论文部分内容阅读
随着国家经济结构的不断调整,产业结构的不断转型和升级,智能工业机器人产业迎来了重要的发展机遇,AGV(Automated Guided Vehicle)通过自动导引装置,按照规定的路径行驶并移载物品,可以大量减少人工作业,是现代智能物流系统中的重要组成部分。因此,对AGV进行实际深入的研究具有重要的理论意义和实际应用价值。本文从以智能化物流仓库为研究背景,采用二维码导航技术进行导航。分析在多条路径存在的情况下,AGV如何在物流仓库中选择最优的路径,以及AGV在物流仓库中运行低效且控制效果不理想的原因。对于传统的路径规划及运动控制的方法存在的一些不足,本文提出融合多种算法的自适应路径规划算法来解决AGV在仓储物流中的路径规划问题,在运动控制方面,本文结合模糊控制不需要建立精准的数学模型的优点和PID控制有效、简单、稳定性高的优点设计模糊PID控制器,从而实现AGV的位置控制。首先根据二维码的存储特性存储某仓库路径位置信息。随后对该仓库进行系统环境建模,采用栅格法和拓扑图法将连续空间离散化,极大的减少了数据的传输量。其次结合经典的最短路径算法和实际仓库环境模型,得到三种不同的AGV最短路径算法。针对实际中不同大小、不同类型、不同需求的仓库环境,研究环境复杂程度对各算法应用范围的影响,设计自适应路径规划算法,并通过Matlab进行实验。再次,对AGV进行运动学建模,基于模糊控制算法和PID控制算法原理,设计模糊PID控制器,通过MATLAB/SIMULINK仿真验证了控制器可以实现对阶跃信号快速有效的控制。然后针对运动控制中的技术难点,转弯控制的准确、安全、平稳性问题,提出3段式轨迹的创新性方案,分析验证了方案在要求高效快速转弯时的不适用性,在不要求高效快速转弯时,转弯角度分割及分段式误差补偿的可行性。最后,设计并搭建了AGV的运动控制实验平台,在实验室铺设一条直线参考路径,进行AGV的运动控制实验,对采集到的数据和图像进行分析,实验结果表明AGV能够稳定的沿着期望路径行走,能够实现对期望路径的跟踪。