隨著工業(yè)自動化和智能技術(shù)的發(fā)展,傳統(tǒng)的物流系統(tǒng)難以滿足日益增長的生產(chǎn)速度和消費需求,因此傳統(tǒng)產(chǎn)業(yè)鏈面臨著越來越嚴峻的挑戰(zhàn),迫切需要進行升級改造。AGV是一種集傳感器檢測、計算機技術(shù)、機械制造和現(xiàn)代控制理論等多學(xué)科于一體的智能運輸設(shè)備,極大程度滿足了柔性制造和自動化物流的需求。精確的導(dǎo)航和良好的控制策略對于AGV運行的穩(wěn)定性至關(guān)重要,隨著圖像處理技術(shù)的成熟和智能算法的發(fā)展,視覺導(dǎo)航與智能控制已成為研究AGV的熱點。本文主要完成了AGV視覺導(dǎo)航與智能控制的研究與設(shè)計,主要工作如下:（1）提出了AGV的整體設(shè)計方案,并介紹了本研究相關(guān)領(lǐng)域的原理。主要介紹了視覺導(dǎo)航AGV的系統(tǒng)組成,詳細闡述了視覺導(dǎo)航的原理,并對AGV的車體進行了設(shè)計。然后對AGV進行運動學(xué)分析,并建立數(shù)學(xué)模型。（2）完成了AGV視覺導(dǎo)航的設(shè)計與研究。首先,對攝像頭進行標定,以確定AGV在圖像坐標系中的位置。再運用數(shù)字圖像處理技術(shù)對攝像頭采集到的圖像進行處理,包括圖像的灰度化、圖像去噪、對比度增強、圖像二值化、形態(tài)學(xué)處理、邊緣分割與特征提取等。針對圖像去噪這一關(guān)鍵步驟,提出了基于改進小波閾值的圖像去噪方法,通過引入調(diào)節(jié)因子來改... 

【文章來源】：青島理工大學(xué)山東省

【文章頁數(shù)】：108 頁

【學(xué)位級別】：碩士

【部分圖文】：

Logistic映射分叉圖

青島理工大學(xué)工學(xué)碩士學(xué)位論文54由式（4.14）可知，當>0，則()>0，故()>，反之，當≤0時，則()≤0，故()≤。綜上所述，Logistic映射只能在的單側(cè)領(lǐng)域內(nèi)尋優(yōu)。為解決此問題，本文提出以下改進措施：（1）將變尺度調(diào)整，讓其隨迭代次數(shù)增加而逐漸減小，以縮小遍歷范圍。（2）引入Ulam_vonNeumann映射讓算法遍歷的雙側(cè)領(lǐng)域，其解析式為：2110,1,2,...,[0,2],[1,1]nnnyvynvy+==（4.15）其中，為控制參數(shù)，()為當初始(0)∈[1,1]時迭代產(chǎn)生的變量。Ulam_vonNeumann映射的分叉圖如圖4.17所示，它描述了序列與之間的變化關(guān)系。圖4.17Ulam_vonNeumann映射分叉圖Fig4.17Ulam_vonNeumannmapbifurcationdiagram由圖4.17可知，當=2時，序列()在[1,1]區(qū)間上處于完全混沌狀態(tài)。因此，本文采用=2的Ulam_vonNeumann混沌映射。4.2.3基于改進混沌蟻群算法的全局路徑規(guī)劃為解決AGV路徑規(guī)劃過程中ACO算法存在的不足，本文提出了一種改進混沌蟻群算法，以改進的混沌算法來優(yōu)化ACO算法的初始參數(shù)，顯著改善了全局優(yōu)化的效率�；诟倪M混沌蟻群算法的AGV路徑規(guī)劃流程圖如圖4.18所示。

青島理工大學(xué)工學(xué)碩士學(xué)位論文59圖4.25基本ACO算法的路徑規(guī)劃圖4.26基本ACO算法的迭代曲線Fig4.25ThePathplanningofbasicACOFig4.26TheiterationcurveofbasicACO圖4.27改進混沌ACO的路徑規(guī)劃圖4.28改進算法迭代曲線Fig4.27ImprovedchaoticACOpathplanningFig4.28Improvedalgorithmiterationcurve由圖4.25-圖4.28可知，在改變障礙物數(shù)量的情況下，改進混沌ACO算法規(guī)劃路徑效果也比ACO算法更好。圖4.29三維路徑規(guī)劃圖4.30適應(yīng)值迭代曲線Fig4.293DpathplanningFig4.30Adaptivevalueiterationcurve現(xiàn)有的路徑規(guī)劃算法大部分是對二維平面進行規(guī)劃，而因三維路徑規(guī)劃算法

【參考文獻】：
期刊論文
[1]AGV視覺導(dǎo)航技術(shù)研究進展[J]. 朱訓(xùn)棟,張鑫.  物流科技. 2019(06)
[2]基于改進蟻群算法的移動機器人路徑規(guī)劃[J]. 徐宏宇,唐澤坤,葉長龍.  沈陽航空航天大學(xué)學(xué)報. 2019(02)
[3]基于改進小波閾值的紅外熱波無損檢測圖像噪聲抑制方法的研究[J]. 秦乾坤,楊慧,岳威,李寶磊.  計算機時代. 2019(01)
[4]基于小波去噪和梯度校正的分水嶺圖像分割技術(shù)研究[J]. 周小明.  數(shù)學(xué)雜志. 2019(04)
[5]基于模糊迭代學(xué)習的AGV導(dǎo)航方法[J]. 胡涂,解小東,關(guān)志煜.  工業(yè)控制計算機. 2018(10)
[6]無人倉需求在望 技術(shù)有待突破[J]. 任芳.  物流技術(shù)與應(yīng)用. 2017(01)
[7]基于AGV和工業(yè)機器人的智能搬運小車的研究[J]. 周文軍,吳有明.  裝備制造技術(shù). 2016(11)
[8]差速轉(zhuǎn)向農(nóng)業(yè)專用AGV小車的設(shè)計與模糊控制研究[J]. 趙晨宇,陳息坤.  農(nóng)機化研究. 2016(11)
[9]基于Mecanum輪的全向運動視覺導(dǎo)引AGV研制[J]. 喻俊,武星,沈偉良.  機械設(shè)計與制造工程. 2015(09)
[10]基于自適應(yīng)遺傳算法的改進PID參數(shù)優(yōu)化[J]. 劉明,王瑞.  計算機測量與控制. 2015(03)

博士論文
[1]基于全方位視覺的車載嵌入式航標跟蹤系統(tǒng)[D]. 李雁斌.天津大學(xué) 2009

碩士論文
[1]成品油儲罐清洗機器人視覺導(dǎo)航技術(shù)研究[D]. 高慶珊.北京石油化工學(xué)院 2018
[2]基于視覺的AGV路徑識別和跟蹤控制研究[D]. 王松濤.蘭州理工大學(xué) 2018
[3]自動導(dǎo)引車（AGV）控制系統(tǒng)的研究與實現(xiàn)[D]. 羅承雙.江西理工大學(xué) 2018
[4]基于改進PSO-PID算法的四軸飛行器飛控系統(tǒng)研究[D]. 康日暉.太原理工大學(xué) 2018
[5]基于視覺的AGV控制系統(tǒng)研究[D]. 馮統(tǒng)慶.上海電機學(xué)院 2018
[6]基于混沌蟻群算法的無人機航路規(guī)劃研究及系統(tǒng)實現(xiàn)[D]. 楊帆.南京航空航天大學(xué) 2018
[7]光伏電站中的航拍圖像識別與匹配技術(shù)研究[D]. 吳楓杰.浙江大學(xué) 2018
[8]基于視覺導(dǎo)航的自動導(dǎo)引車設(shè)計與實現(xiàn)[D]. 趙博.山東大學(xué) 2017
[9]基于視覺的AGV導(dǎo)航控制與障礙物檢測研究[D]. 佘宏杰.浙江工業(yè)大學(xué) 2016
[10]基于標識符視覺定位的AGV導(dǎo)航系統(tǒng)研究[D]. 徐葉帆.東南大學(xué) 2016



本文編號：3371539