欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202510120833X
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,所述方法包括以下步骤:步骤1、环境建模,在二维空间中构建包含障碍物和自由空间的仓储环境模型,并标定AGV的起始点与目标点,采用网格化的方式进行建模,步骤2、路径规划,基于改进的人工蜂群算法生成从起始点到目标点的最优路径,考虑路径长度、多AGV间的安全距离以及与障碍物的安全距离,步骤3、运动控制,定义AGV的运动学模型,采用PID控制器控制AGV的线速度和角速度,确保AGV沿规划路径准确移动,步骤4、冲突解决,通过冲突检测、分类和解决策略解决多AGV间的路径冲突,保证系统安全和高效运行,解决完所有冲突后输出结果,路径输出形式为每个AGV的最终路径集合,最终路径将作为AGV的任务分配方案,指示每个AGV的行驶路线和调度时机。

2.根据权利要求1所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,步骤1环境建模,具体步骤如下:

1-1、在二维空间中构建包含障碍物和自由空间的仓储环境模型,标定每个AGV的起始点和目标点,环境建模采用网格化或有向图的形式进行建模,定义有向图表示路径规划空间,其中,表示路径节点集合,表示第个路径节点,表示路径边集合,表示从节点到节点的边,设仓储环境中的障碍物集合为,其中表示第个障碍物,障碍物的表示采用边界多边形或圆形边界,若采用圆形边界表示,则障碍物的边界由中心点和半径确定,数学表达为:,

1-2、在路径节点和路径边的选择过程中,需要对路径的可行性进行检测,确保路径不与障碍物发生重叠,路径边从节点到节点通过以下条件判断其是否与障碍物发生碰撞:,

其中,为路径边的参数化变量,,如果该不等式成立,则表示路径 不与障碍物发生碰撞。

3.根据权利要求1所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,步骤2路径规划具体如下:

2-1、在路径规划中,基于改进的人工蜂群算法,生成从起始点到目标点的最优路径,目标函数的优化目标定义为:,

表示路径长度的最小化目标,即:

,

其中,为第个AGV的当前位置,为其目标位置,表示多AGV之间的安全距离约束:

,

其中,表示第个AGV与其他AGV之间的最小距离,为惩罚因子,表示与障碍物的安全距离约束:

,

其中,表示第个AGV与最近障碍物的最小距离,为安全距离阈值,为权重因子。

4.根据权利要求1所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,步骤3运动控制具体如下:

3-1、AGV的运动状态可由位置、朝向和速度组成,记作,在每个时间步长中,AGV的运动由以下方程控制:其中,为线速度,为朝向,为角速度,为时间步长,AGV的线速度和角速度需要受到约束,以确保控制的可实现性,约束条件如下:,

其中,,分别表示线速度的最小值和最大值,,分别表示角速度的最小值和最大值,假设AGV的目标轨迹为,当前位置为,则其跟踪误差为:

3-2、基于误差反馈控制的思想,采用比例-积分-微分PID控制器调整AGV的控制输入:,

其中,,,为控制增益。

5.根据权利要求1所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,步骤4冲突解决具体如下:

4-1轻度冲突处理,当同一节点的冲突路径小于1时,采用如下策略:只存在小于等于3个点冲突时,通过调整AGV的速度,避免与其他AGV发生碰撞,假设第个AGV的速度为,其目标速度为,当检测到与其他AGV的最小距离小于设定的安全距离阈值时,采用以下速度调整策略:,

其中,为反应时间,为当前AGV与最近邻AGV的最小距离,的调整上限设定为目标速度,确保即使安全距离允许,速度也不会超过目标速度,当前速度基于安全距离动态调整,增加的速度取决于和的差值,存在大于3个冲突节点时,在冲突节点处,通过调整AGV的行进路径避免与其他AGV发生碰撞,路径调整的目标是将AGV的前进方向调整为,调整公式如下:,

其中,为调整步长,为当前路径方向与无冲突路径的夹角,为符号函数,指示调整的方向,如果冲突风险小即1个碰撞节点,仍可能发生碰撞,则通过小幅度调整AGV的路径使其远离冲突区域,路径的微调采用如下策略,微调的角度为,其计算公式如下:,

其中,为调整系数,为当前AGV与最近邻AGV的最小距离,为设定的安全距离阈值,AGV的行进方向调整为:,

4-2重度冲突处理策略,

当同一节点的冲突路径数量大于或等于2条时,采用如下策略:当发现冲突路径数量大于等于2条且无法通过简单的速度或路径调整解决时,AGV采用路径重规划策略,重规划的目标是最小化路径长度和避免与当前运行的AGV发生冲突,路径重规划的目标函数如下:,

其中,和为权重系数,为第个AGV与其他AGV之间的最小距离,为路径重规划后的目标点坐标,为目标位置,将AGV的运行区域划分为若干个子区域,使AGV在各自的子区域内运行,从而减少路径冲突的发生概率,分区的目标是将区域划分为个子区域,每个子区域的路径冲突率满足以下条件:,

其中,为总体冲突率,为子区域的冲突率阈值,分区的优化目标为:,

在路径规划过程中,控制每个时间窗口内的AGV数量,以减少路径冲突的可能性,分时调度的目标是最小化每个时间窗口内的AGV数量,采用以下调度策略:,

其中,为指示函数,表示第个AGV的到达时间是否在时间窗口内,为时间窗口内的AGV数量,调度的目标是最小化所有时间窗口内的最大AGV数量:,

表示在整个任务规划时间范围内,找到所有可能的时间窗口中 AGV数量的最大值,即考察每个时间窗口内的AGV数量,找出其中最多AGV同时运行的窗口,的作用为调整 AGV 的启动时间,将最大峰值尽量减小,若在某个时间窗口内的AGV数量超过了预设的上限,则采用如下方法调整AGV的启动时间:,

其中,为延迟时间,用于将AGV的启动时间向后推移。

6.根据权利要求3所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,其特征在于,步骤2-1包括以下步骤:

2-11、雇佣蜂阶段,在算法的初始阶段,生成包含个解的种群,每个解表示AGV的路径规划方案,路径由多个路径节点的坐标表示,假设路径的总步数为,则第个解表示为:,

这些解在搜索空间内随机生成,满足路径的可行性约束条件,雇佣蜂对当前解进行局部搜索,产生新的候选解,搜索公式如下:,

其中,为当前解中第维的分量,为全局最优解中第维的分量,,为从种群中随机选择的两个不同的个体索引,是随机个体的第维的分量,是随机个体的第维的分量,为随机扰动系数,,候选解的适应度函数通过路径规划目标函数进行计算,适应度函数可表示为:,

其中,分别表示路径长度的最小化目标、多AGV之间的安全距离约束和与障碍物的安全距离约束,是权重系数,满足,

2-12、观察蜂阶段:观察蜂根据解的适应度值来选择需要进一步搜索的解,采用概率选择机制,其概率计算公式为:,

其中,表示第个解的适应度,是所有解的适应度总和,适应度高的解被选择的概率更大,观察蜂对选择的解进行进一步的局部搜索,采用基于教与学的搜索策略,新的候选解由下式给出:,

其中,是从种群中随机选择的个体索引,是第个解的第维的分量,是随机选择的第个解的第维的分量,是取值范围为的随机数,当时,解趋向更优解,当时,解的搜索范围在原位置附近,观察蜂对新解的适应度进行评估,并通过贪心选择策略决定是否接受该解,选择原则为:,

若新解的适应度优于原解,则用新解替换原解,

2-13、侦查蜂阶段,若某个解在次迭代中未更新,则认为该解已陷入局部最优解,此时,启动侦查蜂机制,为陷入局部最优的解生成新的解,新的候选解在搜索空间的边界内随机生成,其生成公式如下:,

其中,和分别为搜索空间在第维的最小值和最大值,是范围内的随机数,确保生成的解在边界内随机分布,若以下条件满足,则判定为局部最优解:

,

其中,表示第个解在第代的适应度,表示第个解在第代的适应度,为检测的收敛阈值,若与之差的绝对值小于收敛阈值,则说明前后两代间适应度变化忽略,判定为局部最优解,解决完所有冲突后输出结果,路径输出形式为每个AGV的最终路径集合,最终路径将作为AGV的任务分配方案,指示每个AGV的行驶路线和调度时机。

7.一种AGV控制系统,其特征在于:用于实现权利要求1-6任意一项所述的基于改进人工蜂群算法的多AGV路径规划与避障方法,所述控制系统包括路径规划模块、动态避障模块和多AGV协作调度模块,路径规划模块生成满足环境约束条件的最优路径;动态避障模块用于检测运行过程中存在的障碍物及多AGV之间的冲突,并根据分级避障策略对AGV的速度或路径进行调整;多AGV协作调度模块通过分时调度机制优化AGV任务分配,并协调路径冲突解决,实现AGV的高效协作运行。

8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述程序时实现如上述权利要求1至6中的任意一项所述的基于改进人工蜂群算法的多AGV路径规划与避障方法。

9.一种计算机可读存储介质,其上存储有计算机指令,其特征在于:该计算机指令被处理器执行时实现如权利要求1-6中任一项所述的基于改进人工蜂群算法的多AGV路径规划与避障方法。