毕业论文（设计）基于AGV系统的路径规划技术研究.pdf

合肥工业大学专业硕士学位论文基于AGV系统的路径规划技术研究 _ 万方数据摘要随着工业中无人自动化和人工智能化水平的快速提高,实现智慧工厂的目标 越来越急迫。自动导引运输车（AGV）作为智慧工厂中重要运输工具,目前在 智慧厂中已经取得广泛应用。AGV系统主要应用在物料运输环节,便于厂 的自动化管理,节省人力成本,提升车间的生产效率。本文基于合作项目研制 AGV样机及控制管理系统,结合理论与实践重点解决路径规划技术的深入研究,主要研究内容如下:首先,AGV样机系统的研制,主要研究内容包括:硬件选型、控制系统搭 建、程序开发与调试、上位机管理系统开发等,AGV系统结构包括上位机和下 位机两部分。上位机负责地图模型管理、路径规划和任务管理;下位机为自主导 引运输车,包括导引系统、运动控制系统、行走机构、安全装置、液压系统等。规划整个系统执行任务的流程,通过无线通讯使上位机和下位机之间进行指令控 制和信息传输。其次,对于核心研究内容路径规划部分进行深入研究,路径规划方法分为全 局规划和局部规划两类方法,研究全局路径规划方法:分别比较拓扑图法、可视 图法和栅格图法三种建模方法,并选取栅格图法作为本文的地图建模方法,通过 比较Dijkstra算法、A算法和JPS算法三种算法的优缺点,选择搜索效率最高的 JPS算法,并对其启发式函数改进、跳跃搜搜规则优化和路径轨迹优化处理,最 终得到优化的全局规划JPS算法;研究局部路径规划方法:通过比较RRT算法、DWA算法和APF算法的优缺点,选择最适合本项目开发的局部路径规划DWA 算法,并对其评估系数组合（a,%y）采用模糊推理控制方法,根据环境信息 实时调整取评估系数组合,使DWA算法最大化适应复杂的工作环境,最后对全 局和局部规划算法进行仿真实验,验证其有效性。最后,对全局规划和局部规划进行融合规划,得到完整的路径规划体系,能 够在任何复杂的环境变量中,通过融合经过优化JPS算法和优化DWA算法规划 出最优路径,然后使用移动机器人TurtleBot作为实验模型进行实验,在实验室 对本文中融合JPS算法和DWA算法的路径规划方法进行实践验证,并取得很好 的实际效果,算法效果良好,能够完美解决大多数情况下的路径规划问题。关键词:AGVJ路径规划;优化跳点搜索算法,优化动态窗口算法;融合法。n万方数据AbstractWith the rapid development of automation and AI in industry,the goal of smart factory is becoming more and more urgent.Automated guided vehicle(AGV),as an important transportation tool in smart factory,has been widely applied in smart factory.The AGV system is mainly applied in the material transportation link,which is convenient for the factorys automatic management,saving manpower cost and improving the production efficiency of the workshop.This paper is based on the development of AGV prototype and control management system based on the cooperative project,and focuses on the in-depth study of the path planning technology in combination with the theory and practice.The main contents are as follows:First of all,the development of AGV prototype system,the main research contents include:hardware selection,control system construction,program development and debugging,the development of the upper computer management system,and the AGV system structure includes two parts:upper computer and lower computer.The upper computer is responsible for the map model management,the path planning and the task management,the lower computer is the autonomous guide transport vehicle,including the guidance system,the motion control system,the walking mechanism,the safety device,the hydraulic system and so on.We plan the whole system execution process,and make instruction control and information transmission between host computer and slave computer through wireless communication.Secondly,the part of the core research content path planning is deeply studied.The path planning method is divided into two kinds of methods:global planning and local planning.The global path planning method is studied.Three modeling methods are compared,including topological graph method,visual graph method and grid graph method.The grid graph method is selected as the map modeling method in tliis paper,and the Dijkstra algorithm,the A*algorithm and the JPS calculation are compared.The advantages and disadvantages of the three algorithms,select the most efficient JPS algorithm,improve the heuristic function,jump search rule optimization and path trajectory optimization,and finally get the optimized global programming JPS algorithm,and study the local path planning method:by comparing the advantages and disadvantages of RRT algorithm,DWA algorithm and APF algorithm,we choose the local path planning DWA which is most suitable for the development of hi万方数据this project.The fuzzy inference control method is adopted for the combination of the evaluation coefficient combination(alpha,beta,gamma),and the evaluation coefficient combination is adjusted according to the environmental information in real time,so that the DWA algorithm can be maximized to the complex working environment.Finally,the simulation experiments of the global and local programming algorithms are carried out to verify the effectiveness of the algorithm.Finally,the global planning and local planning are integrated,and a complete path planning system is obtained.In any complex environment variable,the optimal path is planned through the fusion of the optimized JPS algorithm and the optimized DWA algorithm.Then the mobile robot TurtleBot is used as the experimental model,and the path planning of the JPS algorithm and the DWA algorithm is fused in the laboratory.The method is verified by practice,and achieves good practical results.The algorithm is effective,and it can perfectly solve most of the path planning problems.Key Words:AGV;Path Planning;Improved Jump Point Search Algorithm;Improved Dynamic Window Algorithm;Fusion method.IV万方数据目录第一章绪论.11.I 自动导引运输车介绍.11.2 AGV的发展与现状.21.2.1 AGV发展概述.21.2.2 国内外现状概述.21.3 AGV的组成与分类.31.3.1 AGV 的组成.31.3.1 AGV 的分类.:.41.4 AGV研制的关键技术.41.4.1 导引技术.41.4.2 路径规划技术.71.5 课题背景意义及内容.8第二章AGV系统方案设计.92.1 AGV系统需求分析.92.2 AGV系统结构构成.92.3 AGV系统硬件结构.112.3.1 AGV 车体.112.3.2 导引系统.122.3.3 AGV控制系统.132.3.4 AGV行走机构.142.3.5 AGV安全装置.152.3.6 AGV货叉液压系统.162.4 AGV系统软件设计.162.5 AGV系统工作流程.182.6 本章小结.19第三章 AGV全局路径规划技术研究.203.1 地图建模及路径规划系统分析.203.1.1 拓扑地图法.20V万方数据3.1.2 可视图法.203.1.3 栅格地图法.213.1.4 地图建模.223.2 全局路径规划算法现状及分析.243.2.1 路径规划性能指标.253.2.2 全局路径规划算法.253.2.3 全局路径规划综合分析.353.3 全局路径规划算法优化与实现.393.3.1 路径搜索算法优化与实现.393.3.2 路径轨迹曲线平滑处理.443.3.3 路径信息转化.463.4 本章小结.:.47第四章AGV局部路径规划技术研究.484.1 局部路径规划算法现状及分析.484.1.1 局部路径规划算法.494.1.2 局部路径规划算法综合分析.524.2 局部路径规划算法实现.524.2.1 建立AGV运动学模型.534.2.2 速度矢量空间采样.：.534.2.3 最优评估函数.554.2.3 DWA算法实验仿真.564.3 局部路径规划算法优化与实现.584.3.1 DWA算法缺陷分析.：.584.3.2 DWA算法优化处理.584.3.3 优化DWA算法实验结果.664.4 本章小结.69第五章 基于JPS和DWA融合路径规划方法.715.1 融合路径规划方法.二.715.2 基于ROS的实验环境设计.725.3 实验过程及结果分析.75VI万方数据5.4 本章小结.78第六章总结与展望.796.1 总结.796.2 展望.79参考文献.81附录.84VII万方数据插图清单图1.1自动化工厂中的自动导引运输车.1图1.2 Kiva Systems公司的仓储物流系统.3图L3 AGV系统组成结构示意图.4图1.4磁带导引方式原理示意图.5图L5激光导引方式原理示意图.6图2.1AGV系统框架图.10图2.2 AGV车载机控制系统框图.11图2.3 NAV-350工作原理示意图.13图2.4 AGV控制系统硬件结构图.14图2.5 AGV单舵轮行走机构示意图.15图2.6 SICK-S300激光防撞传感器工作原理.15图2.7AGV系统软件模块构成框架图.16图2.8 AGV系统软件设计结构图.17图2.9AGV系统工作流程图.18图3.1拓扑图法示意图.20图3.2可视图法之切图法.21图3.3可视图法之Vbronoi图法.21图3.4栅格地图10*10.22图3.5 AGV实际工作环境平面图.23图3.6障碍物网格膨胀示意图.24图3.7 AGV工作环境栅格地图模型.:.24图3.8 AGV直线段和圆弧段行驶示意图.25图3.9路径规划算法研究历程.26图3.10 Dijkstra算法搜索示意图.27图3.11 A算法路径搜索的流程图.28图3.12 JPS算法路径搜索示意图.30图3.13 A算法与JPS算法无障碍物路径搜索对比.30图3.14 A算法与JPS算法有障碍物路径搜索对比.31图3.15直线跳跃搜索示意图.32图3.16对角线跳跃搜索示意图.32图3.17在障碍物下跳跃搜索示意图.33图3.18水平方向跳跃搜索原理图.33VIII万方数据图3.19对角线方向跳跃搜索原理图.34图3.20 JPS算法路径搜索流程图不要把结束放在中间.35图3.21 Dijkstra算法全局路径规划结果示意图.36图3.22 A算法全局路径规划结果.36图3.23 JPS算法全局路径规划结果.36图3.24随机地图上Dijkstra算法搜索结果.37图3.25随机地图上A算法搜索结果.38图3.26随机地图上JPS算法搜索结果.38图3.27节点间不同距离示意图.40图3.28基于欧几里得距离的规划结果.40图3.29基于曼哈顿距离的规划结果.41图3.30基于对角线距离的规划结果.41图3.31跳跃规则优化搜索示意图.42图3.32 JPS算法与优化JPS算法路径规划示意图.43图3.33优化JPS算法的流程图.44图3.34路径曲线优化处理流程图.45图3.35路径轨迹优化效果对比.46图4.1路径规划系统示意图.48图4.2 AGV在人工势场中受力示意图.:.50图4.3 RRT算法扩展叶子节点示意图.51图4.4 RRT算法的基本构建图.51图4.5 AGV运动模型示意图.53图4.6动态窗口采样轨迹示意图.54图4.7方位角评估函数Head(v,w)原理图.55图4.8 AGV的采样结果示意图.57图4.9 DWA算法的权值参数(0.2,0.7,0.1)规划结果示意图.57图4.10模糊系统的运算示意图.58图4.11模糊推理准则.59图4.12优化的DWA算法流程示意图.61图4.13距离变量d的隶属度函数.62图4.14权值系数a、。和y的隶属度函数.62图4.15方位角De的隶属度函数.64图4.16融合系数丫的隶属度函数.65图4.17优化的DWA算法路径规划效果图.67IX万方数据图4.18固定模型中权值系数（a,B,y）采样数据曲线.67图4.19随机地图模型中传统DWA算法规划的路径.68图4.20随机地图模型中优化DWA算法规划的路径.68图4.21随机模型中权值系数（。邛,丫）采样数据曲线.69图5.1融合JPS算法和DWA算法的流程图.71图5.2基于ROS的AGV导航系统整体框架图.72图5.3AGV系统核心节点关系交互图.73图5.4实验模型1111801机器人.74图5.5已知环境变量的全局地图模型.74图5.6全局地图中AGV初始化位姿.75图5.7基于全局地图的全局路径规划结果.76图5.8基于局部地图的局部路径规划结果.76图5.9 AGV的最终路径规划结果.77图5.10实际地图模型中权值系数Q邛,丫）釆样数据曲线.78X万方数据列表清单表2.1 AGV车体详细参数.11表2.2主流导引方式比较.12表2.3 S300安全保护区域的设置规则.16表3.1不同建模方法比较示意图.22表3.2相同地图模型下不同算法的性能对比.37表3.3路径规划算法的详细比较.39表4.1不同局部路径规划方法比较.52表4.2基于安全避碰行为的模糊规则.63表4.3基于目标导向行为的模糊规则.64表4.4基于权值融合行为的模糊规则.66表5.1 AGV系统核心节点详细信息.73XI万方数据第一章绪论第一章绪论1.I自动导引运输车介绍自动导引运输车(Automated Guided Vehicle,缩写为AGV),AGV在国内 被广泛称为无人车,自动导引运输车在机器人技术领域被成为移动机器人,AGV 系统集成了传感器、计算机控制、机电控制、计算机通讯、机械等多个学科的研 究技术,并广泛应用于业、军事、业等多个热门领域网。欧美等发达国家对 AGV制定一系列的标准准则,促使AGV得到迅猛发展,其中美国物流协会对 AGV具有专门的标准定义:(1)具备自主导航功能,且导航偏差在标准误差的允许范围之内;(2)具备自主保护功能,如自主安全避碰、紧急报警刹车等;(3)具备自动控制运输功能,如物料配送、自动出入库等。随着科学技术的不断进步,现在市场中大部分AGV均可实现自主导引、定 位导航、安全避碰、多机协调控制、自主调度管理、自适应调节等功能,有小部 分特种AGV能够完成特种工作。在工业自动化的发展带动下,物料运输系统(Material Handling System,MHS)、立体化智能仓储系统(Stereoscopic Warehouse System,SWS)和柔性制造系统(Flexible Manufacture System,FMS)三大系统在实际厂中取得越来越广泛的 应用。图L1为国内某自动化工厂的整个AGV控制系统,套完整的物流运 输系统中最为核心的部分是AGV控制管理系统,AGV系统的运行是保证系统正 常运行的基础。图1.1自动化工厂中的自动导引运输车Fig 1.1 Automated Guided Vehicle in an automated factory1万方数据合肥工业大学硕士学位论文1.2 AGV的发展与现状1.2.1 AGV发展概述AGV最早起源于欧美工业发达国家,其发展历史超过100年。早在1913年,福特汽车公司将带有导轨的运输车应用到汽车生产车间之中。在20世纪60年代 初期,美国巴雷特电子公司采用通过电磁感应跟踪路径的AGV,研制出世界首 台基于电磁导引方式控制的AGV,同期,多家公司研制出不同导引方式的AGV,广泛应用于厂和仓库。20世纪70年代,欧洲公司对AGV制定标准化准则,促进AGV相关技术的快速发展。同期,瑞典的沃尔沃公司研制多种AGV,应用 于其汽车装配工厂,进行装配柔性作业习。到20世纪70年代,美国各公司在欧洲技术的基础之上,利用先进的计算机 控制技术极大化提高了 AGV的先进水平,已经实现自动化充电的功能。同时,无线通讯技术应用到AGV中,无线式导引AGV也随之出现,采用惯性导引和 激光导引技术,使系统的稳定性、准确性和灵活性更高。20世纪80年代以来,随着计算机技术的快速发展,AGV系统中集成计算 机通讯技术、图像识别技术、微控技术、电子技术等。AGV的各个模块中均采 用微控制器技术,使AGV进入智能化、集成化、多元化发展阶段,多AGV通 过计算机中央控制,中央系统可以对各个AGV进行任务分配、运动控制、实时 监控和调度协调。近些年来,许多智能化的控制方法和策略已经逐步应用到AGV技术之中,如多机器人协调控制理论、视觉导航技术、人工智能技术及多智能体理论等,AGV系统正向无人自动化和人工智能化的方向发展。1.2.2 国内外现状概述AGV最早出现在欧美国家,很多先进的核心技术和硬件设备都来自欧美的 公司,其控制系统软件、AGV系统和外围设备等些列产品已经广泛应用于仓 库、车站、码头、工厂等领域。1991年,瑞典NDC公司研制出第四代的激光导引AGV系统。2000年,比 利时Egmin公司研制出集合惯性导引、激光导引、激光测距与测角交叉结合的 融合导引控制技术网。在同时期,日本和韩国的AGV研发投入大量的资本,其 中日本的大福公司和韩国的三星公司研制出多种世界前沿的AGV控制技术,并 生产系列的相关产品投入至国际市场。2004年,瑞典NDC公司最早推出全新理念的AGV控制系统。2012年,美 国的kiva system公司中利用视觉识别技术和多机调度规划技术,在地图模型上 贴位置标识来自我定位,高效安排若干台移动机器人在物流工厂工作,该系统已 经被亚马逊公司收购,世界各国均购买系统进行开发研制,如图1.2所示。2万方数据第一章绪论图1.2 Kiva Systems公司的仓储物流系统Fig 1.2 Kiva Systemss warehousing and logistics system在国内,AGV的研究技术起步较晚,起始工厂中的物流配送完全靠人工解 决,AGV多数是从国外进,国内自主研发的产品少之又少。在20世纪70年 代到80年代,有沈阳自动化研究所、北京机械工业自动化研究所、北京起重机 械研究所等研究所均推出自主研制的AGV样机。1976年,北京起重机械研究所 自主柜内第一台AGV系统并嵌套与滚珠加工系统。1991年,沈阳自动化研究 所研制出基于客车装配的AGV系统。1994年,清华大学提出基于模糊推理准则 的视觉导引TRMR-II!型号AGV,能够通过视觉图像准确推理出路径边缘识别,并顺利行业的标准鉴定。同期,厦门大学研制出超声波导引AGV系统,能够利 用超声波进行自主导航定位、安全避障、自主规划路径等系列完整功能网。21世纪初期,国内的AGV研究技术得到快速发展,研究技术日趋成熟并上 升到新的高度。2003年华南理工大学基于神经网络研制出一套全新优化的路径 规划算法,提升路径规划算法的运算效率。2005年,西安交通大学提出自适用 目标跟踪方法,并提出可行的跟踪策略,能够使AGV适用于更加复杂的工作环 境。2007年吉林大学提出高精度测量超声波传播时间的方法,该方法避免了信 号干扰的问题,并提升AGV导航定位的精确度网。目前越来越多的人工智能技 术已经广泛应用于AGV系统中,并取得良好的效果。1.3 AGV的组成与分类1.3.1 AGV的组成AGV多数是以蓄电池作为整个系统的驱动动,基于车身的基础之上,配 置导引系统、路径规划系统等,接受并完成相应的指令。AGV系统主要包括:车身、运动机构、通讯系统、导航定位系统、控制管理系统、运动控制系统、安 3万方数据合肥工业大学硕士学位论文全防撞系统、电源系统、搬运系统等,详细的AGV系统构成如图1.3所示。其 中,导航定位系统如同AGV的“眼睛”,在AGV行驶过程中进行导航定位。控 制管理系统如同AGV的“大脑”，负责AGV系统的任务分配、调度管理和实时 监控期。路径规划系统会根据起始节点和目标节点在地图模型上为AGV规划出 最优路径。车身、运动机构、电源系统等都是组成AGV必不可少元素。图1.3 AGV系统组成结构示意图Fig 1.3 Structure diagram of AGV system13.1 AGV的分类市场中AGV的样式多种多样,按照不同的分类标准划分,有多种不同的分 类方法。按照有无路径分类,可以分为固定路径式和自由路径式;按照用途分类,可以分为搬运型AGV,装配型AGV等;按照行走结构分类,可以分为轮式AGV、履带式AGV和双足式AGV；按照搬运方式分类,可以范围前叉式、侧叉式和牵 引式;按照驱动方式分类,可以分为单舵轮驱动、双舵轮差速驱动和全向轮(万 向轮)驱动；按照导引方式分类,可以电磁导引技术、磁带导引技术、光学导引 技术、激光导引技术、超声波导引技术、视觉导引技术、惯性导引技术、GPS 导引技术等。1.4 AGV研制的关键技术1.4.1导 引技术目前常见的导引技术有电磁导引技术、磁带导引技术、光学导引技术、激光 导引技术、超声波导引技术、视觉导引技术、惯性导引技术、GPS导引技术等等 11(1)电磁导引技术电磁导引技术使通过在路径下面预埋金属电路,通过交叉高频电流产生电磁 4万方数据第一章绪论场,在AGV车身上安装电磁感应设备,通过检测电磁场强弱实现对路径的导引。优点:埋线隐蔽、原理简单可靠、抗干扰能力强、便于通讯和控制等。缺点:成 本代价较大、路径无法更改、无法处理复杂工作环境。(2)磁带导引技术原理类似于电磁导引,在地面上面铺磁带条,通过磁性传感器检测磁带条中 磁场来进行路径导引,原理如图1.4所示。优点:原理简单、便于通讯和控制、灵活改变路径等。缺点:磁带条易损坏污染、易受到金属物价干扰、可靠性不稳 定等。磁帯图1.4磁带导引方式原理示意图Fig 2.6 Schematic diagram of the principle of tape guide(3)光学导引技术在AGV的行驶路径上粘贴带有颜色标志的色带,利用摄像机采集色带的颜 色信息,并对其进行图像识别得到路径信息,从而实现路径导引。优点:灵活使 用、原理简单等。缺点:色带易受到污染损坏、环境亮度要求较高、可靠性不稳 定叫(4)激光导引技术激光导引目前非常灵活应用于各大领域,其导引定位原理如图1.5所示,激 光导引采用特殊材质且位置精确的激光反射板(至少三块以上),激光扫描仪以 一定扫描频率进行不停地扫描,根据反射板的反馈回来位置信息,通过三角几何 运算(多点定位方法)即可计算出AGV的位姿信息(包括X坐标、Y坐标和方 位夹角),实现定位和导引的功能。使用激光导引方式进行定位和导引的优点:由于扫描仪反馈位置信息精确,所以激光导引精度很高,而且反射板和扫描仪均固定在具有一定高度的空间中,地面上无需做任何的定位设施,可以忽略地面的因素的干扰,导引路径灵活多变,适应多种复杂的工作环境。该技术的缺点:激光扫描仪和反射板的价格昂贵,且 5万方数据合肥工业大学硕士学位论文开发导引系统成本也比较高口刃。图1.5激光导引方式原理示意图Fig 1.5 Schematic diagram of the principle of laser guidance（5）视觉导引技术视觉导引的技术已非常成熟,而且广泛应用于各大领域。迄今为止,基于视 觉导引的领域已经投入大量的研究工作,并取得一定程度的进步。大多数的研究 工作主要集中于地图建模、路径规划算法的优化、路径追踪技术、障碍物检测及 避障技术。视觉导引技术主要是利用视觉传感器获取客观环境的相关信息,并引导 AGV避开障碍物达到指定的目标位置或者规划岀指定位置到目标位置的路径。视觉导引技术主要基于能够通过视觉信息感知外界相关信息的视觉系统,由于视 觉系统的视觉信息量非常庞大、复杂,所以开发个能够自主规划避障的AGV 系统是相当复杂”3目前研究工作主要致于利用计算机视觉实现对视觉感知 数据进行逻辑分析来实现自主规划和避障功能的基于视觉导引的AGV系统。（6）惯性导引技术惯性导引是根据陀螺仪通过其周围定位块的方位角和位置信息,计算出 AGV的位置与方向,其定位块相当于绝对坐标系中的固定参考点,通过读取位 置的变化来进行定位!优点:定位精度高、使用灵活方便、兼容性强、使用 范围广泛等。缺点:成本较高、可靠性取决于造价成本。（7）GPS导引技术GPS导引技术是通过接受卫星信号实现空间环境的多点定位,结算当前为位6万方数据MT绪论置坐标,并将位置信息反馈至接收端,通常应用于室外的AGV定位与导引口曳 GPS导引技术的定位精度主要取决于卫星的数量和精度,及周围环境的影响,且 主要应用于室外工作环境。随着技术的不断突破,AGV相关的技术也会融合更多的先进技术,导引技 术将视觉、GPS、激光等先进的技术融合优化之后,研发出更好的导引方式,从 而可以极大促进AGV技术的发展。1.4.2路 径规划技术路径规划技术是AGV技术中最核心的内容,是根据起始节点和目标节点的 位姿状态,在地图模型中通过评估函数捜索出最优路径,具体的过程按照“感知-建模规划一行为”的顺序进行规划。路径规划技术包括全局路径规划技术和局部 路径规划技术。全局路径规划是确定节点间位置关系;利用全局规划算法规划出 两点间的最优路径,全局路径是基于已知环境信息,无法应对未知的环境变量。局部路径规划是根据AGV当前位置和局部子目标节点,结合未知的周围工作环 境变量,计算出AGV当前的位置和方向,根据周围环境信息实现自主安全避障 等功能,由于是规划至局部子目标节点的路径,所以局部路径规划方法难以规划 出最优路径U”(1)全局路径规划技术在1989年,提出经典的最短路径搜索Dijkstra算法,该算法是由以起始节 点依次向周围扩展搜索,直至遍历搜索至目标节点。Dijkstra算法能够确保得到 最优路径,但是搜索不具有指向性,盲目遍历搜索,导致该算法的效率较低。叫 1968年,Hart、Nilsson等人提出基于Dijkstra算法之上具有启发特性的A算法,A算法采用启发式函数优化路径搜索方向,可以确保在最短路径的前提下大大 提升搜索效率1。1994年,Stentz提出D算法,该算法在已知地图模型上进行 全局路径规划,根据地图中障碍物信息实时更新地图模型,并重新规划路径,完 成全局规划上的局部避障,但是实时更新地图的代价较大。近些年学者提出基于 A优化的。算法、JPS算法等,能够更加快速进行路径规划。(2)局部路径规划技术局部路径规划算法是根据传感器采集信息,获知未知环境变量信息并实时规 划出局部路径。常见的局部路径规划技术有人工势场法、遗传算法、动态窗口法、快速随机树搜索法等U3 人工势场法是在工作空间中设置虚拟势场,目标节点 产生吸引力、障碍物产生排斥力,根据AGV所受合力的方向进行路径导引,但 是该算法易出现局部最小问题a叫遗传算法是借鉴生物学中遗传学机制,将急 需解决问题的可能解转化为种群,利用生物学中优胜劣汰准则不断迭代进化逼近 最优解21。动态窗口法是采用速度采样,通过环境信息变量调整评估函数的系7万方数据合肥工业大学硕士学位论文数组合,并根据评估函数选取最优局部预计路径口】。1.5课 题背景意义及内容本课题依托合肥工业大学(马鞍山)高新技术研究院的研究项目:智能自动 导航车样机(研制AGV)及控制系统开发,本文内容是基于该项目的综合理论 研究成果和部分实践总结。本课题通过研究AGV系统中的关键技术,研制出符合项目要求的样机和控 制管理系统,使AGV能够在加工车间任意两点之间的物料搬运,提升车间的自 动化程度,除此之外,该项目技术可以应用于其他众多领域中,具有颇高的研究 价值。本文的主要研究内容:(DAGV样机研制,制定整体方案,根据项目要求设计符合性能要求的软 硬件系统,对整套硬件系统进行元器件选型、安装与调试,研制出能够安全行驶、灵活控制、精准定位的AGV样机,开发AGV样机及其控制管理系统,并对控 制系统进行调试及优化。(2)针对AGV系统中关机技术;路径规划技术,分别从全局和局部两 个方面进行深入优化研究,在全局路径规划中,通过比较Dijkstra、A和JPS三 种算法,比较其优缺点,本文选择JPS算法作为全局路径搜索方法,并对其进行 优化改进。在局部路径规划中,.通过比较人工势场法、随机搜索树法和动态窗口 法,比较其优缺点,选择与要求相符合的动态窗口法作为局部路径规划方法,为 增加DWA算法的适用性,本文采用环境变量模糊推理的方法,实时改变算法中 不同评估函数的系数,使其更加适用于复杂的工作环境。(3)对全局规划和局部规划进行整合,通过将全局的最优节点作为局部的 子目标节点,使AGV能够在全局路径的指引下,沿着局部规划的路径行驶至目 标节点。8万方数据第二章AGV系统方案设计第二章AGV系统方案设计2.1 AGV系统需求分析AGV样机的研制首先是根据设计需求选择合适的行走机构,根据车间的实 际工作环境选择合适的导引方式,根据任务的复杂程度选择最佳的任务AGV,AGV本身能够灵活规划路径,运动偏差在允许范围之内,同时AGV车载机系统 需要保留若干个预留接口,便于同上位机控制管理系统结合。根据以上的要求设 计AGV系统总体方案,并满足以下的性能指标:AGV运动方式,可以前进、后退和转弯;定位精度不低于20mm,导航误差直线小于100mm,旋转误差角度小于 等于2。;能够自主规划路径,具备安全避障能力;空载时:行驶最高速度L2m/s,负载时:行驶速度为0.8l.Om/s;具备 最大负载承重能力:1200kg；具备安全保护系统,遇到故障或危险时,能够安全停车;AGV系统中,可以容纳多台AGV同时运行；能够接受多个任务,并合理分配路径；最小转弯半径不大于自身的长度(1.5m)2.2 AGV系统结构构成上位机管理系统是AGV系统的上层的“决策者”,其主要包括AGV的路径 规划系统、安全避碰系统、上位机监控管理系统、车载机控制系统、通讯系统等,系统的框架图如图2.1所示。车载机控制系统是AGV车体上搭载的控制系统,属于下位机控制住系统,其余均属于上位机管理系统。其中路径规划系统和车载 机控制系统是本文研究的重点。根据对AGV提出的性能指标,AGV系统采用集中式控制方式。AGV系统 由上位机管理系统、多台搭载车载机控制系统的AGV和若干外围设备组成。其 中上位机管理系统负责路径规划、任务管理、模糊控制和安全防撞;车载机控制 系统负责AGV自主避障、执行任务、导航定位、感知环境信息和人机交互操作。AGV系统框架图中,上位机管理系统主要包括基本运动控制、AGV监控管 理、路径规划、模糊运动控制、故障报警、任务调度等功能模块。上位机和车载 机之间的指令通过TCP/IP协议无线传输,车载机控制系统将AGV的运动状态、位置信息、障碍物信息等反馈至上位机管理系统中,上位机通过计算车载机系统 反馈的信息,并计算将要执行的动任务,转化成任务指令发送至车载机控制系统 中叫9万方数据合肥工业大学硕士学位论文信息反馈上位机管理系统路径规划系统安全防撞系统运动控制系统任务管理系统指令发送TCP/IP无线通讯信息反馈指令发送车载机控制系统图2.1 AGV系统框架图Fig 2.1 Frame diagram of computer system车载机控制系统的主要功能是执行任务、导航定位、感知环境信息、人机交