合优化算法、仿真优化算法等五个方面综述了现有算法研究中的代表性成果。在此基础上,指出了现有研究中的不足,提出了未来的研究内容和方向。     

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.     

基于三次B样条曲线的叉车型AGV路径规划研究

针对工厂环境下叉车型AGV在沿给定参考路径运行时,因避障等问题产生的大幅度偏离参考路径的现象,将三次B样条曲线用于路径规划。规划路径在满足AGV运动学约束、最大曲率约束、起点和终点位姿等约束的条件下,使AGV以最短距离回到原参考路径。算法将路径规划问题转化为参数优化问题,将规划路径距离作为目标函数优化求解参数。算法最后使用Matlab针对直线和圆弧参考路径进行了仿真验证,结果表明本文算法能够在大偏差情况下,规划出一条最短路径,使AGV回到参考路径。     

基于动态平衡策略的自动化码头多AGV路径优化算法研究

对自动化集装箱码头AGV(automatic guided vehicle)自动运输系统路径规划算法和港口布局进行深入研究之后,针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题,提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进,在考虑路径距离的基础上,同时引入该路径上预计通过的AGV数量,实现了路径分配的动态平衡;提出了改进速度控制策略和重新规划路径控制策略,有效减少了冲突次数,且减少了道路堵塞率。建立了基于动态平衡策略与基于MAS(multi-agent system, MAS)的控制方式对比实验,结果表明该算法能有效求解500个任务以上的大规模任务分配问题,并且显著降低平均堵塞率0.000 8～0.005 5。此算法亦可应用于其他类型的码头布局中,进一步提高了码头水平运输效率。     

基于改进的蚁群算法（ACO）的混合多目标AGV调度

蚁群算法是一种通过模拟蚁群的寻路行为对现实问题进行优化的现代智能仿生算法。针对实现AGV任务作业调度时,行驶路径最短的实际应用需求,本文将AGV的路径优化模型转化为旅行商问题,分析了多目标AGV优化中出现的冲突问题。在本文中,尝试了一种直接通信机制来进行改进传统算法,改进后的方法能够更好地维持种群的持久性,最终对于AGV调度规划起到积极的作用,有效地提高了AGV调度系统的效率。     

对AGV路径规划A星算法的改进与验证

为了减少AGV（Automate Guide Vehicle,自动导引车）的运输路径长度和转折次数,提出了改进的A星算法,采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点,剔除路径中冗余节点和不必要拐点,获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向,使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点,还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率,降低了AGV的耗能。     

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.     

A~*算法的改进及其在AGV路径规划中的应用

A~*算法是一种启发式搜索算法,被广泛应用于路径规划中。其中,启发函数的设计尤其重要。针对物流工厂中自主移动机器人AGV运行路径的特点,提出一种A~*算法中启发函数的设计方法,以提高路径搜索效率。首先,进行环境地图建模,使用拓扑建模法,将AGV运行地图转化为图论中的有向图,并以邻接表的形式存储有向图中节点信息和边信息;然后,研究不同启发函数的选择对A~*算法执行效率的影响;最后,对A~*算法进行改进,结合实际工厂中AGV路径特点,研究加权曼哈顿距离中权值的选择对算法执行效率的影响,并选取经验值进行试验。试验结果表明,与采用曼哈顿距离作为启发函数的A~*算法相比,采用改进的A~*算法平均路径规划效率提高了11.6%。改进A~*算法在AGV路径规划中可以有效提高路径搜索的效率,作为一种适用于工厂环境的AGV的路径规划算法,对A~*算法启发函数的设计有一定的参考价值。     

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。     

高密集度AGV快递包裹分拣系统的路径规划

基于自动引导小车（AGV）的快递包裹自动分拣系统是智能物流的研究热点,路径规划是其关键问题之一.在快递包裹分拣系统中,AGV具有高密集性和车辆数量较大的特点,这种情况极易造成AGV拥堵,使得整个系统的性能降低.针对此问题本文提出可避免拥挤的CAA^*（Congestion-avoidable A^*）算法,该算法以A^*算法为基础,引入动态属性节点,建立动态环境模型,对各个节点可能发生的拥挤情况进行预测,判断是否存在潜在的拥挤节点,在路径规划过程中绕过潜在的拥堵节点,避免发生拥堵现象.实验结果表明,本文所提的CAA^*路径规划方法在具有高密集度和较大规模的AGV场景中,能有效避免拥堵,从而提高场地AGV的密集度和系统的分拣效率.对实际应用场地的仿真表明,本文的算法比传统的A^*算法AGV密集度提高了28.57%,系统分拣效率提高了24.29%.     

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。     

改进平滑A*算法的多AGV路径规划

科技的进步促使拥有众多优势的自动导引车（Automated Guided Vehicle,AGV）逐步替代人工搬运,随之产生的多AGV路径规划、协调问题也应运而生。针对上述问题,依据AGV行驶特征,构建笛卡尔坐标系环境,以传统A*算法为基础模型,通过引入3轴-2象限、路线转向数来剔除无效备选点,平滑行驶路径;以系统总工作时长最小为目标制定冲突判断标准与协调策略,实现系统运行效率最佳的目标。通过实例分析,改进A*算法单AGV线路最多可减少10.9%搜索点数和350%转向数;以时间最小为目标的协调策略能够有效避免因主观因素制定的优先度而导致系统陷入局部最优的现象。     

仓库物料运输系统多目标调度方法

为了提高仓库物料运输系统的效率,建立了考虑任务完成和AGV小车运行时间的多目标的调度模型,并提出了云模型影响下的出入库任务优先级分配策略。在此基础上,利用文化算法对问题进行了求解,讨论了算法的规则设计。最后,仿真结果表明,该算法是可行的,可以获得较好的效果,为AGV小车在仓库物料运输系统的应用提供了一种研究途径。     

Dynamic Scheduling and Path Planning of Automated Guided Vehicles in Automatic Container Terminal

The uninterrupted operation of the quay crane (QC) ensures that the large container ship can depart port within laytime, which effectively reduces the handling cost for the container terminal and ship owners. The QC waiting caused by automated guided vehicles (AGVs) delay in the uncertain environment can be alleviated by dynamic scheduling optimization. A dynamic scheduling process is introduced in this paper to solve the AGV scheduling and path planning problems, in which the scheduling scheme determines the starting and ending nodes of paths, and the choice of paths between nodes affects the scheduling of subsequent AGVs. This work proposes a two-stage mixed integer optimization model to minimize the transportation cost of AGVs under the constraint of laytime. A dynamic optimization algorithm, including the improved rule-based heuristic algorithm and the integration of the Dijkstra algorithm and the Q-Learning algorithm, is designed to solve the optimal AGV scheduling and path schemes. A new conflict avoidance strategy based on graph theory is also proposed to reduce the probability of path conflicts between AGVs. Numerical experiments are conducted to demonstrate the effectiveness of the proposed model and algorithm over existing methods.      

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。