1.1研究目的及意义

随着国内经济的迅速增长，企业规模的不断扩大，生产效率不断提高，受土地资源短缺的限制，物流自动化己成为国内众多企业关注的热点。作为物流系统中的重要組成部分，AGV已经在各行各业中得到广泛的应用，未来更是有广阔的应用前景。

有生产就有物流，物流伴着生产的产生而产生，不过人们对物流的注意力却远远晚于生产制造，早期人们把主要的精力研巧放到了生产过程中，通过更新设备，改进加工工艺，优化流程，寻求替代材料等方式以期降低成本，提高效率。但随着生产力的发展，自动化水平、生产柔性化越来越高，企业规模越来越大，专业分工越来越细，己很难从生产过程中取得明显的效益。有研究指出，在企业的整个生产过程中，90%-95%的时间处于储存、装卸、输送和待加工状态，物料的储存、搬运、装卸的费用占生产成本高达20%-50%。物流作为一个新的领域，降低成本的潜力极大。AGV是Automated Guided Vehicle的简称是一种智能化的运载工具，它具有运输平稳、定位准确、无人控制自动作业、用计算机进行管理与调度、智能化进行路径规划等优点，可为现代自动化物流系统中物料正确搬运作业、安全运行提供可靠的保障。

1.2国内外研究现状

1.2.1 AGV路径规划的研究

路径规划问题，Dijkstra最早于1959年提出两节点间的最短路毎搜索算法，最短路径问题的提出引起了国内外学者和专家的关注，通过大量的研巧已取得了许多的研究成果。国内关于AGV系统路径规划的研究，主要集中在AGV小车的路径规划和运行避障方面。吉林大学的周文卷提出了基于加权A*算法的全局路径规划与改进人工势场法的局部路径相结合的混合路径规划方法。有学者对基于时爵窗的路狸禪划，有色时间Petri网的路径规划等进行了研究。燕山大学的林正鹏提出了基于模糊控制的路径规划算法，即在机器人实时控制中，根据机器人的坐标的相对位置，及运动方向，建立坐标系，运用人工势场法搭建一个模糊规则器，并Ｗ此来指导移动机器人运动。

此外，截止目前AGV系统在规划调度中采用的方法主要有免疫网络算法、蚁群貧法、粒子群算法、模糊神经网络法、Dijkstra算法、遗传算法、模拟退火算法、马尔可夫概率等。

1.2.2 AGV路径规划算法的研究

1）遗传算法

遗传算法是解决复杂非线性优化问题的常用方法，遗传算法么所抖应用领域广是由于它并不依赖于所研究问题的具体领域，而且鲁棒性较好。它是通过模拟自然进化过程来搜索最优解，利用某种编码技术，作用于称为染色体的数字串，由这些串组成的群体的进化过程。遗传算法通过有狙织的、随机的信息交换来重新组爸那些适应好的串，生成新的串的群体。

2）人工神经网络

神经网络是智能控制的一个重要分支，它大脑生理研巧成果为基础，模拟大脑的某些机理与机制，由人工建立的以有向图为巧扑结构的网络，即人工神经网络。人工神经网络能应用在不适合使用数学模型来描述的对象；不要求输入的信息是否连续；神经网络的本质并行性使它具有较强的容错功能；神经网络硬件实现能方便地解决实时性要求比较高的问题；神经网络实际上是一个非线性系统，能实现任意非线性映射；同时神经网络能把不同类型的输入信息进行综合和处理。另外，人工神经网络还有很强的自适应能力，神经网络有自我学习调整参数的能为和自组织能力。神经网络在复杂系统的控制方面具有明显的优势，神经网络控制和辨识的研巧己经成为智能控制研究的主流。

3）蚁群算法

蚁群算法主要是通过妈蚁群体中个体之间进行信息传递最终據到最优解，它有很多优点；它结合了正反馈机制和分布式计算，利用信息素的不断更新能有效避免早熟收敛，且在算法初期就快速找到问题的较优解；它具有本质并行性，其搜索过程是从多个点同时进行，容易并行实现：它还有良好的扩充化易于与其它启发式算法结合以改良算法的性能；它是多主体的智能仿生算法，各个主体之间相互协作完成任务。

4）粒子群法

粒子群算法的化化搜索是在由一群随机初始化形成的粒子所组成的一个种群中，以迭代的方式进行的。同传统的优化方法相比，PSO算法具有更强的全局优化能力，也能较快地收敛于满意的解，且PSO算法不需要进行编码和解码，也不需要如遗传算法一样的各种遗传操作，因而有控制参数少，算法简单易行，计算效率较高，易与其他算法结合和扩展性好的特点。

2.1研究的基本内容及目标

第一部分：介绍选题背景及研究意义，综述国内外基于AGV路径规划的研究现状和发展趋势，并结合课题做出阐述；

第二部分：参考相关文献并设计仓库布局；

第三部分：静态路径规划，即用A*算法实现单AGV路径规划；

第四部分：动态路径避障，即基于冲突协商策略实现多AGV自主控制；

第五部分：编程并在软件中实现相关设计要求，能够在软件中实现AGV路径优化选择、不碰撞、不死锁。

2.2研究拟采用的技术方案及措施

（1）文献分析法

主要对基于直达式仓库AGV路径规划的文献进行收集、鉴别和整理，归纳总结，形成对路径规划的一个全面认识；

（2）优化分析法

本文中利用VS软件对所建立出来的模型进行验证。

避障决策与优先级

碰撞类型与避障策略

周次

目标任务

1-3

明确任务书内容，查阅相关文献，撰写开题报告；

4-5

查阅文献，完成专业外文文献翻译；

6

明确论文思路，构思论文的框架，撰写论文写作提纲；

7

撰写论文理论综述部分内容并编程；

8-11

撰写论文主体部分内容并调试程序；

12-13

完成论文初稿；

14-15

修改、完善论文，完成终稿，并打印、装订、提交；

16

准备答辩材料，完成毕业论文答辩。

[1]金亚萍.自动导引车关键技术现状及发展趋势[J]. 物流技术与应用. 2015(11)

[2]荀燕琴.基于群体智能优化的AGV路径规划算法研究[J].2017

[3]冯海双.AGV自动运输系统调度及路径规划的研究.2013

[4]向光义. AGV运行路线的规划与调度控制[J]. 物流技术与应用. 2009(11)

[5]吕伟. 烟草企业FMS中激光导引式AGV防撞保护功能与优化路径调度的设计与实现[D]. 浙江工业大学 2012

[6]张宏远. 基于petri网的分布式多AGV路径规划及避撞研究[D]. 西北工业大学 2002

[7]Tatsushi Nishi,Yuichiro Hiranaka,Ignacio E.Grossmann. A bileveldecomposition algorithm for simultaneous production scheduling andconflict-free routing for automated guided vehicles[J]. Computers and OperationsResearch . 2010 (5)

[8] Hamed Ghasemzadeh,Ehsan Behrangi,Mohammad AbdollahiAzgomi. Conflict-free scheduling and routing of automatedguided vehicles in mesh topologies[J]. Robotics and AutonomousSystems . 2008 (6)

[9] Jianyang Zeng,Wen-JingHsu. Conflict-free container routing in mesh yardlayouts[J]. Robotics and Autonomous Systems . 2007 (5)

[10]L. Deroussi,M. Gourgand,N. Tchernev. A simple metaheuristic approach to the simultaneousscheduling of machines and automated guided vehicles[J]. International Journal ofProduction Research . 2007 (8)

[11]Ayoub Insa Corréa,AndréLangevin,Louis-Martin Rousseau. Scheduling and routing of automated guided vehicles:A hybrid approach[J]. Computers and OperationsResearch . 2005 (6)

[12]Samia Maza,PierreCastagna. A performance-based structural policy forconflict-free routing of bi-directional automated guided vehicles[J]. Computers in Industry .2005 (7)

[13] 李伟光.基于改进A*算法的AGV路径规划.先进制造系统管理运作（2015年10期）

[14]黄诚杰,吴锤红. 改进型A*算法在智能AGV路径规划中的应用[J]. 莆田学院学报. 2015(05)

[15]房殿军； 周涛.自动化立体仓库中智能AGV群体的静态路径规划与动态避障决策研究.网络与信息化 （2017年06期）

[16] 陈庆文,董莘.智慧工厂AGV调度与避障的研究[J]. 自动化技术与应用. 2017(12)