单AGV最优路径规划及其系统开发

AGV(自动导引运输车)路径规划在 AGV 的运行过程中起着关键作用，虽然有关AGV 路径规划的研究已经有几十年，但由于 AGV 所处的工作环境具有复杂程度高、避障困难、优化路径难度大的特点，所以仍然有许多值得研究探索的地方。路径规划方法是对路径规划的关键，它在 AGV 的运行过程中起着重要作用。在长期的路径规划研究历程中，逐渐涌出了众多的路径规划算法，主要分为两大类，一是传统的算法，二是最近逐渐兴起的智能算法。但不管是传统的算法还是智能算法，它们都具有各自的优缺点，运用这些算法所得到的结果并不一定是最理想的，因此，这就需要研究者对路径规划方法做进一步深入的研究。

本文在了解有关 AGV 路径规划问题的现状、方法及目前存在的问题之上，并考虑到 AGV 在现实工作环境中的运行情况，针对单激光导航 AGV 路径规划问题进行研究。运用目前 AGV 路径规划方法规划出的路径普遍存在长度不够理想、圆滑度欠缺的缺点，因此有必要对现存的路径规划方法进行改进。本文主要采用两种路径规划方法，一种为改进的遗传算法，其改进主要有三处，第一处为对初始种群生成方法的改进，第二处为对变异算子的改进，第三处为平滑算子的引入。采用改进遗传算法的原因主要是其具有较好的并行性的特点，可以同时对多个解空间进行搜索。在本文中，在不同障碍物数量及不同障碍物摆放位置的环境下运用改进遗传算法对单激光导航 AGV 的运行路线进行规划，通过与基本遗传算法得到的结果对比来分析改进算法的性能，从而探究在不同环境下改进遗传算法相对于基本遗传算法对单激光导航 AGV 进行路径规划的优劣。

针对遗传算法中随机生成的初始种群个体适应度不高的缺点，本文采用另一种AGV路径规划方法，即遗传蚁群算法。在此方法中，初始种群个体不是随机产生，而是来自于蚁群算法每一代的迭代结果，然后经过选择、交叉、变异、平滑得出最终的结果，并经过与其它算法对比，证明了此算法具有一定的改进性。本文针对以上两种不同的路径规划算法，编制相应的 MATLAB 代码进行仿真验证，并基于 C#和 MATLAB 软件编制成相应的路径规划原型系统，并在两个激光导航 AGV经常工作的环境中运用此原型系统进行规划，证明了此原型系统具有一定的实用价值。