AGV小車公共路徑規劃【高技術黃金含量】
發布時間:2019-04-22

AGV汽車路徑規劃技術是AGV汽車技術研究的一個熱點領域。AGV汽車是一種移動機器人。本文簡要介紹了AGV汽車常用的幾種路徑規劃技術。



根據AGV汽車工作環境路徑規劃模型可分為兩類:一類是基于全局路徑規劃模型,所有工作環境的信息都是已知的,也稱為靜態或離線路徑規劃。另一種是基于傳感器的局部路徑規劃,其中所有或部分工作環境信息未知,也稱為動態或在線路徑規劃。這兩輛AGV車的路線規劃沒有本質區別。前者只考慮全球航線規劃環境較為復雜,即環境未知。許多改進的全局路徑規劃方法可以應用于局部路徑規劃,而局部路徑規劃方法可以應用于全局路徑規劃。


隨著科學技術的飛速發展,計算機、傳感器和控制技術得到了迅速發展,各種新算法層出不窮,移動機器人路徑規劃技術取得了豐碩的研究成果。特別是對于環境已知的全球路徑規劃,其理論研究相對完善。目前,比較活躍的領域是研究未知環境下的地方規劃。從研究結果來看,有以下趨勢:


(1)不斷提高移動機器人路徑規劃的性能指標。這些性能指標包括實時性、安全性和可訪問性。在動態環境中,由于環境信息是時變的,如果移動機器人的實時性較差,且滯后于動態環境,則可能導致避障失敗。安全性和可訪問性也很重要。一種性能指標較差的方法,即使它能使移動機器人偏離完美的軌道,也將被淘汰。有些方法沒有先進的理論,但計算簡單,實時性強,安全性強,存在一定的生存空間。如何提高性能指標是各種算法的一個重要方向。



(2)智能算法將繼續出現。模糊控制、神經網絡、遺傳算法及其組合也是研究熱點。智能方法可以模擬人的經驗,近似非線性,具有自組織、自學習功能,并具有一定的容錯能力。這些方法在路徑規劃中的應用將使移動機器人在動態環境中更加靈活和智能。


(3)多移動機器人系統的路徑規劃。協調路徑規劃已成為一個新的研究熱點。隨著應用范圍的擴大、工作環境的復雜性和移動機器人任務的加重,它們的需求不再局限于單一的移動機器人。

(4)路徑規劃的多傳感器信息融合。在動態環境中,移動機器人路徑規劃所需的信息來源于傳感器。單個傳感器很難保證輸入信息的準確性和可靠性。多傳感器獲取的信息具有冗余、互補、實時、低成本等特點,能夠快速、并行地分析現場環境。移動機器人多傳感器信息融合也是當前研究的熱點。具體方法有加權平均法、貝葉斯估計法、多重貝葉斯法、卡爾曼濾波法和統計決策理論法。有D-S證據推理、模糊邏輯、生產規則、仿生物神經網絡的信息處理方法、人工神經網絡等。


(5)基于功能/行為的移動機器人路徑規劃是研究的新趨勢之一。基于行為的方法是一種自下而上的系統構建方法,它將路徑規劃分解為一系列相對獨立的小系統,在運行狀態下通過競爭機制獲得控制機器人的優勢,最終在與環境的交互中達到目標。基于功能/行為的機器人控制結構結合了兩者的優點。它不僅具有基于功能的控制結構的必要性,而且具有基于行為的控制結構的快速響應。