摘要：针对作业车间中自动引导运输车(automated guided vehicle, AGV)与机器联合调度问题,以完工时间最小化为目标,提出一种基于卷积神经网络和深度强化学习的集成算法框架.首先,对含AGV的作业车间调度析取图进行分析,将问题转化为一个序列决策问题,并将其表述为马尔可夫决策过程.接着,针对问题的求解特点,设计一种基于析取图的空间状态与5个直接状态特征;在动作空间的设置上,设计包含工序选择和AGV指派的二维动作空间;根据作业车间中加工时间与有效运输时间为定值这一特点,构造奖励函数来引导智能体进行学习.最后,设计针对二维动作空间的2D-PPO算法进行训练和学习,以快速响应AGV与机器的联合调度决策.通过实例验证,基于2D-PPO算法的调度算法具有较好的学习性能和可扩展性效果.

摘要：针对纺纱车间人工搬运棉条筒劳动强度大、效率低、不便于生产管理等问题,设计了一种棉条筒自动运输系统。该系统基于机器人操作系统(ROS)搭建的自动引导运输车(AGV),采用激光雷达导航,用Gmapping算法构建环境地图,应用AStar和Teb混合的路径规划算法自主规划行驶路径,采用AMCL辅助定位,可最终实现AGV的自主导航功能。模拟场景试验结果表明:手动控制AGV构建地图误差在1 cm左右;在0.5 m/s的安全速度下,AGV自主导航定位的距离误差小于7 cm,角度误差小于5°;在避障试验中,动态加入障碍物,AGV能够扫描到障碍物并重新规划路径进行避障。所设计的棉条筒自动运输系统可为纺纱车间的智能化改造提供参考。

摘要：针对蚁群算法应用于路径规划过程中存在算法收敛速度慢、易陷入局部最优等缺陷,提出一种适用于AGV路径规划的改进蚁群算法。根据距离在栅格地图上差异化分布初始信息素浓度,避免蚁群前期进行盲目搜索,加快算法收敛速度;综合当前栅格与待选栅格之间的距离以及待选栅格与目标栅格之间的距离改进启发式函数,增加蚁群寻路方向性;引入动态启发因子,避免算法发生“早熟”现象以及陷入局部最优;对每个栅格的邻近栅格进行方向标号,增加最优路径与障碍物之间的距离,增强最优路径的安全性,同时避免“死角”现象发生,提升算法的鲁棒性。实验仿真结果表明,在相同环境下,改进算法在AGV路径规划中搜索效率和迭代稳定性方面均优于其它算法。

摘要：自动引导运输车(Automated Guided Vehicle,AGV)和移动机器人已逐步成为仓储物流和工业生产中的重要设备,因此企业对此类设备的监控和维护需求日益提升。针对企业在设备运维中存在的问题,首先提出了基于5G+工业互联网的AGV/移动机器人智能运维系统设计方案,包括5G网络、智能运维平台和运维业务应用的搭建,以及基于迁移学习和联邦学习的故障模型训练与优化方法;最后,在企业生产环境中进行了相应的系统部署,并通过真实设备数据验证了所提系统设计方案的有效性。

摘要：为研究自动引导运输车(AGV)的避障问题,设计一种基于人工势场的AGV避障控制方法.首先,提出一种基于运动学模型的AGV定位控制与传统人工势场法相结合的控制方法;其次,在上述控制方法的基础上,提出一种使AGV路径更加平滑的避障策略,将传统人工势场中的有效斥力场分段,并在原有影响场域范围内进行渐进分割,以实现有效斥力场的梯度变换;最后,通过Matlab仿真平台将所提出的避障控制算法与传统Lyapunov避障算法进行对比.仿真结果表明,所提出的避障控制策略可以有效驱使AGV自主躲避障碍物,并抵达目标位置.

摘要：随着机电一体化的发展,以自动导引运输车(下称 AGV)为首的一系列产品站在了生产工业化的前列。无论是仓储业、制造业、码头,甚至一些特种作业都能看到它活跃其中。而在 AGV 的研发当中,充电总是容易被忽略的环节,特别是在电池技术已达瓶颈的当下,使得其持续工作能力无法依靠电池容量得到进一步提升,因此设计开发出一种自动充电装置是很有必要的,文章通过设计研究一种使用无线充电,且通过调节旋钮来调节输出电压的低成本泛用型充电装置,以提升 AGV 的电池容量。

摘要：在已设计的机械及液压系统基础上,选择西门子S7-1200可编程序控制器(PLC)作为控制核心,分别利用磁导航传感器、射频识别(RFID)进行路径跟踪和站点识别,同时使用激光扫描仪设计避障电路,并进行了输入输出(I/O)点分配、控制流程图设计。试验表明,该磁导航托盘AGV控制方便、操作简单、运行平稳可靠,可完成复杂环境下的物料运输任务。

摘要：利用计算机视觉技术引导自动运输车AGV(Automatic Guided Vehicle)是一种重要的AGV导航手段。该方法通过摄像头获取道路图像信息并进行处理,获得道路参数,以此来指引AGV导航。现有的视觉导航算法大多复杂度较大,难以满足实际应用的实时性需求。提出一种基于道路参数识别的视觉引导方法,将道路中的道路识别为曲线参数,结合预测进行修正,在保证精度的前提下,大幅提高算法效率。理论分析和实验结果表明,该方法具有识别精度高,执行速度快,能达到实用化的要求。