融合多目标与能耗控制的无人仓库内AGV路径规划-AGV吧

0 引言

自动导引车（Automated Guided Vehicle, AGV）作为无人仓库运营的关键设备，其工作效率直接影响无人仓库整体运营效率。合理的 AGV 行驶路径不仅能提升无人仓库内产品流通效率与工作效率，还能减少 AGV 派发数量并节约能耗，增加其有效工作时间。为此，本文将 AGV 在无人仓库的路径规划作为研究重点。

路径规划思想于 20 世纪 60 年代，由 Lozano 等[1]提出，即以最合理的方式躲避障碍物来完成运输任务。路径规划在很多领域都具有广泛的应用，其中在高新技术领域主要有：无人机的突防避障飞行路径规划；无缆水下机器人的救援与勘探路径规划；陆上机器人的自主行为无碰的路径规划等。AGV 属于陆上机器人的一种，其路径规划包括运动规划和轨迹规划。现阶段国内外 AGV 的路径规划问题研究主要有李军军等[2]以行驶时间为考量，解决多 AGV 路径冲突问题，并将蚁群算法与粒子群算法相结合，使得计算结果更加精准；卜新苹[3]等对复杂环境下的大型工装的物料运输与维修的路径规划进行研究，将蚁群算法与 Bezier 曲线相结合得到曲率连续的路径；夏扬坤等[4]研究订单拆分多 AGV 物料配送路径规划，考虑距离、载重、需求等因素，提出自适应性的禁忌搜索算法，使路径规划更加符合实际需求；Rund 等[5]根据工业仓库的任务量，利用协同数据，制定实时 AGV 路径。Huarong 等[6]对水上 AGV 的路径规划进行研究，与陆上 AGV 研究原理相似。Hez 等[7]在汽车式车辆的三维路径约束下平滑路径和速度规划，利用 Bezier 修正三维约束的曲率不连续的路径。Mohamed 等[8]利用遗传算法求解移动机器人在动态场地的路径规划，利用 Bezier 曲线使路径连续平滑。王宇等[9]融合切线加速度与速度约束的 Bezier 曲线路径规划，能确保无人车辆稳定通过某一特定点，且不会造成不良振动与侧滑。

现在大多数路径规划研究都是以距离最短、时间最少、任务最多等外部因素作为研究目标，却很少考虑运行设备的机械能耗与速度限制等内部因素；而且多数文献仅给出行走路径，却没有综合考虑设备的平稳性、快速性以及节能性要求。

基于以上分析与研究，本文开展工作主要有以下几方面：

首先，将路径规划分为两阶段，第一阶段先考虑路径最短与平滑度最大的因素，产生初始路径；在第二阶段利用 Bezier 曲线与平滑度最大的约束，求解出能耗最少且符合速度限制的 AGV 行走路径；其次，基于 3 阶 Bezier 曲线特性，连接任意方向两点的转弯单元，使曲率不连续的路径几何连续，再结合平滑度约束调整 Bezier 曲线路径的弧度，生成最终路径；最后，设计了混沌变化系数的量子粒子群算法来求解多目标路径规划问题，并与常规算法进行对比，证明该算法收敛速度快，得到的解具有良好的精确度与前沿性。