登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 电子信息类 > 信息工程 > 正文

基于快速扩展随机树的仓库机器人路径规划算法研究毕业论文

 2021-10-24 15:48:44  

摘 要

现阶段,随着计算机技术和人工智能的研究深入,移动机器人应用技术也得到了极大发展,成为机器人科学技术研究的热点问题之一,而路径规划一直都被认为是移动机器人应用领域的一个技术热点课题。基于快速拓展随机树(Rapidly-exploring Random Tree,简称RRT)算法因具有较强的数据搜索性,无需环境建模的优点,得到广泛使用和研究。但在算法进行路径规划的过程中,会出现收敛速度慢,难以在有狭窄通道的环境找到路径,随机性强等缺点。为了实现仓库机器人的路径规划,并改进以上提到的算法缺点,本文对现有的RRT路径规划算法进行研究,完成了对经典RRT算法的优化和改进,并将其结合遗传算法,实现了对仓库机器人进行路径规划的功能。

为了方便研究工作,利用MATLAB开发设计一个实验仿真平台来满足论文所需的工作环境,方便对路径规划算法进行实验仿真测试。基于改进算法设计的仿真平台,具有模拟仓库运行流程、地图设计、记录算法运行时间和规划路径长度等功能。利用该平台对智能仓库内单个机器人路径规划,进行仿真验证。基于该仿真平台进行的测试,证明了改进机器人的路径规划RRT算法的可行性和技术优越性。

关键词:路径规划;智能仓库;快速随机拓展树算法;遗传算法

Abstract

At this stage, with the in-depth study of computer technology and artificial intelligence, mobile robot application technology has also been greatly developed, becoming one of the hot issues in robot science and technology research, and path planning has always been considered as a mobile robot application field. Technology hot topics. The Rapidly-exploring RandomTree (RRT) algorithm is widely used and researched because of its strong data searchability and no need for environment modeling. However, in the path planning process of the algorithm, the convergence speed is slow, it is difficult to find the path in a narrow channel environment, and the randomness is strong. In order to realize the path planning of the warehouse robot and improve the above-mentioned algorithm shortcomings, this paper studies the existing RRT path planning algorithm, completes the optimization and improvement of the classic RRT algorithm, and combines it with the genetic algorithm to achieve the Warehouse robots perform path planning functions.

In order to facilitate the research work, MATLAB is used to develop and design an experimental simulation platform to meet the working environment required for the paper, and to facilitate the experimental simulation test of the path planning algorithm. The simulation platform based on improved algorithm design has the functions of simulating warehouse operation process, map design, recording algorithm operation time and planning path length. The platform is used to simulate and verify the path planning of a single robot in an intelligent warehouse. Tests based on this simulation platform have proved the feasibility and technical superiority of improving the robot path planning RRT algorithm.

Key words: Path planning;Intelligent warehouse;Rapidly-exploring Random Tree;Genetic Algorithm

目 录

第1章 绪论 1

1.1 引言 1

1.2 机器人研究现状 1

1.2.1 国外研究发展概述 2

1.2.2 国内研究发展概述 3

1.3 移动机器人路径规划发展趋势 4

1.4 论文主要工作及论文安排 4

1.4.1 论文主要工作 4

1.4.2 论文结构安排 5

第2章 移动机器人路径规划算法 6

2.1 路径规划定义 6

2.2 移动机器人路径规划算法简介 7

2.2.1 可视图法 7

2.2.2 人工势场法 7

2.2.3 A*算法 8

2.2.4 快速拓展随机树(RRT)法 9

2.3 目前路径规划研究中存在的问题 10

2.4 本章小结 11

第3章 仓库中移动机器人RRT路径规划算法 12

3.1 智能仓库系统及其特点 12

3.2 智能仓库系统构成 12

3.3 移动机器人的环境建模及影响 14

3.4 RRT路径规划算法的优化 14

3.4.1 经典RRT算法 14

3.4.2 问题描述 16

3.4.3 拓展规则 17

3.4.4 改进RRT算法描述 18

3.5 改进算法设计 19

3.5.1 遗传算法 19

3.5.2 问题描述 19

3.5.3 改进算法流程 20

3.6 本章小结 21

第4章 仓库机器人路径规划仿真验证 22

4.1 仿真结果图分析 22

4.2 算法定量比较分析 24

4.3 本章小结 25

第5章 总结与展望 26

5.1 论文总结 26

5.2 研究展望 26

参考文献 28

致 谢 29

绪论

引言

随着现代科学信息技术的进一步发展,移动机器人在各个领域的应用越来越广泛,路径规划一直都被认为是移动机器人应用领域的一个技术热点课题。根据移动机器人的实际任务和工作需求,在能够满足一定性能约束控制条件的前提下,为移动机器人自主规划出从一个起始目标位置到最终目标位置的可行优化路径,使其在系统指定的主要性能指标下进行优化,这一过程也是我们实现移动机器人的自主运行控制的重要环节之一。

近年来,随着经济的发展,人们的生活水平和消费理念发生了巨大的改变,网购已然成为一种新的消费方式,伴随而来的电子商务的迅猛发展,使得作为其支撑核心的物流业面临着巨大的挑战[1]。2019年公布的《2018年电子商务报告》统计数据显示,我国2018年累计实现电子商务类交易额31.63万亿元,同比2018年增长8.5%;跨境快递类物流业务量累计上一季度完成507.1亿件,同比增长26.6%。现代仓储物流作为现代电子商务对中小型物流的最大市场需求和增长点之一,正在发生着巨大的变革,传统的仓储物流已经难以满足现代电子商务的发展,各大电商企业都需要提高仓储的自动化水平,以满足日益增长的订单需求。而传统的仓储物流自动化水平较低,仓库中货物的拣选一般都是依靠人工完成,当面对现代电子商务巨大的订单量时,人工拣选往往耗时耗力,难以及时响应订单。特别在一些电商企业的促销活动日时,订单量往往是平时的几十倍甚至几百倍,如2019年天猫双11当天成交总额达2684亿,同比2018年的2135亿增长25.71%。

其次,随着中国制造2025计划的稳步推进,智能技术与工业制造领域也正在发生着巨大的变革。智能机器人作为工业与信息化的产物,近年来也得到了广泛的关注与研究。目前,移动机器人技术已经成熟并且得到了广泛应用,但仅单个机器人不能胜任工作量大而复杂的任务,所能完成的任务有限,而多机器人系统能够根据人们的工作需要,进行分工协同完成更为并行复杂任务,逐渐成为近些年来关注和研究的热点。

您需要先支付 50元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图