部分内容展示

AGV路径规划中存在对路径的实时规划和动态调优，因而静态环境下的路径规划无法解决这一问题。对此，提出一种基于改进蚁群和A*结合的算法用于解决动态环境下的物流仓储AGV路径规划问题。该算法首先基于A*启发蚁群算法在先验环境下进行全局路径规划获得路径序列，然后利用滚动窗口法原理结合避碰策略的方法选择局部最优子目标，并通过改进A*算法进行局部路径搜索获得局部路径序列。通过Matlab仿真验证，表明这一算法能够在AGV处于未知环境时，引导AGV进行路径规划，成功避免动态障碍物，可以从起点安全到达目标点，证明了该算法的可行性；更多范文 AGV路径规划中最为重要的一个问题是行驶过程中AGV避障，也就是仓储物流车间AGV的交通规则问题。需要通过得到一个无冲突的代价最小的路径，使得AGV之间协调完成任务，实现多AGV的路径实时规划和动态调优，实现在无碰撞冲突条件下仓储物流路径成本最小化的目的。当前AGV路径规划研究往往在静态环境下进行模拟，然而，AGV现实情况往往是动态的，且存在一些未知的动态障碍物。此时，若AGV通过配备的传感器检测到移动的障碍物或未知静态障碍物，使用静态环境信息生成的路径序列可能会变成无效，则会造成AGV无法从起点到达目标点。当移动障碍物出现时，重要的是AGV能够根据传感器获取的局部信息进行路径规划，进行动态避障。因此，对于AGV的动态避障研究有着重大意义