近年来, 随着工业 4 . 0 的到来与 电子 商务的迅猛发展 , 物流业已经成为经济发展 中重要的组成部 分。 由于劳动力成本逐渐地增加 , 企业生产 效率不 断地提升, 而自 动 导 引 车 ( Aut omated Guided Vehi cle , AGV) 具有 工作 效率高 , 安全可靠, 可完成复杂且繁琐 的工 作任务 以及应用范 围 广等优点 , 因此 AGV 成为现代物流 自 动化重要研宄方向 。
本文 以 AGV 为研 宄对象 , 重 点研究 AGV 路径规划 问 题 以及多 AGV 之间 的动态协调 问 题。 AGV 路径规划 问 题是 AGV 研究领域中一项关键技术问 题 , 目 标为每个 AGV 都 规划出 从起始地址到 目 标地址 的一条无碰撞最优路径, 多 AGV 之间 的动态协调 问 题则 是在 AGV 路径规划基础 上, AGV 在同一空 间环境中 同时移动 时 , AGV 之 间 能够实 现无碰协 调运作 。 针对 AGV 问 题首先采用 改进蚁群算法实现 AGV 路径规划 问 题 , 在此研宄成 果的基础上 , 给出 了 多 AGV 系统路径规划协调 策略。 主要工作包括:
1 . 首先对 AGV 组织 结构 , AGV 定位技术进行了研宄 , 并建立 了 AGV 运动学模型, 针对不 同算法进行 了 比较分析 , 最终采用 了 蚁群算法作为解决 AGV 路径规划 问 题的算法。
2. 研究 了 建立空 间 环境仿 真模型 的方法 , 结合本文研宄的对象及所适用 空间环境特点 , 利用 栅格法思想建立 了 空间 环境仿真模型 。 在传统 的蚁群算法的研 宄基础 上 , 对基本蚁 群算法启 发因子 的计算进行 了 改进 ; 提出 了 优胜劣汰机制 以及全局信 息素调 整改进方案 , 合理地更新了 路径规划 中 的 信息素 ; 利用最 大最小蚂蚁系 统对路径上信息素进行 了 限制 ; 研宄 了 路径规划 中死锁 问 题的解决方法。 最后 给出 了基于改进蚁群算法的 AGV 路径规划步骤并进行 了 仿真验证。
3 .研究 了 空 间 环境下多 AGV 路径规划结构 , 规 定 了 任务分配优先级 与 AGV优先 级 , 针对多 AGV 路径规划 系统给出 了 多 AGV 路径规划 目 标评价函数 以 及参数的选取方法; 确 定 了 碰撞判断 条件,且在满足碰撞条件的基础上分析 了 多种 冲突类型 , 并根据不 同冲突类型特征, 采用 了 不 同 的冲突类型判断方法, 同 时对不 同 冲突类型 设计了 不同 的解决策略 , 最后 给出 了 多 AGV 动态路径规划策略 步骤, 并进行 了 仿 真验证 。