進入到21世紀后,隨著科技的發(fā)展以及工業(yè)4.0和中國智能制造2025等概念的提出,傳統(tǒng)制造業(yè)正在經歷著巨大的變革。AGV作為自動化倉儲物流中應用最廣泛的一種機器人,它的發(fā)展備受矚目。傳統(tǒng)的AGV需要人為設定運動路徑,并通過埋設金屬線或貼磁帶等方式來達到導航的目的,這些方法雖然能夠達到基本目標,但運動路徑一旦設定不易更改。使用強化學習進行路徑規(guī)劃,可在無先驗知識情況下,讓智能體在環(huán)境中不斷與環(huán)境交互進行試錯學習來獲得路徑規(guī)劃數據。而將深度學習與強化學習結合可有效解決強化學習學習效率慢和數據泛化差的問題。本文針對軟包車間單AGV多目標任務調度研究較少的問題,通過查閱文獻分析了目前印刷企業(yè)軟包材料生產線中AGV小車的調度任務并設計了倉儲搬運機器人路徑規(guī)劃仿真系統(tǒng)的框架。研究現(xiàn)有任務調度算法,包括多AGV任務調度和單AGV任務調度算法后,根據單AGV多目標任務的問題提出了基于短距離原則的任務調度算法來解決軟包材料生產車間中單AGV多目標任務的調度問題。為了實現(xiàn)AGV小車無先驗知識的導航,研究了現(xiàn)有路徑規(guī)劃算法,實現(xiàn)了近端策略優(yōu)化算法并與傳統(tǒng)路徑規(guī)劃算法A*算法進行了比較分析。使用研究的任務調度... 

【文章來源】：西安理工大學陜西省

【文章頁數】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 AGV調度算法研究現(xiàn)狀
        1.2.2 AGV路徑規(guī)劃研究現(xiàn)狀
    1.3 研究內容與論文結構
        1.3.1 研究內容
        1.3.2 論文結構
    1.4 本章小結
2 AGV任務分析與系統(tǒng)構成
    2.1 印企軟包材料生產線
    2.2 軟包材料生產線中的AGV任務分析
    2.3 系統(tǒng)體系架構設計
        2.3.1 人機交互模塊
        2.3.2 AGV任務執(zhí)行模塊
    2.4 本章小結
3 AGV調度算法研究
    3.1 調度算法
        3.1.1 多AGV系統(tǒng)的調度算法
        3.1.2 單AGV系統(tǒng)的調度算法
    3.2 基于短距離原則的任務調度算法
        3.2.1 動態(tài)規(guī)劃
        3.2.2 基于短距離原則的任務調度算法
    3.3 本章小結
4 AGV路徑規(guī)劃算法研究
    4.1 傳統(tǒng)路徑規(guī)劃算法研究
    4.2 深度強化學習算法研究
        4.2.1 深度學習
        4.2.2 強化學習
        4.2.3 深度強化學習算法
    4.3 基于Unity3D平臺的近端策略優(yōu)化算法研究
    4.4 PPO算法和A*算法的比較與分析
    4.5 本章小結
5 倉儲搬運機器人路徑規(guī)劃仿真系統(tǒng)實現(xiàn)
    5.1 系統(tǒng)開發(fā)環(huán)境
    5.2 系統(tǒng)總體結構
    5.3 系統(tǒng)實現(xiàn)
        5.3.1 用戶登錄注冊和信息管理模塊
        5.3.2 訂單信息管理模塊
        5.3.3 物料搬運計劃管理模塊
        5.3.4 AGV任務執(zhí)行和監(jiān)測模塊
        5.3.5 任務調度與路徑規(guī)劃模塊
    5.4 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]基于A*算法在蜂巢柵格地圖中的路徑規(guī)劃研究[J]. 陶哲,高躍飛,鄭天江,李俊杰,李保在.  中北大學學報(自然科學版). 2020(04)
[2]深度強化學習在路徑規(guī)劃中的應用研究[J]. 葉偉杰.  電子世界. 2020(06)
[3]基于改進A*算法的室內服務機器人路徑規(guī)劃[J]. 黃金豪,吳建悍.  技術與市場. 2020(03)
[4]基于改進蟻群算法的移動機器人路徑規(guī)劃[J]. 陳勁峰,黃衛(wèi)華,王肖,章政.  高技術通訊. 2020(03)
[5]基于多智能體強化學習的多AGV路徑規(guī)劃方法[J]. 劉輝,肖克,王京擘.  自動化與儀表. 2020(02)
[6]基于改進遺傳算法的AGV路徑規(guī)劃[J]. 孫波,姜平,周根榮,董殿永.  計算機工程與設計. 2020(02)
[7]基于人工神經網絡的機器人路徑規(guī)劃研究[J]. 陳麒瑞,杜少華,趙騰飛,宋瑩.  電腦知識與技術. 2020(03)
[8]智能RGV動態(tài)調度策略分析與評價[J]. 楊洋.  計算機產品與流通. 2019(08)
[9]改進人工勢場法的移動機器人路徑規(guī)劃[J]. 程志,張志安,李金芝,江濤.  計算機工程與應用. 2019(23)
[10]基于近端策略優(yōu)化算法的四足機器人步態(tài)控制研究[J]. 張浩昱,熊凱.  空間控制技術與應用. 2019(03)

博士論文
[1]從虛擬到現(xiàn)實的智能車輛深度強化學習控制研究[D]. 楊順.吉林大學 2019
[2]全局優(yōu)化問題的幾類新算法[D]. 劉杰.西安電子科技大學 2015
[3]策略梯度增強學習的理論、算法及應用研究[D]. 王學寧.國防科學技術大學 2006
[4]制造業(yè)生產物流系統(tǒng)規(guī)劃與調度技術研究[D]. 朱華炳.合肥工業(yè)大學 2005

碩士論文
[1]包材生產流程的物料標識與物料驅動系統(tǒng)研發(fā)[D]. 白雨鑫.西安理工大學 2019
[2]基于強化學習的無地圖導航策略研究[D]. 馬留龍.哈爾濱工業(yè)大學 2019
[3]基于強化學習的非玩家角色AI系統(tǒng)設計與實現(xiàn)[D]. 石遠.東華大學 2019
[4]倉儲物流機器人集群協(xié)同調度系統(tǒng)研究[D]. 陳明智.江漢大學 2019
[5]基于深度強化學習的移動平臺在已知環(huán)境下的路徑規(guī)劃[D]. 張心覺.西華大學 2019
[6]基于能效的多能互補型微電網在工業(yè)園區(qū)的應用研究[D]. 黃靜.華北水利水電大學 2019
[7]倉儲系統(tǒng)AGV路徑規(guī)劃研究[D]. 張政.北京化工大學 2018
[8]基于改進遺傳算法的柔性作業(yè)車間調度問題研究[D]. 蔡勁草.安徽工程大學 2018
[9]基于深度強化學習的未知環(huán)境下機器人路徑規(guī)劃的研究[D]. 卜祥津.哈爾濱工業(yè)大學 2018
[10]基于多任務卷積神經網絡的視頻目標屬性識別[D]. 孫想.安徽大學 2018



本文編號：3159843