【摘要】：自動導(dǎo)引運輸車AGV(Automated Guided Vehicle,AGV)是工廠智能運輸系統(tǒng)的一個核心組成成分。它能夠替代制造業(yè)車間中的人工搬運場景(諸如半成品與成品的運輸、成品的存儲等過程),實現(xiàn)工廠中貨物自動、智能、高效的運輸,從而使得物流系統(tǒng)智能的運轉(zhuǎn)。所以在汽車制造、3C、重工等自動化行業(yè)的生產(chǎn)和倉儲系統(tǒng)中得到廣泛使用。而隨著AGV的大量應(yīng)用,企業(yè)在保證生產(chǎn)與物流效率的前提下,往往也需要考慮到其投資成本,所以怎樣對AGV進(jìn)行合理的路徑規(guī)劃便成了研究熱點�，F(xiàn)有的AGV路徑規(guī)劃算法主要分為傳統(tǒng)算法與智能算法兩大類。其中,智能算法較傳統(tǒng)算法更容易實施,而且其搜索能力更強(qiáng),因而得到廣泛應(yīng)用。但是,現(xiàn)有的智能算法(包括遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、強(qiáng)化學(xué)習(xí)算法等)依然存在一些問題,例如遺傳算法的“早熟”問題與強(qiáng)化學(xué)習(xí)算法學(xué)習(xí)效率低的問題。針對這些問題,本文提出了相應(yīng)的改進(jìn)方法,主要內(nèi)容包括:1.對自由路徑導(dǎo)引(無磁條、地標(biāo)等路線作導(dǎo)向)下靜態(tài)環(huán)境中的AGV路徑規(guī)劃問題進(jìn)行了研究,并針對該問題應(yīng)用了遺傳算法模型,本文在遺傳算法的適應(yīng)度函數(shù)選取上引入了一些限制條件,優(yōu)化了路徑的選擇;其次針對遺傳算法容易“早熟”的問題,在種群中引入分層遺傳的概念,增加了種群多樣性,有效的提高了算法搜索性能。2.對自由路徑導(dǎo)引下動態(tài)環(huán)境中AGV的路徑規(guī)劃問題進(jìn)行研究,并設(shè)計了基于深度強(qiáng)化學(xué)習(xí)的路徑規(guī)劃模型。在改進(jìn)算法中將神經(jīng)網(wǎng)絡(luò)算法獲取的優(yōu)秀行為值作為強(qiáng)化學(xué)習(xí)的參考行為,優(yōu)化了強(qiáng)化學(xué)習(xí)算法隨機(jī)選取行為動作所帶來的學(xué)習(xí)效率低的問題。為了驗證所提算法的有效性,本文分別對改進(jìn)的智能算法與傳統(tǒng)智能算法進(jìn)行了仿真研究,并將其路徑規(guī)劃結(jié)果以及迭代曲線分別進(jìn)行對比研究。結(jié)果表明改進(jìn)的遺傳算法較原算法更具全局搜索能力,而且其路徑規(guī)劃結(jié)果更優(yōu);改進(jìn)的深度強(qiáng)化學(xué)習(xí)算法較傳統(tǒng)強(qiáng)化學(xué)習(xí)算法學(xué)習(xí)速度更快,有效縮短了最優(yōu)路徑規(guī)劃的學(xué)習(xí)時間。最后,總結(jié)了本文的主要創(chuàng)新之處與研究成果,指出了AGV路徑規(guī)劃問題有待進(jìn)一步解決的難點,并對AGV的調(diào)度問題進(jìn)行了展望,期待在以后的研究過程中能夠逐步解決和完善。
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TH186
【圖文】：

圖 1-1 AGV 工作場景Fig.1-1 AGV working scenario路徑規(guī)劃問題研究現(xiàn)狀徑規(guī)劃是運動規(guī)劃的關(guān)鍵問題之一，而運動規(guī)劃即尋找從起始狀態(tài)動過程中的最優(yōu)解。在求解運動規(guī)劃問題時，通常要考慮到一些限些條件下尋求最優(yōu)解。對路徑規(guī)劃的定義，各類文獻(xiàn)中的闡述略有，路徑規(guī)劃主要是指規(guī)劃一條路徑，使得機(jī)器人可以無碰、安全、運行至目的地。路徑規(guī)劃問題涉及到環(huán)境表達(dá)、規(guī)劃算法、以及路面[14、15]。環(huán)境表達(dá)指如何將 AGV 所處現(xiàn)場環(huán)境通過有效的數(shù)學(xué)建模法主要指利用高效、智能的算法來指導(dǎo) AGV，從而進(jìn)行有效的路徑是指相關(guān)底層控制器來控制 AGV 執(zhí)行路徑規(guī)劃結(jié)果。

10圖 2-1 遺傳算法流程圖Fig.2-1 Genetic algorithm flow chart遺傳算法全局尋優(yōu)能力較好，搜索快速，適用于最優(yōu)化求解問題[39]。但是其編程復(fù)雜，而且易于“早熟”，故而通常與其它算法進(jìn)行綜合來解決優(yōu)化問題。 深度學(xué)習(xí)介紹深度學(xué)習(xí)起源于神經(jīng)網(wǎng)絡(luò)，是由 Hinton 等人于 2006 年提出來的[40]。人工神經(jīng)

第二章 AGV 路徑規(guī)劃相關(guān)算法介紹模擬人腦的神經(jīng)元來分析問題的算法結(jié)構(gòu)，它能夠像人體的復(fù)雜數(shù)據(jù)（如聲音、圖像、文字等）。而深度學(xué)習(xí)則是神經(jīng)網(wǎng)絡(luò)架構(gòu)，是機(jī)器學(xué)習(xí)的一個分支。深度學(xué)習(xí)的基礎(chǔ)用于提取數(shù)據(jù)的特征，下面將主要介紹其算法原理。經(jīng)網(wǎng)絡(luò)算法是模擬人的神經(jīng)元而工作的，那么我們首先還工作原理，人體的神經(jīng)元結(jié)構(gòu)如圖 2-2 所示：

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊壬浩;劉羽;;A*算法的改進(jìn)及并行化[J];計算機(jī)應(yīng)用;2015年07期

2 方敏;李浩;;基于狀態(tài)回溯代價分析的啟發(fā)式Q學(xué)習(xí)[J];模式識別與人工智能;2013年09期

3 許斯軍;曹奇英;;基于可視圖的移動機(jī)器人路徑規(guī)劃[J];計算機(jī)應(yīng)用與軟件;2011年03期

4 李昌權(quán);吳罡;劉峰;戴偉;;卷煙工業(yè)自動導(dǎo)引車(AGV)系統(tǒng)的優(yōu)化改進(jìn)[J];煙草科技;2010年11期

5 魏冠偉;付夢印;;基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃算法[J];計算機(jī)仿真;2010年07期

6 沈崇德;;醫(yī)院AGV物流傳輸系統(tǒng)的技術(shù)特點與構(gòu)成[J];醫(yī)療衛(wèi)生裝備;2009年11期

7 王洲;張毅;楊銳敏;;基于遺傳算法的移動機(jī)器人路徑規(guī)劃[J];微計算機(jī)信息;2008年26期

8 李樂軍;施業(yè)瓊;韋寶秀;;關(guān)于AGV及其在中國的應(yīng)用與發(fā)展探析[J];科技資訊;2007年34期

9 史恩秀;黃玉美;李永堂;;馬爾可夫性在AGV全局路徑規(guī)劃中的應(yīng)用[J];西安理工大學(xué)學(xué)報;2006年04期

10 沈晶;顧國昌;劉海波;;未知動態(tài)環(huán)境中基于分層強(qiáng)化學(xué)習(xí)的移動機(jī)器人路徑規(guī)劃[J];機(jī)器人;2006年05期

相關(guān)博士學(xué)位論文 前1條

1 朱華炳;制造業(yè)生產(chǎn)物流系統(tǒng)規(guī)劃與調(diào)度技術(shù)研究[D];合肥工業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前4條

1 黃宇棟;BP神經(jīng)網(wǎng)絡(luò)在信息系統(tǒng)數(shù)據(jù)分類中的應(yīng)用研究[D];中國地質(zhì)大學(xué)（北京）;2013年

2 孫青;基于嵌入式控制系統(tǒng)的自動導(dǎo)引小車設(shè)計與實現(xiàn)[D];南京理工大學(xué);2010年

3 楊鵬宇;實驗教學(xué)型自動導(dǎo)向車機(jī)電系統(tǒng)研制[D];合肥工業(yè)大學(xué);2009年

4 馮葳;基于視覺導(dǎo)引的港口智能AGV路徑跟蹤系統(tǒng)研究[D];武漢理工大學(xué);2006年

本文編號：2744311