论文部分内容阅读
摘 要：随着经济和各行各业的快速发展，我国科技水平的提升，传统加工制造工厂逐渐向着智能化和无人化发展，AGV智能车的应用将大大提高制造工厂的工作效率，也能满足工厂柔性加工制造的需求。制造工厂的工作环境越复杂，对工厂内的安全要求也就越高，尤其是新兴的智能无人工厂，发生安全事故的后果是不可想象的。在这种复杂的工作环境中，AGV小车的路径规划问题需要考虑AGV的实际大小和尺寸，生成路径的安全性要求比路径最短更重要。遗传算法（geneticalgorithm，GA）在路径规划问题中，可以兼顾多个优化目标，可针对不同的需求设置不同的编码方式。在遗传算法中应用了非线性规划理论，考虑了路径的安全性和平滑度。提出了一种自适应遗传算法的路径规划方法，采用了人工势场对种群初始化，提高了算法收敛速度。提出了基于染色体信息熵的遗传算法，可通过基因交叉和变异使种群快速绕开障碍物。综上所述，现有文献虽然对基于遗传算法的路径规划方法加以改进，使其符合路径安全性的要求，但却只是简单的设置了固定的安全距离，没有考虑AGV小车的实际尺寸大小和AGV与障碍物之间的碰撞概率，并且算法改进后的收敛效率并不高。本文提出了一种融合碰撞概率的栅格地图构建方法，考虑了AGV的尺寸大小和位姿状态，并应用改进染色体编码和适应度函数的遗传算法对A*算法产生的初始路径进行优化，加快了遗传算法的搜索进程，最终得到的路径符合安全性、高效性和最短三项指标。
关键词：加工制造工厂;工厂AGV;安全路径规划;改进遗传算法
引言
工厂AGV行驶路径复杂、应用局限性等问题，以AGV配送物料行驶路径最短为目标，采用遗传算法进行AGV路径规划，并加入物料类型选择的循环套，通过多次实验确定最合理的控制参数，从而产生AGV运输多种类型物料的最优路径结果。使用Matlab软件对算法进行仿真，结果表明：该算法是有效的，能够直接实现AGV在运输多种类型物料时所产生的不同种路径的优化。
1工厂AGV问题描述
某工厂的AGV运输物料模型一般可以描述为：工厂的生产车间共有20台工作机器，需要5种物料，当AGV运输不同物料时，途经的机器坐标和数量不同，行驶路径有很多种。本文将研究如何运用遗传算法高效直接的产生AGV运输多种物料时的不同路径优化结果。鉴于AGV运输物料的过程比较复杂，且为了便于本文的模型建立及研究，现做如下规定和假设：1）单台AGV只可运输一种物料;2）AGV初始位置均在物料配送中心;3）AGV行驶路径是指从物料配送中心坐标为起点，途经所有需要此种类型物料的机器，最后回到起点;4）单台AGV的运输量可以满足全部机器所需的特定类型物料量。
2改进的遗传算法
2.1遗传算法染色体编码
本算法采用（-n，n）间整数编码的方式，染色体长度为A*算法产生基准路径的总节点数，编码数值的大小表示节点的偏移，偏移空间为由前一节点指向该节点线段的垂直法线上的栅格，规定0表示节点不偏移，负值表示向着前进方向的左边偏移n个栅格，正值则为向右偏移n个栅格。
2.2交叉操作
本文中，假设随机选择两个已经被复制的个体分别为：A=35749，B=46285，确定交叉点，A=35|749，B=46|285，在对应位置交换基因片段，同时保证每个个体依然是1-N的随机排列，防止进入局部收敛，交叉过程后则产生=46749，=35285两个新个体。
2.3交叉概率
选择将AGV运输C类物料的路径作为研究对象，遍历机器数目为N=13，AGV行驶路径个数也即群体规模为2N=26，迭代次数C为50次，设定变异概率，改变交叉概率的数值，每种情况实验15次，求出不同数值下的平均路径长度，发现当交叉概率时，平均路径长度最短。因此，本文中遗传算法的交叉概率取值为0.6为宜。
2.4模拟制造工厂AGV工作过程
根据加工制造工厂广泛应用的经典车床模型，在GAZEBO软件中建立了虚拟的制造工厂AGV工作环境，工厂空间大小为50m×50m，其中分布有CNC数控机床两台，小型操作台三个，中型切割机三台和大型数控车床三台。AGV小车的宽为40cm，长为40cm，长宽比为1。使用本算法模拟的AGV工作路径，其路径长度为67.725m，路径平均碰撞概率为13.721%。
3特殊环境参数监测系统
特殊监测系统设计是为了监测车间环境在生产过程中产生的非常规的空气内容物，使用者可以在显示系统上看到当前车间环境的天然气浓度、烟雾浓度、氢气浓度、一氧化碳浓度、酒精浓度、空气质量、可燃氣体浓度、液化气浓度的数值和火焰监测，并可以根据气体的种类的工作环境要求设定不同的报警阀值，当某项监测指标超过报警阀值则会触发报警。该系统采用MQ-2到MQ-9等8个模块、MQ-135模块和火焰传感器。基于AT89C52单片机系统以及PCF85914芯片进行设计，将8个MQ系列传感器分为两组分别连接在两个PCF8591芯片上进行A/D转换，单片机使用I2C总线连两个PCF8591芯片，分别使用90H和92H两个器件地址进行访问，按照顺序分别读取不同的传感器数值，并在显示系统上有对应的数字显示，MQ传感器误差均稳定在±0.1V以内。八项非常规监测数据根据气体种类要求设定不同的报警阈值，当超过所设定的200ppm对应阈值的时候就会触发报警系统报警，当环境恢复或达到标准时系统会停止报警。火焰传感器在有明火的情况下会像单片机发送异常信号，并通过报警模块进行报警。
4系统架构
OpenTCS是Google开发的一个移动机器人开源软件框架，用于移动机器人的订单接收、分发，并且提供了一整套用于外部调用的API接口。在OpenTCS的基础上，于顶层开发调度中间件，负责将用户或者生产系统生成的订单进行路径调度、订单融合优化、AGV分配，然后生成具体的Kernel内部数据传给Kernel;于客户端开发用户操作界面，使用RMI远程调度方法与Kernel数据交换，实现界面UI与服务器主进程的分离与通讯;在Kernel中开发响应针对下位机的驱动，在驱动中对调度数据进行预处理，并且与下位机建立TCP/IP通讯;下位机端开发与kernel中驱动对接的驱动程序，完成数据通讯，并且控制响应ROS节点实现对传感器的控制。
结语
工厂AGV的行驶路径问题，本文在路径优化操作前加入物料类型的选择循环套，针对不同的群体规模设定相应的迭代次数，并通过实验数据选择优化效果最佳的控制参数，最后进行了数据的仿真验证，证明了该算法的有效性。本文的研究成果扩大了遗传算法解决类似路径规划问题的应用面。对于工厂的实际生产情况来讲，本文的研究成果可以提高车间的生产效率，进而提升工厂经济效益。
参考文献
[1] 张军，赵玉刚，杨强，等.微型自动循迹搬运车控制系统的开发[J].组合机床与自动化加工技术，2017（7）：133-136.
[2] 倪生科，刘正江，蔡垚，等.基于混合遗传算法的船舶避碰路径规划[J].上海海事大学学报，2019，40（1）：21-26.
[3] 王雷，李明.改进自适应遗传算法在移动机器人路径规划中的应用[J].南京理工大学学报，2017，41（5）：627-633.
[4] 刘二辉，姚锡凡.基于改进遗传算法的自动导引小车路径规划及其实现平台[J].计算机集成制造系统，2017，23（3）：465-472.
关键词：加工制造工厂;工厂AGV;安全路径规划;改进遗传算法
引言
工厂AGV行驶路径复杂、应用局限性等问题，以AGV配送物料行驶路径最短为目标，采用遗传算法进行AGV路径规划，并加入物料类型选择的循环套，通过多次实验确定最合理的控制参数，从而产生AGV运输多种类型物料的最优路径结果。使用Matlab软件对算法进行仿真，结果表明：该算法是有效的，能够直接实现AGV在运输多种类型物料时所产生的不同种路径的优化。
1工厂AGV问题描述
某工厂的AGV运输物料模型一般可以描述为：工厂的生产车间共有20台工作机器，需要5种物料，当AGV运输不同物料时，途经的机器坐标和数量不同，行驶路径有很多种。本文将研究如何运用遗传算法高效直接的产生AGV运输多种物料时的不同路径优化结果。鉴于AGV运输物料的过程比较复杂，且为了便于本文的模型建立及研究，现做如下规定和假设：1）单台AGV只可运输一种物料;2）AGV初始位置均在物料配送中心;3）AGV行驶路径是指从物料配送中心坐标为起点，途经所有需要此种类型物料的机器，最后回到起点;4）单台AGV的运输量可以满足全部机器所需的特定类型物料量。
2改进的遗传算法
2.1遗传算法染色体编码
本算法采用（-n，n）间整数编码的方式，染色体长度为A*算法产生基准路径的总节点数，编码数值的大小表示节点的偏移，偏移空间为由前一节点指向该节点线段的垂直法线上的栅格，规定0表示节点不偏移，负值表示向着前进方向的左边偏移n个栅格，正值则为向右偏移n个栅格。
2.2交叉操作
本文中，假设随机选择两个已经被复制的个体分别为：A=35749，B=46285，确定交叉点，A=35|749，B=46|285，在对应位置交换基因片段，同时保证每个个体依然是1-N的随机排列，防止进入局部收敛，交叉过程后则产生=46749，=35285两个新个体。
2.3交叉概率
选择将AGV运输C类物料的路径作为研究对象，遍历机器数目为N=13，AGV行驶路径个数也即群体规模为2N=26，迭代次数C为50次，设定变异概率，改变交叉概率的数值，每种情况实验15次，求出不同数值下的平均路径长度，发现当交叉概率时，平均路径长度最短。因此，本文中遗传算法的交叉概率取值为0.6为宜。
2.4模拟制造工厂AGV工作过程
根据加工制造工厂广泛应用的经典车床模型，在GAZEBO软件中建立了虚拟的制造工厂AGV工作环境，工厂空间大小为50m×50m，其中分布有CNC数控机床两台，小型操作台三个，中型切割机三台和大型数控车床三台。AGV小车的宽为40cm，长为40cm，长宽比为1。使用本算法模拟的AGV工作路径，其路径长度为67.725m，路径平均碰撞概率为13.721%。
3特殊环境参数监测系统
特殊监测系统设计是为了监测车间环境在生产过程中产生的非常规的空气内容物，使用者可以在显示系统上看到当前车间环境的天然气浓度、烟雾浓度、氢气浓度、一氧化碳浓度、酒精浓度、空气质量、可燃氣体浓度、液化气浓度的数值和火焰监测，并可以根据气体的种类的工作环境要求设定不同的报警阀值，当某项监测指标超过报警阀值则会触发报警。该系统采用MQ-2到MQ-9等8个模块、MQ-135模块和火焰传感器。基于AT89C52单片机系统以及PCF85914芯片进行设计，将8个MQ系列传感器分为两组分别连接在两个PCF8591芯片上进行A/D转换，单片机使用I2C总线连两个PCF8591芯片，分别使用90H和92H两个器件地址进行访问，按照顺序分别读取不同的传感器数值，并在显示系统上有对应的数字显示，MQ传感器误差均稳定在±0.1V以内。八项非常规监测数据根据气体种类要求设定不同的报警阈值，当超过所设定的200ppm对应阈值的时候就会触发报警系统报警，当环境恢复或达到标准时系统会停止报警。火焰传感器在有明火的情况下会像单片机发送异常信号，并通过报警模块进行报警。
4系统架构
OpenTCS是Google开发的一个移动机器人开源软件框架，用于移动机器人的订单接收、分发，并且提供了一整套用于外部调用的API接口。在OpenTCS的基础上，于顶层开发调度中间件，负责将用户或者生产系统生成的订单进行路径调度、订单融合优化、AGV分配，然后生成具体的Kernel内部数据传给Kernel;于客户端开发用户操作界面，使用RMI远程调度方法与Kernel数据交换，实现界面UI与服务器主进程的分离与通讯;在Kernel中开发响应针对下位机的驱动，在驱动中对调度数据进行预处理，并且与下位机建立TCP/IP通讯;下位机端开发与kernel中驱动对接的驱动程序，完成数据通讯，并且控制响应ROS节点实现对传感器的控制。
结语
工厂AGV的行驶路径问题，本文在路径优化操作前加入物料类型的选择循环套，针对不同的群体规模设定相应的迭代次数，并通过实验数据选择优化效果最佳的控制参数，最后进行了数据的仿真验证，证明了该算法的有效性。本文的研究成果扩大了遗传算法解决类似路径规划问题的应用面。对于工厂的实际生产情况来讲，本文的研究成果可以提高车间的生产效率，进而提升工厂经济效益。
参考文献
[1] 张军，赵玉刚，杨强，等.微型自动循迹搬运车控制系统的开发[J].组合机床与自动化加工技术，2017（7）：133-136.
[2] 倪生科，刘正江，蔡垚，等.基于混合遗传算法的船舶避碰路径规划[J].上海海事大学学报，2019，40（1）：21-26.
[3] 王雷，李明.改进自适应遗传算法在移动机器人路径规划中的应用[J].南京理工大学学报，2017，41（5）：627-633.
[4] 刘二辉，姚锡凡.基于改进遗传算法的自动导引小车路径规划及其实现平台[J].计算机集成制造系统，2017，23（3）：465-472.