论文部分内容阅读
工业4.0的热潮已然席卷全球,以智能制造为核心的改革理念深入人心。自动化运输作为智能制造的重要环节,引导了大批移动机器人的产生和发展,自动导引车(AGV)就是其中一种,它在柔性制造系统(FMS)的生产流水线自动化物料运输以及仓储中心的物流自动化管理方面被广泛使用,极大地提高了企业的工作效率。但是根据工作场景与工作任务的不同,AGV的功能存在着较大差异。针对不同类型的AGV间功能的共性,本文在介绍了国内外对AGV的发展历史和现状后,研究了AGV的路径跟随问题和多AGV调度问题,并设计出一款通用型智能AGV,此AGV在保持其基础功能的同时,也可以进行良好的功能拓展。除此之外,本文在设计基础上提出了基于马尔科夫决策过程优化的新型sigmoid变体滑模趋近律算法来解决AGV寻迹问题,并且提出一种基于优化的模糊决策算法的调度方法解决多AGV调度问题。总的来说,本文主要研究内容体现在以下三个方面。1.在智能AGV的设计方面,出于对生产成本、控制性能以及应用需求等因素的考虑,本文采用磁导式AGV作为设计目标,分别对机械结构,传感功能模块以及核心控制器三个构成部分进行详细地描述。2.在智能AGV的寻迹方面,首先建立了AGV的运动学模型,在模型基础上利用离散滑模控制算法进行路径跟随,通过对常规的滑模趋近律在抖振方面的细致分析,提出基于sigmoid函数变体的新型滑模趋近律,针对其在AGV寻迹控制中存在收敛速度慢等问题,本文采用马尔科夫决策过程对提出的趋近律的关键参数进行调整,在简单介绍了马尔科夫决策过程的概念与特性后,根据收敛速度问题建立了基于马尔科夫决策过程的参数优化模型,最后总结了本文所提出的寻迹算法的总体流程。通过在Matlab软件平台的仿真实验以及借助Xilinx SDK软件平台将算法的C程序实现烧写至核心板进行实物实验,不仅验证了该方法的有效性,也表明了算法在实际应用场景中的可行性和稳定性。3.在智能AGV的调度方面,主要是以提高生产效率缩短任务周期为目标,在建立地面轨迹模型,AGV搬运耗时模型以及AGV模糊评价模型之后,利用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。针对模糊决策在权重向量的选择上存在主观性问题,本文利用切割-补偿主因素的方式进行优化,在多台AGV的选优比较中,利用分模式比较方式减少整体计算量,除此之外对调度系统的拓展性也加以说明。通过搭载调度实验仿真平台,并进行模拟调度实验,实验结果表明此算法既能保证AGV的运行效率同时也能提高系统的响应速度。