印刷车间环境下AGV小车的路径优化研究.pdf
《印刷车间环境下AGV小车的路径优化研究.pdf》由会员分享,可在线阅读,更多相关《印刷车间环境下AGV小车的路径优化研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、 收稿日期:2023-02-15通讯作者:李宏峰第 31 卷 第 6 期Vol.31 No.6北 京 印 刷 学 院 学 报Journal of Beijing Institute of Graphic Communication2023 年 6 月Jun.2023印刷车间环境下 AGV 小车的路径优化研究许 路,李宏峰,高振清(北京印刷学院 机电工程学院,北京 102600)摘 要:面对当前印刷车间 AGV 利用率低以及自动化程度不高的现状,提出了一种改进的 RRT算法以优化AGV 的行驶路径,进而提高印刷车间的自动化程度。针对 RRT算法在 AGV 路径规划问题中存在的采样范围大,遍历节点
2、数多,搜索效率低且搜索出来的路径用时久的问题,设置了一种目标偏向策略,将人工势场法与RRT算法融合应用在 AGV 的路径规划上,加速 AGV 向目标点移动,提高路径搜索效率,并通过 MATLAB 仿真实验将传统 RRT算法与改进 RRT算法进行对比。仿真结果表明,本文所提出的改进 RRT算法,遍历节点数减少,用时更短,在印刷车间环境下找到一条更优化的路径是可行的。关键词:AGV 路径规划;印刷车间;改进 RRT算法中图分类号:TP23文献标识码:A文章编号:1004-8626(2023)06-0024-06 近年来,AGV 的路径规划问题已成为机器人领域的核心问题,A算法、遗传算法和蚁群算法等
3、一些常用的规划方法被大量使用,1但是,传统算法在路径规划上存在很多不足之处,改进的算法和更智能的算法成为当前路径规划的研究热点。2邱朦文等人设计了一种改进的 A算法,3通过加入人工势场法,在核辐射的环境下对传统A算法进行改进,使得自适应权重影响路径的规划过程,仿真结果表明,改进的 A算法较明显地降低了核辐射剂量。沈克宇等人设计了一种能自适应环境地图的改进 A算法,4通过转弯惩罚函数等解决了传统 A算法搜索节点数多、转弯缓冲小的问题。褚金奎等人提出一种采用 8 邻域搜索方式的改进 A算法,5改进了传统 A算法的启发函数,改进的 A算法使得搜索的路径更加平滑,有效改善了传统路径规划算法中效率低下、
4、路径曲率不连续的问题。杨博等人设计了一种改进遗传算法,6利用混合选择策略等方法解决了传统遗传算法早熟的缺点,最后通过仿真实验,表明了改进遗传算法在路径规划上性能更优。周红勋设计了一种多种群遗传算法,7将遗传算法并行应用于多个子种群,并加入移民算子和人工选择算子,在路径规划中实现了较高的稳定性和收敛速度。张志军等人设计了一种优化蚁群算法,8利用伪随机状态转移策略等方法解决了传统遗传算法收敛速度慢、易陷入局部最优等问题。但是这些算法存在一些缺点,如寻路效率低、易陷入局部最优解等。为了优化路径、提高效率,研究者提出了基于采样的算法,其中快速探索随机树(RRT)算法在路径规划方面备受青睐。9RRT 算
5、法由美国爱荷华州立大学 Steven M.La Valle 教授在 1998 年提出,10RRT 算法具有概率完备性且无需建模的优点,但仍有节点采样随机性高、搜索出来的路径节点较多等缺点,针对 RRT 算法的问题,一系列的改进算法被提出,S.Karaman 和 E.Frazzoli 提出了渐进最优性的 RRT算法,11该算法在 RRT 的基础上添加了随机几何图,对现有节点重新选择父节点,并进行剪枝优化从而缩短行驶路径。Gammell等提出了 Informed-RRT算法,12该算法先用RRT找到一条初始路径,然后将以起始点、目标点和路径长度决定的椭圆作为采样区域,进一步缩小了采样范围并加速收敛
6、。张利鹏等人基于车辆在高速场景中的应用,提出一种采样区域优化方法,13通过划分代价区并计算代价值,进一步减少了路径搜索时间,提升了路径规划的合理性。余艳碧设计了一种 A算法和 RRT算法相结合的改进 RRT算法,14将利用 A算法搜索出来的路径作为引导路径,解决了 RRT算法在复杂环境下寻找路径耗时久的问题。王海芳等人设计了一种改进的双向 RRT算法,15利用目标偏置扩展和 CantmullRom 样条插值法,仿真实验表明该算法提高了路径搜索效率,减少了采样节点。上述算法较好地解决了 RRT 算法采样节点随机性高的缺点,能适用于一般 AGV 进行路径寻优的情况,但在对 AGV 寻路的质量有较高
7、要求的环境下,仍不是较优的方法,因此本文在上述研究的基础上,以印刷车间为背景,提出了一种改进RRT算法,该算法在 RRT算法的基础上设置了目标偏向策略,利用人工势场法与 RRT融合,以减少路径搜索的时间,经过 MATLAB 仿真得出,改进的 RRT算法使 AGV 在印刷车间的路径寻优过程中,采样节点更少,速度更快。1 问题的提出近年来,随着“工业 4.0”的提出,制造业的发展越来越智能化,各个行业在科技的浪潮中都开始了信息化和自动化的快速转型,其中运作车间作为制造业的基础,更需要主动向智能化转型。目前车间内的自动化深刻地影响企业的各项成本和个性化的服务能力,如何使车间更加信息化、自动化是当前一
8、些学者的研究重点。AGV 因其灵活和智能等优点,被广泛应用于制造行业车间内的物资搬运,而目前在印刷行业,其车间内的搬运仍大量依赖人工,AGV 利用率低,且存在物资搬运路线不合理、物流成本高、AGV 损耗率高的问题。因此如何优化 AGV 的行驶路线是提升印刷车间自动化需要重点考虑的问题,本文重点考虑 AGV 的行驶路线,对 AGV 搬运物资的重量暂不考虑。1.1 问题描述假设 QR 为 AGV 在印刷车间中的全局工作空间,qobs表示空间中被障碍物占领的不可通行区域,qfree表示空闲可通行区域,Vqfree表示随机树中全部节点集合,Eqfree表示随机树中全部分支集合,随机树 T=(V,E),
9、且 qfree=Q-qobs,令 qinitqfree为 AGV 进行路径规划的起始点,qgalqfree为AGV 进行路径规划的终止点,则有连续映射函数:0,1qfree,且(0)=qinit,(1)=qgal,表示为AGV 工作空间中的一条可行路径。1.2 印刷车间环境分析在调研了印刷车间环境的基础上,对于应用到AGV 的区域,大致可以分为原料区、手工作业区、自动作业区和成品区,而原料区和成品区的布局较为规整,间隔较为规律,手工作业区和自动作业区布局较为复杂,间隔和障碍物较多。因此 AGV 的搬运工作可以简易地划分为两大类,一是在原料区和成品区以及车间主干道内较为简易的环境下进行物资的搬运
10、,二是在手工作业区和自动作业区较为复杂的环境下进行物资的搬运。印刷车间生产时,先由 AGV 到原料区搬运原材料,并运送至印刷区进行加工作业,当生产完成后,经过质检以及包装流程,最后再由 AGV 搬运至成品区等待入库。AGV 在此期间的行驶路径由车间内的 AGV 配送系统,通过录入 AGV 的位置信息、状态信息、搬运物资的位置信息等进行路径规划。印刷车间的整体布局如图 1 所示。图 1 印刷车间整体布局图图 2 原料区和成品区环境图在原料区和成品区内,其空间布置较为规整,本文根据实际环境将原料区和成品区这种较为规律的空间环境简化为如图 2 所示。在作业区和包装区内,其空间布置较为复杂,本文根据实
11、际环境将作业区和包装区这种较为复杂的空间环境简化为如图 3 所示。其中灰色区域表示可供原材料或者成品存放的位置,即 AGV 需要取放货物的位置,车间内的墙体支柱等障碍物用黑色区域表示,且为52第 6 期许 路,李宏峰,高振清:印刷车间环境下 AGV 小车的路径优化研究了便于 AGV 的路径寻优,障碍物均进行了膨化处理。图 3 作业区和包装区环境图2 寻路算法设计2.1 RRT算法针对 RRT 算法在对 AGV 进行路径搜索时冗余点多、效率低的问题,S.Karaman 和 E.Frazzoli 提出渐进最优性的 RRT算法,11该算法首先标记每个节点的权值,表示该节点到根节点的距离,并以当前节点
12、 qnew为圆心,在由当前随机树节点总数量决定的半径 r 的邻域内,计算 qnew与邻域内所有节点连接后的权值大小。删除 qnew与原父节点qnear的连线,找到使 qnew与 qinit权值最小的节点qmin作为的新的父节点。若邻域内存在某个节点的权值大于该节点以 qnew为父节点时的权值,则以qnew作为该节点的父节点,确保邻域内的节点权值总是当前最优。RRT算法在 RRT 算法的基础上,对父节点的选取进行优化,利用剪枝优化理论减少了冗余节点,具体运行流程如图 4 所示。2.2 改进 RRT算法RRT算法利用父节点重新选取的策略,缩短了行驶路径,但是 RRT算法随机点的选取是在状态空间里均
13、匀随机进行采样,因此存在采样空间大、遍历节点数多且速度低的问题。针对 RRT算法存在的问题,本文设置了一种目标偏向策略,即先用人工势场法快速搜寻出一条初始路径,再利用 RRT算法进行路径的优化。人工势场法搜寻初始路径的原理是让目标点给 AGV 小车一个引力,障碍物对 AGV 小车产生斥力,使得 AGV 小车能快速地朝着目标点行驶,从而生成一条初始路径,之后再利用 RRT算法的思图 4 RRT算法流程图想对初始路径进行优化。目标点对小车的引力公式如下。Uatt=12(X-X0)2(1)其中 表示引力势场的正比例系数,表示当前AGV 位置 X 到目标点位置 X0的欧式距离。障碍物对 AGV 小车的
14、斥力公式如下:Urep=121-10()00 0(2)其中,为斥力势场正比例系数;代表当前AGV 小车与障碍物之间的距离;0为障碍物影响范围,当 AGV 与障碍物距离大于 0时,斥力势场不影响障碍物。其合力势场函数公式为:Utot=Uatt+Urep(3)引力场函数、排斥场函数的负梯度即是引力和斥力的大小。由上式可得,引力和斥力大小分别为公式(4)和(5)所示。Fatt=X-X0()2(4)Frep=1-10()2X 00 0(5)62北 京 印 刷 学 院 学 报2023 年 其合力大小为:Ftot=Fatt+Frep(6)目标点产生的引力和障碍物产生的斥力共同决定了 AGV 小车的行驶方向
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 印刷 车间 环境 AGV 小车 路径 优化 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。