隨著電子商務(wù)的發(fā)展,傳統(tǒng)的倉(cāng)儲(chǔ)物流面臨轉(zhuǎn)型需求和技術(shù)挑戰(zhàn),自動(dòng)化倉(cāng)儲(chǔ)技術(shù)正成為業(yè)界未來(lái)發(fā)展的主流方向。作為自動(dòng)化倉(cāng)儲(chǔ)的核心,工業(yè)機(jī)器人技術(shù)也成為領(lǐng)域的熱點(diǎn)課題。其中,對(duì)于機(jī)器人組網(wǎng)問(wèn)題的研究尚處于起步階段,而傳統(tǒng)的機(jī)器人路徑規(guī)劃算法在倉(cāng)儲(chǔ)環(huán)境中的應(yīng)用仍存在許多不足之處。因此,對(duì)倉(cāng)儲(chǔ)環(huán)境中工業(yè)機(jī)器人系統(tǒng)自組網(wǎng)問(wèn)題與機(jī)器人路徑規(guī)劃問(wèn)題的研究具有很重要的意義。本文的主要內(nèi)容將會(huì)針對(duì)上述兩個(gè)問(wèn)題進(jìn)行展開(kāi)。本文首先對(duì)倉(cāng)儲(chǔ)環(huán)境內(nèi)機(jī)器人集群的通信任務(wù)進(jìn)行了簡(jiǎn)要分析,根據(jù)需求對(duì)工業(yè)機(jī)器人與中央控制單元、機(jī)器人間的通信流程進(jìn)行了設(shè)計(jì),提出了一種分布式通信的架構(gòu)。接著對(duì)當(dāng)前主流的自組網(wǎng)路由協(xié)議進(jìn)行了研究,根據(jù)能量距離公式的特點(diǎn)選擇了低功耗自適應(yīng)集簇分層型協(xié)議(LEACH)路由算法作為機(jī)器人路由協(xié)議的基礎(chǔ),并根據(jù)工業(yè)機(jī)器人自身運(yùn)行的特點(diǎn)對(duì)LEACH算法中簇頭選擇、簇區(qū)劃分和路由選擇的方式進(jìn)行了改進(jìn)。之后根據(jù)機(jī)器人在倉(cāng)儲(chǔ)環(huán)境中工作的特點(diǎn),對(duì)機(jī)器人廣播的時(shí)間間隔進(jìn)行了設(shè)計(jì),降低了信道占用數(shù)量和能量消耗。通過(guò)仿真驗(yàn)證了改進(jìn)后的算法能夠有效地降低綜合損耗并且能在能量損耗和通信時(shí)延之間達(dá)到較好的均衡。本文接下來(lái)分別從...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來(lái)源及研究的背景和意義
    1.2 工業(yè)機(jī)器人發(fā)展現(xiàn)狀
    1.3 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.3.1 工業(yè)機(jī)器人通信協(xié)議的研究現(xiàn)狀
        1.3.2 機(jī)器人路徑規(guī)劃算法的研究現(xiàn)狀
    1.4 本文研究?jī)?nèi)容及章節(jié)安排
第2章 工業(yè)機(jī)器人通信組網(wǎng)方案
    2.1 工業(yè)機(jī)器人通信組網(wǎng)方案
        2.1.1 機(jī)器人與中央控制單元間通信
        2.1.2 機(jī)器人間通信
    2.2 基于LEACH的工業(yè)機(jī)器人通信系統(tǒng)路由算法
        2.2.1 LEACH算法綜述
        2.2.2 迪杰斯特拉算法綜述
        2.2.3 基于LEACH算法的演變型路由算法
        2.2.4 演變型動(dòng)態(tài)LEACH路由算法的流程
    2.3 機(jī)器人間通信組網(wǎng)架構(gòu)
    2.4 基于LEACH算法的演變型路由算法仿真結(jié)果
    2.5 機(jī)器人間廣播時(shí)間間隔性能仿真分析
    2.6 本章小結(jié)
第3章 工業(yè)移動(dòng)機(jī)器人路徑規(guī)劃算法理論分析
    3.1 移動(dòng)機(jī)器人路徑規(guī)劃問(wèn)題概述
    3.2 路徑規(guī)劃環(huán)境建模
        3.2.1 柵格模型
        3.2.2 拓?fù)淠Ｐ?br>        3.2.3 高維模型
        3.2.4 機(jī)器人路徑規(guī)劃算法模型總結(jié)
    3.3 路徑規(guī)劃算法分析
        3.3.1 人工勢(shì)場(chǎng)法
        3.3.2 遺傳算法
        3.3.3 基于機(jī)器學(xué)習(xí)的路徑規(guī)劃算法
        3.3.4 路徑規(guī)劃算法總結(jié)
    3.4 神經(jīng)網(wǎng)絡(luò)
        3.4.1 人工神經(jīng)網(wǎng)絡(luò)模型
        3.4.2 神經(jīng)網(wǎng)絡(luò)反向傳播
    3.5 深度強(qiáng)化學(xué)習(xí)
        3.5.1 強(qiáng)化學(xué)習(xí)框架結(jié)構(gòu)
        3.5.2 Q-學(xué)習(xí)
        3.5.3 Q-網(wǎng)絡(luò)
        3.5.4 Deep Q-Learning Network
        3.5.5 Double DQN
    3.6 本章小結(jié)
第4章 基于深度強(qiáng)化學(xué)習(xí)的路徑規(guī)劃算法
    4.1 改進(jìn)型Double DQN路徑規(guī)劃算法
        4.1.1 轉(zhuǎn)向問(wèn)題
        4.1.2 獎(jiǎng)勵(lì)信息表改進(jìn)
        4.1.3 改進(jìn)型ε-greedy動(dòng)作選擇策略
        4.1.4 障礙物設(shè)定
    4.2 算法流程
    4.3 算法仿真結(jié)果與分析
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3781427