隨著人工智能、信息圖像處理技術(shù)、計算機集成制造技術(shù)和傳感器融合技術(shù)的快速發(fā)展,自動導(dǎo)引車（Automated Guided Vehicle,AGV）在柔性制造系統(tǒng)和智能倉儲系統(tǒng)的應(yīng)用范圍逐漸擴大。自動導(dǎo)引車是輪式移動機器人的一種,它是一種具有高安全性和高靈活性的自動化智能搬運裝備。本文通過總結(jié)分析國內(nèi)外AGV及其路徑規(guī)劃研究現(xiàn)狀,對AGV在三種不同工作空間環(huán)境下的路徑規(guī)劃算法進行了研究,具體的內(nèi)容敘述如下。第一,在路徑規(guī)劃算法和環(huán)境建模方面,對路徑規(guī)劃的概念和分類方法進行了研究,闡述了幾種常見環(huán)境建模方法和路徑規(guī)劃算法的工作原理,對比了其各自的優(yōu)缺點。第二,在AGV全局路徑規(guī)劃方面,研究了一種基于動態(tài)參數(shù)調(diào)整的雙向搜索A*算法。通過與經(jīng)典A*算法的仿真實驗對比,驗證了基于動態(tài)參數(shù)調(diào)整的雙向搜索A*算法的有效性與可行性。第三,在AGV局部路徑規(guī)劃方面,研究了一種基于勢場引導(dǎo)的蟻群算法。將人工勢場算法中虛擬勢場的勢場合力信息與蟻群算法的啟發(fā)信息相融合,解決了蟻群算法在初始路徑搜索過程中出現(xiàn)的早熟和收斂速度較慢的問題,并利用人工勢場算法對行駛過程中遇到的突發(fā)障礙物進行動態(tài)避障。通過仿真實驗對... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 AGV研究概況
    1.3 AGV路徑規(guī)劃的研究概況
    1.4 論文研究內(nèi)容和組織安排
第二章 AGV路徑規(guī)劃及建模方法
    2.1 AGV路徑規(guī)劃方法
        2.1.1 路徑規(guī)劃的定義
        2.1.2 路徑規(guī)劃方法的分類
    2.2 路徑規(guī)劃常用算法
        2.2.1 人工勢場算法
        2.2.2 遺傳算法
        2.2.3 神經(jīng)網(wǎng)絡(luò)算法
        2.2.4 蟻群算法
        2.2.5 A*算法
    2.3 環(huán)境建模方法
        2.3.1 幾何地圖法
        2.3.2 拓撲地圖法
        2.3.3 柵格地圖法
        2.3.4 AGV運動環(huán)境建模
    2.4 本章小結(jié)
第三章 基于動態(tài)參數(shù)調(diào)整雙向搜索A*算法的全局路徑規(guī)劃
    3.1 經(jīng)典A*算法
        3.1.1 經(jīng)典A*算法的原理
        3.1.2 經(jīng)典A*算法流程
    3.2 基于動態(tài)參數(shù)調(diào)整的雙向搜索A*算法
        3.2.1 動態(tài)參數(shù)調(diào)整搜索策略
        3.2.2 雙向搜索策略
        3.2.3 動態(tài)參數(shù)調(diào)整雙向搜索策略
    3.3 仿真實驗與結(jié)果分析
    3.4 本章小結(jié)
第四章 基于勢場引導(dǎo)蟻群算法的AGV局部路徑規(guī)劃
    4.1 經(jīng)典蟻群算法
        4.1.1 蟻群算法數(shù)學(xué)模型
        4.1.2 蟻群算法的實現(xiàn)流程
        4.1.3 蟻群算法的缺陷
    4.2 APF-蟻群算法
        4.2.1 人工勢場算法數(shù)學(xué)模型
        4.2.2 APF-蟻群算法數(shù)學(xué)模型
        4.2.3 APF-蟻群算法流程
    4.3 基于勢場引導(dǎo)的蟻群算法局部路徑規(guī)劃
    4.4 仿真實驗與結(jié)果分析
    4.5 本章小結(jié)
第五章 基于強化學(xué)習(xí)的AGV路徑規(guī)劃
    5.1 AGV運動建模
    5.2 強化學(xué)習(xí)
        5.2.1 馬爾可夫決策過程
        5.2.2 Q-learning算法
        5.2.3 行為選擇策略
    5.3 基于BP神經(jīng)網(wǎng)絡(luò)的Q-learning算法
        5.3.1 神經(jīng)網(wǎng)絡(luò)算法數(shù)學(xué)模型
        5.3.2 基于BP神經(jīng)網(wǎng)絡(luò)的Q-learning算法
    5.4 仿真實驗與結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻
攻讀學(xué)位期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于改進蟻群算法的移動機器人路徑規(guī)劃[J]. 趙靜,湯云峰,蔣國平,徐豐羽,丁潔.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[2]改進A*算法在磁導(dǎo)引AGV路徑規(guī)劃中的應(yīng)用[J]. 林寧,邢麗娟,徐珂,秦立峰.  自動化技術(shù)與應(yīng)用. 2019(07)
[3]基于改進灰狼優(yōu)化算法的自動導(dǎo)引小車路徑規(guī)劃及其實現(xiàn)原型平臺[J]. 劉二輝,姚錫凡,劉敏,金鴻.  計算機集成制造系統(tǒng). 2018(11)
[4]監(jiān)督式強化學(xué)習(xí)在路徑規(guī)劃中的應(yīng)用研究[J]. 曾紀鈞,梁哲恒.  計算機應(yīng)用與軟件. 2018(10)
[5]麥克納姆輪AGV在汽車焊裝車身轉(zhuǎn)運中的應(yīng)用[J]. 梅柯,鎖少偉,王靜,希志明.  自動化應(yīng)用. 2018(05)
[6]一種改進量子行為粒子群優(yōu)化算法的移動機器人路徑規(guī)劃[J]. 劉潔,趙海芳,周德廉.  計算機科學(xué). 2017(S2)
[7]RRT與人工勢場法結(jié)合的機械臂避障規(guī)劃[J]. 何兆楚,何元烈,曾碧.  工業(yè)工程. 2017(02)
[8]基于混合蛙跳算法的移動機器人路徑規(guī)劃[J]. 潘翔,唐春暉,張仁杰.  電子科技. 2015(11)
[9]基于改進A*算法的AGV路徑規(guī)劃[J]. 李偉光,蘇霞.  現(xiàn)代制造工程. 2015(10)
[10]混沌擾動模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費騰,周修飛.  計算機工程與應(yīng)用. 2017(01)

碩士論文
[1]自動導(dǎo)引車系統(tǒng)中的路徑規(guī)劃方法研究[D]. 韓增亮.青島大學(xué) 2019
[2]多移動AGV小車的路徑規(guī)劃技術(shù)的研究[D]. 胡海榮.杭州電子科技大學(xué) 2018
[3]自動引導(dǎo)運輸車安全調(diào)度算法研究[D]. 劉元.哈爾濱工業(yè)大學(xué) 2017
[4]Qlearning強化學(xué)習(xí)算法的改進及應(yīng)用研究[D]. 馬朋委.安徽理工大學(xué) 2016
[5]基于Q學(xué)習(xí)算法的移動機器人路徑規(guī)劃方法研究[D]. 默凡凡.北京工業(yè)大學(xué) 2016
[6]基于改進蟻群算法的機器人路徑規(guī)劃[D]. 邱莉莉.東華大學(xué) 2015
[7]C公司基于精益思想的生產(chǎn)方式的研究[D]. 魏興華.山東大學(xué) 2014
[8]AGV視覺導(dǎo)引及其路徑規(guī)劃策略研究[D]. 賈建成.燕山大學(xué) 2010



本文編號：3477445