隨著工業(yè)自動(dòng)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(zhǎng)的生產(chǎn)速度和消費(fèi)需求,因此傳統(tǒng)產(chǎn)業(yè)鏈面臨著越來(lái)越嚴(yán)峻的挑戰(zhàn),迫切需要進(jìn)行升級(jí)改造。AGV是一種集傳感器檢測(cè)、計(jì)算機(jī)技術(shù)、機(jī)械制造和現(xiàn)代控制理論等多學(xué)科于一體的智能運(yùn)輸設(shè)備,極大程度滿足了柔性制造和自動(dòng)化物流的需求。精確的導(dǎo)航和良好的控制策略對(duì)于AGV運(yùn)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(jué)導(dǎo)航與智能控制已成為研究AGV的熱點(diǎn)。本文主要完成了AGV視覺(jué)導(dǎo)航與智能控制的研究與設(shè)計(jì),主要工作如下:（1）提出了AGV的整體設(shè)計(jì)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(jué)導(dǎo)航AGV的系統(tǒng)組成,詳細(xì)闡述了視覺(jué)導(dǎo)航的原理,并對(duì)AGV的車體進(jìn)行了設(shè)計(jì)。然后對(duì)AGV進(jìn)行運(yùn)動(dòng)學(xué)分析,并建立數(shù)學(xué)模型。（2）完成了AGV視覺(jué)導(dǎo)航的設(shè)計(jì)與研究。首先,對(duì)攝像頭進(jìn)行標(biāo)定,以確定AGV在圖像坐標(biāo)系中的位置。再運(yùn)用數(shù)字圖像處理技術(shù)對(duì)攝像頭采集到的圖像進(jìn)行處理,包括圖像的灰度化、圖像去噪、對(duì)比度增強(qiáng)、圖像二值化、形態(tài)學(xué)處理、邊緣分割與特征提取等。針對(duì)圖像去噪這一關(guān)鍵步驟,提出了基于改進(jìn)小波閾值的圖像去噪方法,通過(guò)引入調(diào)節(jié)因子來(lái)改... 

【文章來(lái)源】：青島理工大學(xué)山東省

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)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(dāng)>0，則()>0，故()>，反之，當(dāng)≤0時(shí)，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(wèn)題，本文提出以下改進(jìn)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U(xiǎn)lam_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(dāng)初始(0)∈[1,1]時(shí)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(dāng)=2時(shí)，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(jìn)混沌蟻群算法的全局路徑規(guī)劃為解決AGV路徑規(guī)劃過(guò)程中ACO算法存在的不足，本文提出了一種改進(jìn)混沌蟻群算法，以改進(jìn)的混沌算法來(lái)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(jìn)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(jìn)混沌ACO的路徑規(guī)劃圖4.28改進(jìn)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(jìn)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(duì)二維平面進(jìn)行規(guī)劃，而因三維路徑規(guī)劃算法

【參考文獻(xiàn)】：
期刊論文
[1]AGV視覺(jué)導(dǎo)航技術(shù)研究進(jìn)展[J]. 朱訓(xùn)棟,張?chǎng)?  物流科技. 2019(06)
[2]基于改進(jìn)蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃[J]. 徐宏宇,唐澤坤,葉長(zhǎng)龍.  沈陽(yáng)航空航天大學(xué)學(xué)報(bào). 2019(02)
[3]基于改進(jìn)小波閾值的紅外熱波無(wú)損檢測(cè)圖像噪聲抑制方法的研究[J]. 秦乾坤,楊慧,岳威,李寶磊.  計(jì)算機(jī)時(shí)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(xí)的AGV導(dǎo)航方法[J]. 胡涂,解小東,關(guān)志煜.  工業(yè)控制計(jì)算機(jī). 2018(10)
[6]無(wú)人倉(cāng)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(jī)器人的智能搬運(yùn)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(jì)與模糊控制研究[J]. 趙晨宇,陳息坤.  農(nóng)機(jī)化研究. 2016(11)
[9]基于Mecanum輪的全向運(yùn)動(dòng)視覺(jué)導(dǎo)引AGV研制[J]. 喻俊,武星,沈偉良.  機(jī)械設(shè)計(jì)與制造工程. 2015(09)
[10]基于自適應(yīng)遺傳算法的改進(jìn)PID參數(shù)優(yōu)化[J]. 劉明,王瑞.  計(jì)算機(jī)測(cè)量與控制. 2015(03)

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

碩士論文
[1]成品油儲(chǔ)罐清洗機(jī)器人視覺(jué)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(jué)的AGV路徑識(shí)別和跟蹤控制研究[D]. 王松濤.蘭州理工大學(xué) 2018
[3]自動(dòng)導(dǎo)引車（AGV）控制系統(tǒng)的研究與實(shí)現(xiàn)[D]. 羅承雙.江西理工大學(xué) 2018
[4]基于改進(jìn)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(jué)的AGV控制系統(tǒng)研究[D]. 馮統(tǒng)慶.上海電機(jī)學(xué)院 2018
[6]基于混沌蟻群算法的無(wú)人機(jī)航路規(guī)劃研究及系統(tǒng)實(shí)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(shí)別與匹配技術(shù)研究[D]. 吳楓杰.浙江大學(xué) 2018
[8]基于視覺(jué)導(dǎo)航的自動(dòng)導(dǎo)引車設(shè)計(jì)與實(shí)現(xiàn)[D]. 趙博.山東大學(xué) 2017
[9]基于視覺(jué)的AGV導(dǎo)航控制與障礙物檢測(cè)研究[D]. 佘宏杰.浙江工業(yè)大學(xué) 2016
[10]基于標(biāo)識(shí)符視覺(jué)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(hào)：3371539