隨著現(xiàn)代企業(yè)倉(cāng)儲(chǔ)規(guī)模的不斷擴(kuò)大,越來越多的企業(yè)在倉(cāng)儲(chǔ)系統(tǒng)中引入了智能無(wú)人車進(jìn)行搬運(yùn)、分揀等工作。而好的倉(cāng)儲(chǔ)用智能無(wú)人車路徑規(guī)劃算法,可以有效提高倉(cāng)儲(chǔ)系統(tǒng)的工作效率和安全性。本文對(duì)倉(cāng)儲(chǔ)用智能無(wú)人車的路徑規(guī)劃算法進(jìn)行了研究。首先在概述了倉(cāng)儲(chǔ)用智能無(wú)人車技術(shù)的發(fā)展和常用路徑規(guī)劃算法的基礎(chǔ)上,分析了幾種常用路徑規(guī)劃算法的原理,從倉(cāng)儲(chǔ)用智能無(wú)人車的全局路徑規(guī)劃和局部路徑規(guī)劃兩個(gè)部分進(jìn)行研究�？紤]到倉(cāng)儲(chǔ)系統(tǒng)的環(huán)境以及無(wú)人車的工作效率,重點(diǎn)研究以距離短和計(jì)算量小為優(yōu)化目標(biāo)的路徑規(guī)劃算法。針對(duì)全局路徑規(guī)劃部分,以經(jīng)典A*算法為基礎(chǔ),提出了基于拓?fù)浠h(huán)境模型的改進(jìn)A*算法,在成功搜索到全局最優(yōu)路徑的同時(shí)能夠有效降低搜索過程中的計(jì)算量。針對(duì)局部路徑規(guī)劃部分,以經(jīng)典人工勢(shì)場(chǎng)法為基礎(chǔ),提出了改進(jìn)人工勢(shì)場(chǎng)法,通過改進(jìn)斥力勢(shì)場(chǎng)函數(shù),解決了目標(biāo)不可達(dá)問題。在此基礎(chǔ)上,通過設(shè)置子目標(biāo)點(diǎn)的方法,解決了局部極小值問題。然后將全局路徑規(guī)劃算法和局部路徑規(guī)劃算法進(jìn)行融合,提出了倉(cāng)儲(chǔ)無(wú)人車路徑規(guī)劃混合算法,通過決策模塊以適應(yīng)不同的倉(cāng)庫(kù)環(huán)境,仿真結(jié)果證明了該方法的可行性。最后設(shè)計(jì)了兩輪差速驅(qū)動(dòng)無(wú)人車的運(yùn)動(dòng)控制算法和上位機(jī)軟件,并... 

【文章來源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２．１亞馬遜Ｋｉｖａ??Ｋｉｖａ無(wú)人車具有以下優(yōu)點(diǎn)：（１）倉(cāng)儲(chǔ)系統(tǒng)中只有在揀選時(shí)需要人工的輔助來完成貨物??揀選過程，因此可以大幅度的降低對(duì)人力的投入，從而降低企業(yè)的人工成本

能夠靈活布置，從而提高了倉(cāng)儲(chǔ)空間的利用率。以下缺點(diǎn)：（１）智能無(wú)人車每次只能進(jìn)行一次訂單的貨物運(yùn)輸。整個(gè)貨架然后去揀選臺(tái)的位置，所以能耗較大。（３）在大型無(wú)人車才能及時(shí)的完成揀選工作，成本較高。（４）由于Ｋｉｖａｖａ無(wú)人車的調(diào)度存在困難，會(huì)有較多的阻塞點(diǎn)，降低Ｋｉｖａ貨架的移動(dòng)過程中，無(wú)人車無(wú)法躲避路徑上的隨機(jī)障礙物，用智能無(wú)人車技術(shù)相關(guān)研宄起步較晚，但發(fā)展迅速。２０００發(fā)區(qū)的立體式倉(cāng)庫(kù)中引入了智能無(wú)人車進(jìn)行搬運(yùn)工作，搬運(yùn)，每天可以完成２３４００次的貨物或零部件的出入庫(kù)搬運(yùn)任務(wù)。人車技術(shù)是以阿里巴巴為代表研發(fā)的送貨無(wú)人車“曹操”，圖有自主貨物定位和運(yùn)輸?shù)墓δ埽湟呀?jīng)在阿里巴巴集團(tuán)的倉(cāng)人車的主要確定與Ｋｉｖａ相似，在無(wú)人車進(jìn)行貨物的揀選任，人力成本較高。同時(shí)無(wú)法識(shí)別并躲避路徑上的隨機(jī)障礙物，安徑規(guī)劃算法就是針對(duì)這種類型的智能無(wú)人車，或者未來可物運(yùn)輸功能的倉(cāng)儲(chǔ)用智能無(wú)人車。??

２．３．２經(jīng)典入＊算＿真魏??針對(duì)２．２節(jié)設(shè)計(jì)的倉(cāng)儲(chǔ)環(huán)境拓?fù)涞貓D，本節(jié)以經(jīng)典Ａ＊算法對(duì)其進(jìn)行全局路徑劃??仿真實(shí)驗(yàn)。仿真實(shí)驗(yàn)以圖２．２．１倉(cāng)儲(chǔ)地圖為例，分別設(shè)置三種不同的起始點(diǎn)和目標(biāo)點(diǎn)進(jìn)??行仿真分析。Ａ＊算法所選用的啟發(fā)函數(shù)為：??ｈ（ｓ）?＝?Ｊ（ｘ?－?ｘｇｏａｌｆ＋（ｙ?－?ｙｇｏａｌ）２?（２．３．９）??ｙ）是當(dāng)前狀態(tài)節(jié)點(diǎn)的坐標(biāo)，而ｙａ〇ａｉ）為目標(biāo)節(jié)點(diǎn)坐標(biāo)。啟發(fā)函數(shù)滿足式??（２．３．３），因此算法能搜索到最優(yōu)路徑。仿真結(jié)果如圖２．３．２所示，其中矩形塊代表倉(cāng)儲(chǔ)??環(huán)境中的貨架，Ａ－０共１５個(gè)點(diǎn)為倉(cāng)儲(chǔ)無(wú)人車可以�？康模保祩�(gè)拓?fù)涔?jié)點(diǎn)，圖中（ａ）、（ｂ）??和（ｃ）為路徑規(guī)劃結(jié)果圖。由于本文設(shè)計(jì)的全局路徑規(guī)劃算法是基于倉(cāng)儲(chǔ)環(huán)境，考慮到??倉(cāng)儲(chǔ)環(huán)境的經(jīng)濟(jì)成本，所以選擇最短路徑作為全局最優(yōu)路徑，在仿真結(jié)果的分析過程中??也以路徑的長(zhǎng)短作為衡量標(biāo)準(zhǔn)，具體詳見表２．３．１。??仿真結(jié)果表明，在低復(fù)雜度的環(huán)境中，以歐氏距離為啟發(fā)函數(shù)的Ａ＊算法可以搜索到??不同起點(diǎn)和目標(biāo)點(diǎn)之間的最短路徑。同時(shí)

【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人汽車發(fā)展動(dòng)態(tài)淺析[J]. 王義,林麟.  世界電信. 2017(03)
[2]基于拓?fù)涞貓D的田間機(jī)器人路徑規(guī)劃和控制[J]. 竇文豪,朱凱,梁盛好,文偉松,郭緣,譚彧.  中國(guó)科技論文. 2016(22)
[3]A*算法在無(wú)人車路徑規(guī)劃中的應(yīng)用[J]. 馬靜,王佳斌,張雪.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(11)
[4]基于遺傳模擬退火算法的矩形件優(yōu)化排樣[J]. 楊衛(wèi)波,王萬(wàn)良,張景玲,趙燕偉.  計(jì)算機(jī)工程與應(yīng)用. 2016(07)
[5]改進(jìn)粒子群算法及其在PID整定中的應(yīng)用[J]. 楊智,陳穎.  控制工程. 2016(02)
[6]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[7]基于改進(jìn)人工勢(shì)場(chǎng)法的無(wú)人機(jī)路徑規(guī)劃算法[J]. 丁家如,杜昌平,趙耀,尹登宇.  計(jì)算機(jī)應(yīng)用. 2016(01)
[8]改進(jìn)蟻群算法在多AGV作業(yè)調(diào)度中的應(yīng)用[J]. 夏田,王娜.  物流技術(shù). 2015(23)
[9]基于改進(jìn)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]基于改進(jìn)人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人路徑規(guī)劃[J]. 溫素芳,郭光耀.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(10)

碩士論文
[1]路徑規(guī)劃算法的研究及應(yīng)用[D]. 謝娟.電子科技大學(xué) 2015
[2]智能自適應(yīng)PID/PD控制器設(shè)計(jì)及仿真研究[D]. 晏亭太.哈爾濱工業(yè)大學(xué) 2014
[3]未知環(huán)境下機(jī)器人路徑規(guī)劃算法研究[D]. 周培培.青島科技大學(xué) 2014
[4]移動(dòng)機(jī)器人地圖創(chuàng)建與路徑規(guī)劃[D]. 郭芙.湖南大學(xué) 2011



本文編號(hào)：3057469