iに基づくAGV作業経路計画に関する研究

Aug 16, 2023

北京中科雑誌出版有限公司

画像: 多くの複雑なシナリオにおいて、従来のアルゴリズムや他の改良されたアルゴリズムと比較して、パス プランニング結果のパフォーマンスが大幅に向上しました。もっと見る

クレジット: 北京中科ジャーナル出版有限公司

研究の背景

近年、世界の自動車保有台数は年々増加しており、道路交通の安全性が確保されており、自動車の渋滞状況も楽観視できるものではありません。 新たな科学技術革命と産業変革の支援により、インテリジェント車両は世界の自動車大国の戦略的競争力の高地となっています。 同時に、スマートカーは高度道路交通システム（ITS）の重要な一部として、交通安全や交通渋滞などの問題を解決する有効な手段でもあります。 主要な技術レベルから見ると、インテリジェント運転技術は、環境認識、位置マッピング、計画制御の 3 つの部分に分けることができます。 計画制御の計画モジュールは、まさにインテリジェント運転の頭脳と呼ばれており、自動運転車の将来の運転挙動を決定し、上流モジュールからの貴重な情報を統合して軌道情報を生成します。 このプロセスにより、運転の安全性、快適性、効率性が確保されます。

人工知能を背景に、インテリジェント製造の大規模な推進と応用が進んでおり、重要な媒体としてインテリジェント車両と密接に関係する自動車のような現場のAGVは、工場作業​​場などの多くの分野に継続的に適用されています。 、物流倉庫、生産、加工が可能であり、良好な発展の見通しを持っています。 経路計画は常に無人搬送車にとって不可欠な部分であり、複雑さを抑えて安全で実行可能な経路を計画することで、AGV タスクの実行効率を効果的に向上させることができます。 遺伝的アルゴリズムや RRT アルゴリズムと比較して、A* アルゴリズムはパス最適化効率が高く、実際のアプリケーションにおける一般的な静的シーンに対して優れた効果をもたらします。 しかし、従来の A* アルゴリズムは、製造分野の多くの複雑なシーンにおいてまだ改善の余地があり、探索される最終的なパスは、拡張範囲が広すぎる、パス探索に時間がかかる、パスの分岐が多い、などの複雑性が高くなる傾向があります。不均一な角。 上記の問題を考慮して、多くの学者もいくつかの研究を行っています。 A* アルゴリズムの経路計画における多くの破線と大きな回転角度の問題を目的として、ベジェ曲線を統合して経路をさらに最適化する方法を提案しましたが、経路探索速度を向上させ、不要な転換点の数を減らすための戦略が欠けていました。 曹氏ら。 最終的に探索される経路に分岐点が多い問題を改善し、同じコストで親ノードの方向点の探索方法を優先すると判断し、ターン数を削減しました。 しかし、実際の後続パス上のノードはタスクポイントから遠くなりがちで、最適化が完了できないという問題があった。 大規模シナリオでのパス計画を目的として、Chen et al. は、ウェイファインディングの時間効率を向上させるために、双方向探索メカニズムの改良された A* アルゴリズムを提案しましたが、AGV の操縦コストは考慮されていませんでした。 シンら。 は、複雑な駐車環境に基づいて、計画された経路をより実現可能にする A* アルゴリズム経路計画の適用方法を提案しましたが、交通経路の実際の回転角度の平滑化は考慮されていませんでした。

一般的な複雑な環境とAGVの屋内アプリケーションシナリオに基づいて,本論文では,グリッド法を使用して複雑な環境マップをモデル化し,SLAM(Simultaneous Localization and Mapping)アルゴリズムを使用して屋内の空のシーンの下でマップを構築し,それぞれ経路計画実験を実施した。 。 A*アルゴリズムに基づいて,不必要なターンの数を減らすために変曲点バックトラッキングの経路最適化法を提案した。 パスノードの展開処理では展開モード、分岐点の数、初期パス遡行処理では分岐経路の滑らかさがそれぞれ改善・最適化される。 シミュレーション実験を通じて、最終的に改良されたアルゴリズムは、AGV タスク パスの検索速度を向上させ、ノード拡張の効率をさらに向上させ、不必要なターン数を減らし、実際のパスの実現可能性を高めることができます。