一种车间AGV路径规划方法及系统

本发明涉及agv，具体涉及一种基于融合d*与改进dwa算法的车间agv路径规划方法及系统。

背景技术：

1、随着智能制造技术的发展，agv(智能搬运机器人)也不断发展和完善，出现了更加智能化和多样化的产品，例如具有自主导航能力的agv、视觉识别技术的agv等等；agv的普及和应用不仅可以提高企业的生产效率和降低成本，还可以为智能制造的发展注入新的动力；但目前针对于agv路径规划的研究大部分着眼于路径最短，而忽视了agv加速、减速、转弯等实际运行情况，以致路线的运输时间非最优解，亦存在一定的优化空间。

2、agv路径规划是智能制造中的重要问题，其目标是为了实现最优路径方案，达成特定的目标函数，以最高效地完成特定任务需求。在agv路径规划过程中，需要考虑多个因素，如最短行驶距离、最短时间以及其他目标等。过去国内外相关学者的研究主要集中在以下三方面：(1)基于传统算法的路径规划方法主要使用dijsktra算法、a*算法、d*算法等对agv的路径进行规划；这些算法的优点是简单易用，计算速度快，但是存在复杂环境下效果不佳的问题。(2)基于智能优化算法的路径规划方法主要使用深度学习、强化学习、遗传算法等根据agv的运行数据进行路径规划；这些算法可以更好地适应复杂环境和变化的运行状态，但是需要大量的数据进行训练。(3)除了对算法的改进，许多学者以特定环境下的路径规划问题切入研究，设计了适应性较强的路径规划算法，例如针对仓储系统的agv路径规划算法、针对医院的agv路径规划算法等。这种方法可以更好地适应具体场景的需求，但是需要在算法设计上进行深入的研究和探索。

3、综上所述，国内外相关学者从不同类算法、不同种角度切入，对于agv路径规划问题展开了深入研究，并取得良好进展，但在路径规划速度与动态适应性两者之间难以平衡，且过多关注于路径最短问题，忽略了agv的实际运行状态，导致运行时间非最短。而智能制造车间动态性高、生产节奏快，车间物流系统作为衔接机器加工节奏的核心，agv作为物流系统的关键设备，需要一种运算量小、规划速度快、动态适应性高的路径规划算法。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种车间agv路径规划方法及系统，能够通过降低规划速度、规划圆滑转角路径提高agv运行效率，从而提升车间运作效率。

2、为达到上述目的，本发明是采用下述技术方案实现的：

3、第一方面，本发明提供了一种车间agv路径规划方法，所述方法包括：

4、根据获取的车间设备布局信息建立车间栅格地图，在所述栅格地图设置agv的起点与终点位置，并标记障碍物的位置；

5、利用d*算法规划agv初始路径，并提取初始路径的关键点作为agv移动的目标点；

6、从所述目标点中提取agv初始路径的各转角节点，确定各转角的起点和终点，并计算agv在各转角的运动参数；

7、基于各转角的运动参数，采用改进的dwa算法对初始路径中各转角的路径进行优化，形成最终路径。

8、结合第一方面，可选的，所述建立车间栅格地图的表达式如下：

9、

10、式中，格栅地图d的大小为m×n；dnm表示第m行第n列格栅的状态值，m＝1，2…m；n＝1，2…n；dnm＝0表示agv在该格栅可通行，dnm＝1表示该格栅存在不可动障碍物，dnm＝2表示该格栅存在可动障碍物。

11、结合第一方面，可选的，所述利用d*算法规划agv初始路径，并提取初始路径的关键点作为agv移动的目标点，包括以下步骤：

12、利用d*算法在初次遍历时候，从终点到起点反向地维护一个代价地图，并储存空间中每个点到终点的最短路径信息；

13、当地图环境改变时，修改部分区域地代价地图，并使用估价函数来估计从起点到终点的最小代价，以获得agv初始路径；其中，估价函数表达式为：

14、f(i)＝g(i)+h(i)

15、h(i)＝|xi-xgoal|+|yi-ygoal|

16、式中，f(i)是当前节点i的总代价值；g(i)是起始点到当前节点i的代价值；h(i)是当前节点i到目标点的估计代价值；(xi,yi)是当前节点i的位置，(xgoal,ygoal)是目标节点的位置；

17、将d*算法求得的路径进行关键点的提取，得到一系列连续的节点p＝{p1,p2,…pk}，作为agv移动的目标点。

18、结合第一方面，可选的，所述计算agv在各转角的运动参数，包括以下步骤：

19、将转角节点pj的前两个节点pj-2以及后两个节点pj+2作为该转角的起点与终点；

20、基于该转角的起点与终点，计算转角节点pi的曲率半径ρ，并根据曲率半径计算出agv的在该转角的最大线速度vmax和最大角速度ωmax，计算公式如下：

21、

22、

23、

24、式中，l为该转角的起点与终点间路径的弧长，δθ为弧度角，g为重力加速度，ρ为曲率半径，fmax为agv轮胎最大侧向力系数，fc为横向摩擦系数。

25、结合第一方面，可选的，所述采用改进的dwa算法对各转角的路径进行优化包括以下步骤：

26、基于当前待优化的转角的运动参数，计算该转角起点的线速度和角速度；

27、根据该转角起点的线速度和角速度，利用dwa算法对agv在该转角的速度进行采样，并预测模拟出在各样本速度下的各运动轨迹；

28、改进dwa算法中总评价函数的障碍物评价函数，当agv到达初始路径的该转角时，利用改进后的总评价函数在各所述运动轨迹中选出最优轨迹，将最优轨迹替换初始路径中其对应的转角部分；

29、按照上述步骤历遍所述初始路径中的各转角，以完成各转角路径的优化。

30、结合第一方面，可选的，对于转角节点pj中转角起点的线速度和角速度的计算公式如下：

31、

32、

33、式中，和分别表示agv在转角起始点pj-2的线速度和角速度；k1、k2、k3、k4、k5分别为各项式的调节参数，δt表示时间步长；dgoal和θgoal分别表示agv当前位置到目标位置的距离和角度差，st表示agv在时间步t的速度。

34、结合第一方面，可选的，所述利用dwa算法对agv在该转角的速度进行采样的步骤包括：

35、构建在该转角的速度采样空间vd如下：

36、

37、式中，表示在该转角的速度采样空间；vc和wc分别表示当前agv的线速度和角速度，avmax和awmax分别表示agv的最大线加速度和最大角加速度；

38、基于速度采样空间vd，根据预先设置的线速度采样间距ev和角速度ew，从该转角起点的线速度和角速度开始，按照线速度每隔一个ev大小取一次值和角速度每隔一个ew大小取一次值依次进行采样，得到速度组(v,ω)。

39、结合第一方面，可选的，所述改进dwa算法中总评价函数的障碍物评价函数，包括以下步骤：

40、提取agv的各预估位置节点和障碍物的各边界节点，通过下式计算每个预估位置节点分别与障碍物各边界节点的距离，公式如下：

41、

42、式中，(xs,ys)是障碍物边界上的第s点的位置坐标,(xp,yp)是第p个预估位置节点的位置坐标；

43、遍历每个预估位置节点与障碍物边界所有节点的距离，从中找出两者的最短距离distmin，将其倒数作为障碍物评价函数obsc，公式如下：

44、

45、结合第一方面，可选的，总评价函数g(v,ω)的表达式如下：

46、g(v,ω)＝αhead(v,ω)+βobsc(v,ω)+γvel(v,ω)

47、式中，head(v,ω)、obsc(v,ω)、vel(v,ω)分别为方位角评价函数、障碍物评价函数和速度评价函数；α、β、γ分别为三个评价函数的加权系数。

48、第二方面，本发明提供了一种车间agv路径规划系统，所述系统包括：

49、建立栅格地图模块，用于根据获取的车间设备布局信息建立车间栅格地图，在所述栅格地图设置agv的起点与终点位置，并标记障碍物的位置；

50、规划初始路径模块，用于利用d*算法规划agv初始路径，并提取初始路径的关键点作为agv移动的目标点；

51、计算转角参数模块，用于从所述目标点中提取agv初始路径的各转角节点，确定各转角的起点和终点，并计算agv在各转角的运动参数；

52、最终路径优化模块，用于基于各转角的运动参数，采用改进的dwa算法对初始路径中各转角的路径进行优化，形成最终路径。

53、与现有技术相比，本发明所达到的有益效果：

54、本发明针对传统dwa算法路径规划速度与动态适应性之间难以平衡，且过多关注路径最短而忽略agv实际运行状态，导致运行时间非最短的问题，在d*算法规划初始路径的基础上，利用改进的dwa算法对初始路径中各转角的路径进行优化，从速度空间搜索切入提取障碍物边界节点，计算agv与障碍物的边界距离，以对dwa算法的障碍物评价函数进行改进，减少了计算量，降低了dwa算法的运算复杂度，进一步减少了agv的运输时间；

55、由于d*算法规划的初始路径存在部分转角点，而转角点在agv移动过程中影响agv运输速度，因此本发明采用改进的dwa算法对初始路径转角点进行优化，与传统的修正全局路径的方法相比，其动态避障效果更好，同时路径更平滑，缩短agv运输路径长度和时间，提高agv运输效率；实验结果表明，本发明为车间agv高效运行提供了有效的解决方案，能够在降低路径规划时间的基础上提高agv的运行效率，提高运输速度及生产效益。