[發明專利]柔性制造車間系統中的AGV自適應路徑規劃實時控制方法

有效

• 申請號: 202010631546.2
• 申請日: 2020-07-03
• 公開（公告）號: CN111880405B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 賴家倫;吳宗澤;任志剛;李建中;劉亞強
• 申請（專利權）人: 廣東工業大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;G05B13/02;G05D1/02
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發明提供一種柔性制造車間系統中的AGV自適應路徑規劃實時控制方法，包括以下步驟：S1：構建AGV模型作為動力學約束，整合障礙物路徑約束，設計優化目標，構建AGV軌跡規劃最優控制模型；S2：根據不同的末狀態，在一定起始點范圍內，離線正向求解最優控制問題，得到最優控制數值解，即最優控制軌跡；S3：搭建深度神經網絡模型，并利用最優狀態控制對離線訓練深度神經網絡模型；S4：將通過充分訓練后的深度神經網絡模型作為實時最優控制器，實現AGV自適應路徑規劃實時控制。本發明提供一種柔性制造車間系統中的AGV自適應路徑規劃實時控制方法，通過離線求解優化和完成深度網絡訓練學習，解決了現有的AGV的自適應路徑軌跡規劃能力還不夠高的問題。

技術領域

本發明涉及自動控制技術領域，更具體的，涉及一種柔性制造車間系統中的AGV自適應路徑規劃實時控制方法。

背景技術

AGV(Automatic Guided Vehicle)的研究涉及多種技術領域，是一個典型的機電一體化多技術多學科的集成系統，是柔性生產系統的關鍵設備，在物件搬運自動化以及智能倉儲中起著重要作用。動態和靈活的制造環境給車間自主機器人AGV路徑規劃與實時控制帶來了許多挑戰。AGV按其控制方式和自主程度大致可分為遙控式、半自主式與自主式三種。

現有技術中，AGV的自適應路徑軌跡規劃能力還不夠高，如一種叉車式AGV磁導軌跟蹤控制系統及方法，公開號為CN109279543A，AGV通過識別鋪設在地面的磁軌道確定行進路線，但是受限于磁軌的不靈活性，擴充路徑相對復雜；如基于二維碼帶的AGV定位方法及系統，公開號為CN105511466A，AGV通過識別粘貼在地面上的有間隔的具有唯一性的二維碼，獲得二維碼信息來確定位置和行進路線，相比于磁軌式，行動更為靈活，易于調度，但是存在著標識易磨損、環境光要求高的問題。

發明內容

本發明為克服現有的AGV的自適應路徑軌跡規劃能力還不夠高的技術缺陷，提供一種柔性制造車間系統中的AGV自適應路徑規劃實時控制方法。

為解決上述技術問題，本發明的技術方案如下：

一種柔性制造車間系統中的AGV自適應路徑規劃實時控制方法，包括以下步驟：

S1：構建AGV模型作為動力學約束，整合障礙物路徑約束，設計優化目標，構建AGV軌跡規劃最優控制模型，從而把AGV的軌跡規劃轉化為求解帶相應約束的最優控制問題；

S2：根據不同的末狀態，在一定起始點范圍內，離線正向求解最優控制問題，得到最優控制數值解，即最優控制軌跡

其中，為第j個最優控制軌跡，j＝1，…，m；中包含最優控制對：s＝[x，y，θ，v，φ]，a＝[α，ω]，(x，y)為AGV中心點P的坐標，θ為AGV的方位角，v為AGV在θ方向的速度，φ為AGV的轉向角，α為AGV在θ方向的加速度，ω為AGV的角速度；

S3：搭建深度神經網絡模型，并利用最優狀態控制對(s，a)離線訓練深度神經網絡模型；

S4：將通過充分訓練后的深度神經網絡模型作為實時最優控制器，實現AGV自適應路徑規劃實時控制。

優選的，在步驟S1中，采用二自由度的車輛模型構建AGV動力學模型。

優選的，所述AGV動力學模型為：

其中，t為時間變量，t_f為末端狀態所對應的時刻，x(t)為t時刻AGV中心點P的x坐標，y(t)為t時刻AGV中心點P的y坐標，θ(t)為t時刻AGV的方位角，φ(t)為t時刻AGV的轉向角，v(t)為t時刻AGV在θ方向的速度，α(t)為t時刻AGV在θ方向的加速度，ω(t)為t時刻AGV的角速度，L_w為AGV的輪距長度。

優選的，在步驟S1中，設計優化目標具體包括以下步驟：