【摘 要】
:
自动引导小车(Automatic guided vehicles,AGV)被广泛地应用于无人生产车间,以完成生产物料在给定派单下的自动搬运,是现代智能工厂的重要组成部分。对于物料运输任务的快速性、准确性要求,AGV需要具备能够高效地完成路径寻优,并跟踪最优轨迹的能力。本课题主要研究的是将最优控制的理论方法结合深度学习方法,应用到AGV轨迹规划中,做到实时最优控制。传统最优控制方法用于轨迹规划问题求
论文部分内容阅读
自动引导小车(Automatic guided vehicles,AGV)被广泛地应用于无人生产车间,以完成生产物料在给定派单下的自动搬运,是现代智能工厂的重要组成部分。对于物料运输任务的快速性、准确性要求,AGV需要具备能够高效地完成路径寻优,并跟踪最优轨迹的能力。本课题主要研究的是将最优控制的理论方法结合深度学习方法,应用到AGV轨迹规划中,做到实时最优控制。传统最优控制方法用于轨迹规划问题求解的研究已有多年,现有的研究成果已有很多,但是最优控制中的直接法、间接法和动态规划法都存在一些缺陷,例如基于复杂动态模型的最优控制问题求解往往非常困难,需要每次反复迭代求解,轨迹优化的时间消耗增加了数倍,而且起始状态变动时,传统最优控制方法需要重新进行迭代求解,造成了求解时间的不可预测,对于实际的AGV轨迹规划问题,实时性无法得到保障,同时间接法中,良好的初始值猜测也是必要的。综上所述,研究具有更高自主、可靠的轨迹规划方法以保证AGV控制的最优性和实时性是值得的。本课题旨在拓展AGV的轨迹规划方案,并探索深度神经网络在控制领域的应用途径,本文的创新点可以总结为以下三点:(1)将具有静态和动态障碍的AGV的运动规划问题表述为经典的Bolza最优控制问题。随后,采用一种结合了用于处理不等式约束的平滑变换技巧的伪谱法,将原始最优控制问题转化为具有一系列等式或不等式约束的非线性规划问题,对于转化后的问题根据KKT(Karush-Kuhn-Tucker)条件,离线获得与原问题最优性一致的高保真数值解,从而有效地生成最优轨迹用于深度神经网络的训练。(2)针对静态和移动障碍物环境下AGV的最优轨迹规划问题,提出了一种基于深度神经网络(Deep neural network,DNN)的实时最优控制范式,根据给定扰动的初始状态,收集求解最优控制数值解得到的最优状态控制对,训练收敛的深度神经网络用于在载的产生相应的最优反馈控制,将在线迭代求解最优控制问题的耗时转移到了离线上,可以保证实时性的要求,同时可以将初始点泛化推广到一定的范围内。(3)数值仿真结果验证了不同结构设计下深度神经网络的性能,并通过与直接法求解结果的比较,证明了我们设计的深度神经网络控制器具有较高的控制精度。通过前向差分的方式结合神经网络控制器,获得整个AGV运动控制过程,可以得出所获得的控制器能满足实时性要求在载生成最优控制指令,将AGV引导至所需位置,并且对初始条件与中间状态具有很高的鲁棒性,同时可以应用于不同的障碍物约束的场景。
其他文献
目前工业机器人已广泛应用在智能制造领域,其中机器人位姿估计是工业应用中最常见的任务需求之一。在工业现场主要通过机器视觉实现简单场景下的机器人抓取位姿计算和物料分拣。随着工业控制对精确度和自动化要求的日益增长,传统的视觉位姿估计方法已不能满足日益复杂的任务场景与需求。在复杂工业应用场景中,待抓取的物体往往存在相互堆叠、交叉干扰、边缘模糊、噪声等问题,使工业机器人难以获取对于被测物体的准确抓取位姿。因
在临床医学上通过视力检测表对被测者的视力等级进行测评,传统的视力检测方式不但存在对场地和人员都有限制的问题,并且检测时不方便。而且视力检测仪器的成本很高,还需要专业人士操作指导。以上两种方法都耗费人力物力财力,且操作不易。基于此,以实现自动化视力检测为目标,本课题主要对用于自动化视力检测的手势识别模块进行研究,对手势识别过程中的深度学习算法进行改进,提高手势识别模型的识别精度和检测速度。本文主要工
随着电动化设备的普及,对电池充电技术的要求也越来越高。因为传统有线接触充电方式存在维护成本高、安全隐患突出、智能程度低等问题,所以一种灵活性好、安全性高、维护成本低的无线充电技术应用于移动式电动设备成为一种必然之势。针对目前无线充电技术(Wireless Charging Technology,WCT)所存在的传输功率、传输距离、传输效率等技术问题,传统的WCT不能够满足移动式电动设备智能、快速、
Relay无线回传方案利用FDD LTE或TDD LTE制式承载来为站点回传,相对微波有较强的非视距传输能力,可以解决城区、郊区等场景下的传统传输方式不可达的问题,因此成为当前无线通信网络部署的主流方案。根据设备选型、通信距离、站点连接方式、站点部署位置和站点间拓扑关系等约束条件,设计合理的宿主站、子站部署和连接方案以降低基站部署成本和减少路径传播损耗是Relay无线回传方案设计中的核心问题。为此
中医舌诊是中医望诊中的关键环节,通过分析人体舌部能够获取有关人体健康许多重要信息。随着生活水平的提高,人们越来越关注自身健康问题。而中医舌诊理论作为国内医学精华,在人体健康诊断方面发挥不可替代的作用。然而,传统的中医舌诊缺乏量化机制,容易受到外界环境与医生水平的影响,更具主观性。针对此问题,本文创新性提出使用计算机视觉技术自动舌象分类的方法,本文主要研究工作和创新点如下:(1)设计了舌象数据采集和
与传统的有线电能传输相比,无线电能传输技术因具有更高的安全性和更低的维护成本而成为当前的研究热点,在电动汽车、手机设备和数字家庭等场合具有广阔的应用前景。无线电能传输在收发线圈严格对准或者传输距离较近的情况下,具有较强的传输能力和较高的传输效率。但是,在实际应用中,耦合机构可能发生水平偏移或者传输距离可能发生改变,导致输出电压波动和效率降低等问题。因此,针对水平偏移和传输距离等问题的研究对于无线电
毫米波雷达在生命信号检测领域得到了广泛的应用,如驾驶员状态监测,病人心肺信号检测和家庭健康监护。目前在生命信号检测领域常用的毫米波雷达体制有超宽带雷达,调频连续波雷达和连续波雷达。调频连续波雷达兼具有连续波雷达测速和超宽带雷达测距的能力,而且对微小运动非常敏感,所以采用调频连续波雷达研究复杂环境下的生命信号检测。在生命信号检测过程中,很难保证被测目标全程保持静止状态,被测目标产生的随机身体运动会使
随着数控机床生产自动化的发展和超精密仪器的广泛应用,作为精密测量核心部件的光学编码器的测量精度对设备高精密加工或仪器高精密测量至关重要。光学编码器系统在测量过程中,易受到温度等环境以及系统内部干扰因素的影响,从而产生复杂的测量误差。这些内外因素交织在一起,使得这些误差成分不是简单地叠加,而是高度相互作用、耦合作用在光学编码器上,并呈现出非线性非平稳的状况。有研究表明,可以通过获取测量误差趋势来补偿
人们日益增长的通信需求极大促进了移动通信系统的更新换代。在全球加速部署的第五代移动通信系统根据频率可划分为FR1的Sub-6 GHz和FR2的毫米波两个大类,其中的毫米波频段由于其传播特性及技术瓶颈而被暂时搁置,并且正在进行关键技术的研究,因此Sub-6 GHz频段成为了各个主流国家部署5G的首选频段。选用Sub-6 GHz作为5G的初期建设频段能够有效减少基站部署成本,加速5G网络部署速度的同时
知识图谱被定义为包含多类型节点和多类型边的多关系图,它实际上是一个语义网络的知识库,如今已广泛地应用在证券投资、搜索、自适应教育、大数据风控、聊天机器人、智能医疗、推荐系统等领域中。如何采取有效的辅助信息去改善协同过滤推荐系统的性能成为研究的热点。目前,改善的主要方法有在推荐系统中引入如深度学习、神经网络、知识图谱等辅助信息,相比其他辅助信息,知识图谱不但能够使实体之间具有更加丰富的语义关系,从而