论文部分内容阅读
随着自动化制造、物流仓储业的飞速发展,对自动运输的速度提出了更高的要求。AGV是自动化制造、物流仓储中的关键运输设备,其应用规模从中小规模系统日益向大规模甚至超大规模方向发展。本文主要研究了大规模应用背景下多AGV系统的路径规划和监控技术。主要工作包括:针对大规模应用环境下AGV运行路网的负载平衡和局部拥塞防止问题,提出了使用考虑负载平衡的A*算法进行全局路径规划的方法,采用AGV运行代价同时考虑区域负载和运行路程的方式,实现了AGV运行路网的区域负载平衡。采用单向多入多出路网模型进行了仿真验证,结果表明改进算法可平衡路网负载,有利于提高AGV系统整体的运行效率。针对多AGV在局部交汇区域出现的冲突和死锁问题,构造了基于Q-Learning的局部路径规划算法和基于改进Dijkstra的局部路径规划算法。在基于Q-Learning的局部路径规划算法中,使用减少非法动作的方式减少了Q表。在基于改进Dijkstra的局部路径规划算法中,将AGV局部区域状态作为结点,将多AGV行动代价作为边,并在算法搜索中逐步构建图。仿真结果表明,基于Q-Learning的局部路径规划算法适用于求解AGV冲突和死锁,而基于改进Dijkstra的局部路径规划算法对于简单场景和相对复杂场景均有较好的表现。针对典型的仓储物流系统进行了AGV运行策略的优化。在局部环路模式下采用AGV在交叉点上动态优化特殊路径的方式实现集中式控制下的AGV运行策略优化。仿真结果表明,优化后的AGV运行策略可减少AGV的运行步数,提高多AGV系统的运行效率。设计规划了多AGV监控系统的软件结构,探讨了关键功能模块的实现技术。通过实际工业应用场景的路径规划实例进行了验证。