基于节点优简算法的实木板材自动搬运系统研究

  • A+
所属分类:AGV资料
摘要

为推进实木板材加工生产企业向智能工厂转型,解决企业中各个生产线之间物料衔接人工耗费成本高的问题,设计了一种基于节点优简算法的实木板材自动搬运系统。首先对系统的设计需求进行分析,对传统生产线进行智能化升级,并以工厂实际环境为基础,规划了系统环境布局。其次对系统软件进行开发,包括设计二维码导航系统,计算出无人导航小车任意位置表达式;建立栅格地图;基于节点优简算法进行路径规划,通过减少计算节点和转弯次数,算法效率相较于传统路径规划算法得到提升;制定自动导航小车协同运作规则,解决多AGV冲突问题,最终确保了系统智能高效地运行。采用C++编写软件,在实现实木板材智能化生产的同时,有效降低了人工成本,提高了实木板材加工企业的生产效益。

0 引言

在德国提出“工业4.0”的国际背景下,国内出台了《中国制造2025》的战略政策,旨在推动国内制造业的智能化进程。以智能制造为基础的智能工厂成为各行各业的革新目标,其中无人加工生产线的改造成为向智能工厂转型的关键[1]。近年来,实木板材加工生产过程大部分已经实现了自动化,但是各个工序之间的运输与衔接仍旧需要大量人工,劳动力成本的不断提高制约了企业的发展。为了提高实木板材加工的生产效益,实现实木板材加工行业的智能化转型,本文研发了一种实木板材加工生产线的自动搬运系统,通过利用自动导航小车(Automated Guided Vehicle,AGV)进行无人运输与装卸,以有效解决实木板材各个加工工序之间搬运成本高的问题。

1 实木板材加工生产线的自动搬运系统总体设计

1.1 自动搬运系统的设计需求

自动搬运系统的设计基于江苏江佳机械有限公司的实木板材加工现状,其生产线将原木加工成实木板材,尽管该生产加工线已基本实现自动化加工,但为了提高木材的利用率,工厂将短材拼接成规格材,即通过指接生产线将较小尺寸的实木板材进行梳齿和开榫加工[2],利用“指接”方法结合成长条实木板材,再锯切成满足生产规格的板材。为了提高实木板材加工的智能化水平,企业对传统加工生产线进行改进,在传统生产线上加上图像识别装置,用于智能扫描识别并挑选出具有缺陷的板材。基于图像识别的板材智能裁剪生产线利用图像识别装置确定实木板材缺陷(如虫眼、结疤等)的位置信息[3],然后通过智能裁剪装置将缺陷部分进行切除,使无缺陷部分能够接长使用。
自动搬运系统应用于传统实木板材自动化加工生产线、板材智能裁剪生产线与智能指接加工生产线之间的衔接,实现实木板材的智能搬运与智能装卸。通过图像识别装置与弹出装置对传统加工生产线加以改造,对传统生产线智能升级,增加缺陷材的智能挑选功能,利用直角坐标机器人实现生产功能区板材的上料与堆叠作业,然后由AGV将各种板材搬运至相应的规格材料区,实现实木板材加工厂的无人生产与无人搬运。图1所示为板材智能裁剪生产线,图2所示为智能指接加工生产线。

基于节点优简算法的实木板材自动搬运系统研究

图 1 板材智能裁剪生产线

基于节点优简算法的实木板材自动搬运系统研究

图 2 智能指接加工生产线

经过传统自动化加工生产线与智能指接加工生产线处理后的实木板材规格为1200mmx150mmx18mm,为了跟上生产节奏,保证效率,托盘的容量应能容纳 5 排板材,且为确保 AGV 搬运板材过程的平稳性,托盘四角应带有支撑体。为搬运方便,选用抬升移载式 AGV,同时 AGV 应配备有智能导航与定位装置,保证搬运的位置精度,其结构如图1中所示。

1.2 自动搬运系统的环境布局

自动搬运系统的应用环境包括传统生产线、板材智能裁剪生产线、智能指接加工生产线、残缺木料堆积区、AGV休息区、进料区、仓储入口分拣台和办公控制中心,其中AGV休息区为AGV充电与故障维修的场所,而在实际生产过程中,传统生产线上带有缺陷的实木板材的数量相对较小,为了充分发挥智能裁剪生产线与智能指接加工生产线的作用,工厂另外采购成本低、带有缺陷的板材进行加工,将这些板材堆叠在进料区,利用多个AGV将各个功能区衔接起来。
由于传统生产线上主要加工缺陷少的板材,需要指接的板材不多,大部分搬运任务是在其他功能区进行,其中进料区和分拣台与其他功能区之间的搬运量最大,考虑板材智能裁剪生产线与智能指接加工生产线的加工时间较长,使板材产出与堆叠完成一个托盘单位的时间较慢,搬运需求相对较小,另为减少AGV行程,残缺木料堆积区设计在进料区附近。通过解析法求得各工作区 AGV 所需数量,定义 为𝑇rAGV平均完成一次板材搬运过程的总时间(单位为秒)。

𝑇r = 𝑇w + 𝑇k + 𝑇m + 𝑇z      (1)

式(1)中,为Tw为AGV平均等待时间,𝑇k为平均空载行驶时间,𝑇m为平均满载行驶时间,𝑇z为平均板材物料转换时间,定义ω为板材物料需求时间,即每隔ω秒会产生一个搬运任务,则每小时搬运次数为C = 3600/ω,那么AGV每小时完成所有任务C所需的总时间为Ta = C× Tr,设 AGV 除去充电时间的每小时平均工作时间为μ秒,则可得AGV数量的基本公式:N=Ta/μ,设AGV每小时工作时间50分钟,AGV 平均完成一次搬运时间为200秒,根据各个工作区任务量计算出传统生产线、进料区、板材智能裁剪生产线与残缺木料堆积区之间需求4辆AGV进行往返搬运板材,当传统生产线的缺陷材产出达到一个托盘容量,抽调4辆中的1辆将板材搬运至智能裁剪生产线,智能裁剪生产线与智能指接加工生产线之间由3辆AGV进行板材搬运,智能指接加工生产线、传统生产线与仓储入口分拣台之间由4辆AGV进行搬运,共11辆AGV。自动搬运系统环境布局基于80mx50m的生产面积,其中传统生产线部分占地65mx15m,在该传统生产线上,主要加工比较好的板材,这些板材中只有少量带有缺陷,被机器人挑选出来后放置在缺陷材堆叠口,加工完成的无缺陷成品板材放置于成品材堆叠口,其他功能区的占地面积与位置如图 3 所示。

基于节点优简算法的实木板材自动搬运系统研究

图3工厂环境布局图

2 自动导航运输系统(AGVS)的设计

自动导航运输系统(Automated Guided Vehicle System,AGVS)主要包含中心控制模块、AGV监控模块、定位模块、通信模块与自动充电模块,通过该系统实现搬运任务的分配与调度[4]、AGV的自动定位与导航、AGV 路径规划与运动控制[5],是无人生产搬运系统的核心部分。

2.1 导航系统的设计

目前市场上常用的 AGV 导航方式主要有磁导航激光导航[6]、惯性导航、视觉导航[7]。在视觉导航中,QR 码(Quick Response Code)导航因其高效稳定的特点得到众多AGV厂商的青睐。实木板材加工工厂环境中,AGV对搬运速度和精度有一定要求,故本文采用QR码导航,每个码有唯一编号,由AGV车载相机进行识别读取信息,从而实现AGV的导航控制,二维码标签材料选用耐磨损标签,且定期更换以确保有效识别,另为了减少工厂中粉尘对识别的影响,要求在 AGV 上配有吹尘装置,在识别二维码前将可能存有的粉尘驱除。QR 码的识别计算过程如图 4(b)所示,其中𝑁1、𝑁2、𝑁3为定位图案轮廓,⊿𝑁1𝑁2𝑁3为等腰直角三角形;原点𝑂为所求 QR码的中心,向量𝑁1𝑁2为旋转轴向量。

基于节点优简算法的实木板材自动搬运系统研究

图 4 QR 码组成与识别计算

设AGV车载相机扫描QR码时的误差角为𝜃,取值范围为[ ― 180°, +180°],逆时针旋转为正向。设实际旋转向量为𝑁1′𝑁2′,则通过公式(2)可计算出误差角𝜃:
基于节点优简算法的实木板材自动搬运系统研究
横、纵位置误差为:
基于节点优简算法的实木板材自动搬运系统研究
式(3)中∆𝑥和∆y分别为横、纵位置误差,实际采集QR码的中心坐标为𝑂(𝑂𝑥,𝑂𝑦),AGV车载相机分辨率为(2𝑊) × (2𝐿), 𝑊、𝐿分别为水平像素和竖直像素 𝑆𝑥为QR 码定位图案像素面积,𝑆0为QR码的真实面积,D为定位图案的边长。AGV相对于QR码的位姿表示为P(𝑥,𝑦,𝜇),其中𝑥 = 𝑂𝑥 +∆𝑥,𝑦 = 𝑂𝑦 +∆𝑦,𝜇 = 𝜃,AGV在整个电子地图中的坐标设为(𝑋𝑖,𝑌𝑖),从扫描到当前 QR 码至AGV到达下一个QR码为止,AGV在电子地图坐标系中的任意时刻位置表达(𝑋,𝑌,𝛾)可由式(4)求出,𝛾表示AGV位姿正向与行驶路径方向的角度偏差。二维码放置位置需确保AGV可以不间断识别到二维码,从而实时确定本身的位置信息,达到任意方向行驶的效果。

基于节点优简算法的实木板材自动搬运系统研究

2.2 电子地图的建立

电子地图是AGVS可视化交互界面的基础,能够实时显示AGV的运行状态。用于AGVS的电子地图主要有三种类型:特征地图[8]、拓扑地图[9]和栅格地图[10]。其中栅格地图将实际地图划分为相同大小的网格,便于创建、表示和维护,对于短路径的规划方便,且本文设计的实木板材自动搬运系统中,各个设备的位置固定不变,故采用栅格地图进行环境表述。实际地图由公司提供数据并经实际核对,在工作环境合理改造后确定工作区域与AGV可行驶区域,仅对AGV可行驶区域栅格化,根据板材规格长度为 1.2m,将栅格尺寸设置为2x2m,确保足够的 AGV 安全行驶空间,避免拥堵和碰撞的发生。根据规划的系统环境布局建立的电子地图如图 5 所示,为了使 AGV 的任务分配最简化,将地图分为三个主要工作区域:板材智能裁剪工作区 A、智能指接加工工作区 B、成品板材搬运工作区 C,系统正常运作时,AGV只在各工作区内部搬运,当工作区之间的搬运任务量出现较大差别时,系统重新分配各工作区AGV数量。实际厂房工作区环境中的支柱等不可行驶区域在地图中由标准形状的黑色栅格表示,且其栅格轮廓已包含 AGV 与障碍物之间的安全距离。

基于节点优简算法的实木板材自动搬运系统研究

图 5 电子地图

2.3 路径规划设计

2.3.1 路径规划算法

常用的AGV路径规划算法有Dijkstra算法[11]、A*算法[12]、遗传算法[13]、蚁群算法[14]等,姜康[15]基于线缆在布置时主要考虑线缆与组件之间干涉问题,使用刚性因子评估连续弯折时的线缆径来改进A*算法完成合理的布线路径。余必秀[16]基于无人船在避开障碍物后需要回到预设航线的需求,对船舶的不同位置采用不同的估价函数进行路径规划求解,使船舶更快地回到预设航线。本文基于实木板材生产环境对路径算法提出基本规则:.确保AGV实际行驶所需时间最少;@路径信息尽量简洁。基于规则提出节点优简算法,通过在初始最短路径的基础上,一方面尽可能减少路径转弯的次数,去除AGV转弯时所需的减速和再加速时间来缩短实际行驶时间,另一方面将直线路径里的中间节点去除,只将关键节点信息记录并传递至AGV。算法整体公式为:

𝐹(𝑛) = 𝐺(𝑛) + 𝐻(𝑛) + 𝑇(𝐾𝑛) + 𝑆(𝜔)       (5)

式(5)中为初始最短路径的求解函数,为代价函数,表示从初始节点到𝐺(𝑛)+𝐻(𝑛)𝐺(𝑛)当前节点𝑛的真实代价值,𝐻(𝑛):启发函数,表示当前节点到目标节点的评估代价值,常用𝑛的启发函数有曼哈顿距离函数[17]、对角线距离函数和欧几里得距离函数[18],在本文设计系统的地图环境中,启发函数采用曼哈顿距离函数,即当前节点至目标节点在 X 轴方向的距离差值与 Y 轴方向距离差值的和,其计算公式为:

𝐻(𝑛) = |𝑥𝑛 ― 𝑥𝑔𝑜𝑎𝑙| + |𝑦𝑛 ― 𝑦𝑔𝑜𝑎𝑙|       (6)

式(5)中 为共线节点优化函数,判断当前节点是否为共线节点,方法为:已知节点pi+1为 AGV 当前位置点,在地图中坐标为(x𝑖 + 1,𝑦𝑖 + 1) ,节点𝑃𝑖为AGV 刚驶过的节点,坐标为(x𝑖,𝑦𝑖),节点pi+2为下一待到达节点,坐标为(xi+2,yi+2)。

基于节点优简算法的实木板材自动搬运系统研究

由公式(7)(8)求得线段pipi+1与线段pi+1pi+2的斜率分别为Kpipi+1和 Kpi+1pi+2,若Kpipi+1=Kpi+1pi+2,则节点pi、pi+1、pi+2在同一行驶方向上,节点pi+1为冗余的共线节点,因此不加入路径节点计算列表中,此时 ,若 Kpipi+1≠Kpi+1pi+2,则该节点为拐点,此时𝑇(𝐾𝑛) = 1。

式(5)中𝑆(𝜔)为多余拐点优化函数,判断拐角节点是否为多余拐点,方法为:已知节点pi、pi+1、pi+2为路径拐角的三个连续节点,节点pi+1为拐角节点,pi、pi+2为前后两节点,若节点pi与节点pi+2连线之间无障碍物,则直接删除节点pi+1;若连线路径上存在障碍物,判断连线是否与障碍物对角线之一相交,若相交,则节点pi+1保存,否则删除节点pi+1

基于节点优简算法的实木板材自动搬运系统研究

图 6 障碍物判断

如图6所示,AGV欲从节点pi到达节点pi+2,节点pi、pi+1、pi+2的坐标分别为(xi,yi)、(xi+1,yi+1)、(xi+2,yi+2),节点𝑍1、𝑍2、𝑍3、𝑍4为地图中某障碍物的四个顶点,坐标表示为(xZ1,yZ1)、(xZ2,yZ2)、(xZ3,yZ3)、(xZ4,yZ4) 。

基于节点优简算法的实木板材自动搬运系统研究

公式(9)-(12)中𝜔1、𝜔2、𝜔3、𝜔4为向量叉乘系数,𝜎为单位向量。若𝜔1∙𝜔2<0且𝜔3∙𝜔4<0,则线段pipi+2与Z1Z3相交,如图6(b)所示,否则不相交,如6(a)所示,采用相同方法可判断线段pipi+2与Z2Z4是否相交。若线段pipi+2与障碍物任一对角线段相交,则拐点pi+1加入路径节点列表,此时𝑆(𝜔)=1,AGV行驶路径节点为pi-pi+1-pi+2,若不相交,则拐点pi+1不加入列表,此时𝑆(𝜔)=0,AGV行驶路径节点为pi-pi+2。节点优简算法流程图为图 7 所示:

基于节点优简算法的实木板材自动搬运系统研究

图 7 节点优简算法流程图

基于节点优简算法的实木板材自动搬运系统研究

图 8 算法结果比较图

如图8所示为节点优简算法与 A*算法路径结果比较,分别为 A 区与 C 区的工作路径,在电子地图中,工作区与障碍物的边框已包含与 AGV 的安全距离,路径除去不可与其边框相交情况下,可到达地图任意位置。按每个栅格边长为1计算,具体数据如表1所示,从起点(2.5,4.5)至终点(14.5,15.5),与 A*算法相比,节点优简算法的计算路径节点数量减少了13个(72%),路径长度缩短了约 1.17(6%),且转弯次数减少了 2 次(40%),可有效缩短 AGV 的搬运时间。

基于节点优简算法的实木板材自动搬运系统研究

表 1 算法数据结果比较

2.4 多AGV的协同规则

单个AGV的最优路径由路径规划算法求出,但多辆AGV同时运行时,难免会出现最优路径交叉的情况,从而造成道路拥堵甚至AGV碰撞的状况发生,不合理的调度会降低AGV的工作效率,影响生产节拍[19],故需针对多辆AGV的同时运作进行协同规划,防止拥堵和碰撞问题。根据AGV行驶情况,可能出现的拥堵碰撞情况有三种:①追尾碰撞;②相向碰撞;③侧面碰撞,表现形式如图 9 所:

基于节点优简算法的实木板材自动搬运系统研究

图 9 拥堵碰撞示意图

谢永良[20]利用超声波原理设计了避障算法,使AGV在直行时能够绕行前方静态障碍物、减速或停车避让动态障碍物,但针对多AGV复杂动态拥堵和碰撞环境无法有效处理。贺长征[21]提出基于时间窗和Dijkstra算法的混合遗传算法,通过速度调节和更换新路径的方法,针对多AGV复杂拥堵情况,能够精确地为AGV规划出一条无碰撞无冲突的最短路径,但由此带来的计算会影响整体系统的运行效率,且路径的变换会增加AGV转弯次数,增加实际行驶时间。本文系统从软件方面与硬件方面共同设计,做到问题的预防与有效处理。在软件方面,通过建立数学模型函数优化路径求解,使AGV不会在同一直线路径对向行驶,且基于求解路径行驶,减少冲突再增加的可能,在最少实际行驶时间的规则下,基于规划路径提前预知冲突节点,使 AGV 在行驶时对可能发生的碰撞进行预防。

碰撞预防处理的目标函数如下所示:
基于节点优简算法的实木板材自动搬运系统研究
𝑞:AGV的集合,𝑞=(1,2,3,···,𝑞𝑘),AGV 数量为𝑘;
𝑅:地图中所有节点的集合,𝑖,𝑗 ∈ 𝑅 ,用以表示AGV在𝑅中的位置;
𝑑𝑖,𝑗:节点𝑖与节点𝑗的距离;

约束条件:
基于节点优简算法的实木板材自动搬运系统研究

式(14)表示AGV𝑞𝑘通过节点𝑖后,下一行驶目标只有唯一节点𝑗;式(15)表示在节点𝑗的AGV𝑞𝑘已经过节点只有唯一节点𝑖;式(16)约束AGV从路径起点开始搬运, 𝑂𝑠表示 路径起点;式(17)约束AGV到达路径终点,𝑂𝑓表示路径终点;式(18)表示AGV行驶时所在路径只能单向通过。
AGV 在行驶时实时申请占用前方路径节点,若路径出现重合,重合节点被其中一辆AGV 占用,另一辆 AGV 则无法申请,即为冲突,若 AGV 继续前行则可能出现碰撞发生,如图 10 所示,1 号 AGV 已占领节点,2 号 AGV 进行冲突预防。

基于节点优简算法的实木板材自动搬运系统研究

图 10 冲突节点示意图

对此情况通过安全距离限制AGV的行驶速度预防碰撞的发生,式(19)中, Plock表示2号 AGV 申请占领的下一段路径长度,Vmax为AGV 的最大行驶速度,V1为AGV的最小行驶速度,即0m/𝑠,Vm0为AGV的当前行驶速度,a为AGV加速度,Rs表示AGV从最大速度减速到停止所需的安全距离,在图10中可以看出这个距离的范围是一个圆,代表不同方向来的AGV在原点停止的安全距离。Ls表示2号AGV申请占领节点失败后,预减速的一段距离,在2号AGV预减速时,若 1 号 AGV 已经驶离,冲突节点被释放,则 2 号AGV从当前速度逐渐加速行驶,若冲突节点未被释放,2号AGV在到达安全距离时停止,待1号 AGV驶出安全距离时再逐渐加速通过。

基于节点优简算法的实木板材自动搬运系统研究

式(20)根据路径规划算法求出的两条AGV行驶路径中的冲突节点判断AGV在行驶过程中发生冲突的可能性,𝑈(path1,path2)表示行驶路径path1与path2冲突节点的集合;式(21)基于排队算法,以先到先得的原则确定AGV的优先级,先申请到节点的AGV优先通过,申请失败的AGV减速等待优先级高的AGV通过后再行驶,tpath1k1uh表示行驶路径path1中第k1辆AGV到达第ℎ个冲突节点所需时间,Ppath1k1表示行驶路径path1中第𝑘1辆AGV的优先级。
在硬件方面,首先保证每辆AGV装配实时测距装置,使AGV与其他车辆和障碍物之间有足够的安全距离,其次为防止系统失效的情况,每辆AGV加装保险杠,用于AGV发生碰撞时缓冲撞击力,保护设备。

2.5 系统实例

基于节点优简算法的实木板材自动搬运系统研究

图 11 登陆界面

基于节点优简算法的实木板材自动搬运系统研究

图 12 系统监控与控制界面

系统监控与控制界面如图 12 所示,电子地图中实时显示 11 辆 AGV,工作区 A 包含 1、2、3、4 号 AGV,B 区包含 5、6、7 号 AGV,C 区包含 8、9、10、11 号 AGV,AGV 的路径显示为 AGV 当前位置至终点的路径。控制台中的路径起点和终点默认为系统自动输入,特殊情况时可由操作员进行更改,当 AGV 的通信状态显示为故障时,系统将会报警并激活急停按钮,使 AGV 即时停止,避免事故的发生。根据 AGV 规格,空载 AGV 的直线速度为1 m/s,转弯速度为 0.5 m/s,载货 AGV 的直线速度为 0.6 m/s,转弯速度 0.3 m/s,AGV安全距离以最大速度计算𝑅s = 1.6m ,安全距离内以转弯速度行驶,故载货 AGV 通过转弯处安全区所需时间较直线行驶通过多花费时间约为 5 秒。根据搬运速度和转弯耗时,各工作区中的载货 AGV 极限工作路程所需时间如表 2 所示,即以载货 AGV 的最大行驶速度计算,得出每个工作区内载货 AGV 最短工作路程与最长工作路程所需时间。

基于节点优简算法的实木板材自动搬运系统研究

表 2 各工作区载货 AGV 极限搬运距离时间

3 结束语

本文设计的实木板材加工生产线的自动搬运系统,主要解决工厂中各生产线间物料搬运时人工成本高的问题。基于自动搬运系统的设计需求,确定了系统的主要组成部分,具体根据板材的规格和搬运需求,对各个生产线加以改造并选择搬运AGV的类型,保证系统智能流畅地运行。系统环境布局的设计维持了生产效率与搬运效率的平衡,在有效利用空间的同时提升系统的稳定性,提高了生产效益。通过设计AGV导航系统、建立电子地图、改进路径算法、制定系统任务调度规则与多AGV 协同运作制度,使自动搬运系统实现任务智能分配、AGV智能行驶与控制等一系列功能。实木板材加工生产线自动搬运系统的研究使板材工厂中各生产线之间的物料衔接实现无人化运作,节约了人工成本,提高了生产效益,对实木板材加工企业的智能化转型发展有着积极的推进作用。

参考文献:

[1] ZHOU Jiajun, YAO Xinfan, LIU Min, et al. State-of-Art review on new emerging intelligent manufacturing paradigms[J]. Jisuanji Jicheng Zhizao Xitong/Computer Integrated Manufacturing Systems, CIMS, 2017, 23(3):624-639(in Chinese).[周佳军,姚锡凡,刘敏,张剑铭,陶韬.几种新兴智能制造模式研究评述[J].计算机集成制造系统,2017,23(3):624-639.]
[2] XIE Lisheng, LIU Jiaquan, QIAO Luting, et al. Finger-Jointing Technique of Larch Structural Glued Laminated Timber[J]. Scientia Silvae Sinicae. 2016, 52(9): 107-112(in Chinese).[谢力生,刘佳权,乔鹭婷,李贤军,周先雁.结构用集成材落叶松层板指接工艺[J].林业科学,2016,52(9):107-112.]
[3] ZHAO Peng, ZHAO Yun, CHEN Guangsheng. Quantitative analysis of wood defect based on 3D scanning technique[J]. Nongye Gongcheng Xuebao/Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(7):171-176(in Chinese).[赵鹏,赵匀,陈广胜.基于3D扫描技术的木材缺陷定量化分析[J].农业工程学报,2017,33(7):171-176.]
[4] HUO Kaige, ZHANG Yaqi, HU Zhihua. Research on scheduling problem of multi-load AGV at automated container terminal[J]. Journal of Dalian University of Technology, 2016,56(3):244-251(in Chinese).[霍凯歌,张亚琦,胡志华.自动化集装箱码头多载AGV调度问题研究[J].大连理工大学学报,2016,56(3):244-251.]
[5] Rundong Y , Dunnett S J , Jackson L M . Novel methodology for optimising the design, operation and maintenance of a multi-AGV system[J]. Reliability Engineering & System Safety, 2018, 178:130-139.
[6] HE Zhen, LOU Peihuang, QIAN Xiaoming, et al. Research on precise positioning technology for AGV based on multi-object vision and laser integrated navigation[J]. Chinese Journal of Scientific Instrument,2017,38(11):2830-2838(in Chinese).[何珍,楼佩煌,钱晓明,武星,朱立群.多目视觉与激光组合导航 AGV 精确定位技术研究[J].仪器仪表学报,2017,38(11):2830-2838.]
[7] Shi C , Lou P , Wu X , et al. Collaborative calibration of initiative multi-camera guiding system for transport automatic guided vehicle[J]. Yi Qi Yi Biao Xue Bao/Chinese Journal of Scientific Instrument, 2014,35(11):2589-2599(in Chinese).[石陈陈,楼佩煌,武星,钱晓明.自动导引车多摄像机主动导引系统的协同标定[J].仪器仪表学报,2014,35(11):2589-2599.]
[8] ZHANG Junning, SU Qunxing, LIU Pengyuan, et al. An Improved VSLAM Algorithm Based on Adaptive Feature Map[J]. Acta Automatica Sinica. 2019, 45(3): 553-565(in Chinese).[张峻宁,苏群星,刘鹏远,朱庆,张凯.一种自适应特征地图匹配的改进 VSLAM 算法[J].自动化报,2019,45(3):553-565.]
[9] Blazquez C A, Ries J, Leon R J, et al. An Instance-Specific Parameter Tuning Approach Using Fuzzy Logic for a Post Processing Topological Map-Matching Algorithm[J]. IEEE INTELLIGENT TRANSPORTATION SYSTEMS MAGAZINE. 2018, 10(4SI): 87-97.
[10] Nuss D, Reuter S, Thom M, et al. A random finite set approach for dynamic occupancy grid maps with real-time application[J]. INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH. 2018, 37(8): 841-866.
[11] Ciesielski K C, Falcao A X, Miranda P. Path-Value Functions for Which Dijkstra's Algorithm Returns Optimal Mapping[J]. JOURNAL OF MATHEMATICAL IMAGING AND VISION. 2018, 60(7): 1025-1036.
[12] Kang N K, Son H J, Lee S H. Modified A-star algorithm for modular plant land transportation[J]. JOURNAL OF MECHANICAL SCIENCE AND TECHNOLOGY. 2018, 32(12): 5563-5571.
[13] Mokshin A V, Mokshin V V, Sharnin L M. Adaptive genetic algorithms used to analyze behavior of complex system[J]. COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION. 2019, 71: 174-186.
[14] Xiong C K, Chen D F, Lu D, et al. Path planning of multiple autonomous marine vehicles for adaptive sampling using Voronoi-based ant colony optimization[J]. ROBOTICS AND AUTONOMOUS SYSTEMS. 2019, 115: 90-103.
[15] Kang J, Shiji M. A Cable Path Planning Method Based on Improved A* Algorithm[J]. China Mechanical Engineering, 2019, 30(06): 699-708(in Chinese).[姜康,马世纪.基于改进 A~*算法的线缆路径规划方法[J].中国机械工程,2019,30(06):699-708.]
[16]Bixiu Y, Xiumin C, Chenguang L, et al.A Path Planning Method for Unmanned Waterway Survey Ships Based on Improved A* Algorithm[J]. Geomatics and Information Science of Wuhan University,2019,44(08):1258-1264(in Chinese).[余必秀,初秀民,柳晨光,张豪,毛庆洲.基于改进A~*算法的无人航道测量船路径规划方法[J].武汉大学学报(信息科学版),2019,44(08):1258-1264.]
[17] Clempner J B, Poznyak A S. Using the Manhattan distance for computing the multiobjective Markov chains problem[J]. INTERNATIONAL JOURNAL OF COMPUTER MATHEMATICS. 2018, 95(11): 2269-2286.
[18] Alencar J, Lavor C, Liberti L. Realizing Euclidean distance matrices by sphere intersection[J]. DISCRETE APPLIED MATHEMATICS. 2019, 256(SI): 5-10.
[19]Zhiyong L, Shuhai J. Review of mobile robot path planning based on reinforcement learning[J]. Manufacturing Automation, 2019,41(03):90-92(in Chinese).[刘志荣,姜树海.基于强化学习的移动机器人路径规划研究综述[J].制造业自动化,2019,41(03):90-92.]
[20] Yongliang X , Jianjun Y , Chengchao Y U , et al. Obstacle Avoidance Navigation Algorithm and Analog Experiment for Wheeled AGV Running along Vineyard Ridge Road[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018(in Chinese).[谢永良,尹建军,余承超,贺坤,胡旭东,李仁旺.轮式 AGV 沿葡萄园垄道行驶避障导航算法与模拟试验[J].农业机械学报,2018,49(07):13-22.]
[21] He C , Song Y , Lei Q , et al. Integrated Scheduling of Multiple AGVs and Machines in Flexible Job Shops[J]. Zhongguo Jixie Gongcheng/China Mechanical Engineering, 2019, 30(4):438-447(in Chinese).[贺长征,宋豫川,雷琦,吕向飞,刘软香,陈进.柔性作业车间多自动导引小车和机器的集成调度[J].中国机械工程,2019,30(04):438-447.]

发表评论

您必须才能发表评论!