浅谈AGV机器人路径规划

2021-07-15 10:39:00
特鲁门AGV
转贴
329
摘要:本文浅谈一下AGV机器人的路径规划。

近年来,智能工厂的大力发展,AGV机器人作为智能化设备其中一员,承载着制造业工厂最为重要的搬运环节。AGV机器人路径规划,包括单循环路径、双循环路径和多循环路径。


根据AGV机器人工作环境路径规划大致可分为两种:一种是全局路径的规划,在工作环境的全部信息知道的同时,称之为静态和离线路径规划。另一种是基于传感器的部分路径规划,在工作环境信息全部未知或部分未知的同时,又称动态和在线路径规划。这两种AGV机器人的路径规划没有很大的不同,即使是在环境未知的情况下,只是把整个路径规划的环境考虑得比较复杂一些。其中这两种路径也是有可以共通的地方,比如很多适用于全局路径规划的方法经过部分的改进也可以适用于局部路径规划,而适用于局部路径规划的方法都可以适用于全局路径规划。

AGV机器人路径规划


智能化AGV机器人路径规划

模糊控制、神经网络、遗传算法以及它们的相互结合也是研究热点之一。智能化方法能模拟人的经验,逼近非线性,具有自组织、自学习功能并且具有一定的容错能力。这些方法应用于路径规划会使AGV机器人在动态环境中更灵活,更具智能化。

多AGV机器人系统的路径规划

协调路径规划已成为新的研究热点。随着应用不断扩大,AGV机器人工作环境复杂度和任务的加重,对其要求不再局限于单台AGV机器人。

AGV机器人路径规划

这些性能指标包括:实时性、安全性和可达性等。在动态环境中,由于环境信息是时刻变化的,如果AGV机器人实时性差,滞后于动态环境,就可能会导致避障失败。安全性和可达性也很重要。一个性能指标不好的方法,即使它能使AGV机器人走出完美的轨迹,也将被淘汰。而有些方法没有高深的理论,但计算简单,实时性、安全性好,就有存在的空间。如何使性能指标更好是各种算法研究的一个重要方向。

基于行为的AGV机器人路径规划

基于行为的方法是一种自底向上的构建系统方法,即把路径规划分解成一系列相对独立的小系统,在运行状态下通过竞争机制取得控制机器人的主导权,并在与环境交互作用中最终达到目标。基于功能/行为的AGV机器人控制结构融合了两者优点,既有基于功能控制结构的必要理性,又有基于行为控制结构的快速响应。

多传感器AGV机器人路径规划

AGV机器人在动态环境中进行路径规划所需信息都是从传感器得来。单传感器难以保证输入信息准确与可靠。多传感器所获得信息具有冗余性,互补性,实时性和低代价性,且可以快速并行分析现场环境。AGV机器人的多传感器信息融合也是当今一个比较活跃的研究领域。具体方法有采用概率方法表示信息的加权平均法,贝叶斯估计法,多贝叶斯法,卡尔曼滤波法,统计决策理论法。有采用命题方法表示信息的D-S证据推理,模糊逻辑,产生式规则,还有仿效生物神经网络的信息处理方法,人工神经网络法等。


科技在进步,机器人代替人类工作已成为现代工厂的主流。AGV机器人在工作中的路径规划这项是必不可少的,只有深入的去开发AGV机器人的作用才能更好的来帮助人类工作。