[发明专利]一种面向智慧工厂的AGV多目标点自主导航方法

说明书

本发明涉及一种面向智慧工厂的AGV多目标点自主导航方法，属于机器人技术领域。该方法首先采用A*算法离线规划得到两两任务点之间的最短路径，以此距离作为任务点之间的距离矩阵，并通过蚁群算法计算多目标点的最短遍历顺序，结合各目标点之间的最短路径情况来规划自主导航的路径，最终将物料按照订单要求送达至多个任务点，高效执行AGV自主导航多任务。

技术领域

本发明属于机器人技术领域，涉及一种面向智慧工厂的AGV多目标点自主导航方法。

背景技术

AGV(Automated GuidedVehicle，自动导引运输车)作为现代智慧物流的核心元素之一，在制造、烟草、快递、医药、电商等行业的物料搬运及装配场合扮演着举足轻重的角色。目前，多数AGV导航系统仍沿用循线方式，且大多针对单一任务，已无法胜任现代智能物流高柔性化的需求。要使AGV处在一个连续的任务环中，必须解决其多任务自主导航问题。一些AGV虽然也具备多任务导航功能，但只是简单地按照所呼叫工位的顺序进行依次送料，对执行多任务的最佳路径缺乏考虑，从而效率低下且耗能大，在大型作业环境中成本会迅速增加。

发明内容

有鉴于此，本发明的目的在于提供一种面向智慧工厂的AGV多目标点自主导航方法，该方法具有模块化、智能化、低成本、高安全性和适用范围广的特点。

为达到上述目的，本发明提供如下技术方案：

一种面向智慧工厂的AGV多目标点自主导航方法，该方法包括以下步骤：

S1：用A*算法计算两两目标点间执行路径规划；

S2：根据步骤S1的路径规划计算两两目标点的实际距离，生成距离矩阵D；

S3：蚁群算法迭代次数加1；

S4：初始化蚂蚁编号K＝1，初始化起始目标点位置；

S5：蚂蚁编号增加1；

S6：由蚁群算法的概率转移公式计算蚂蚁转移到下个目标点的概率；

S7：修改蚂蚁的禁忌表；

S8：若蚂蚁的编号大于种群数目，则更新信息素，执行S9；

否则返回S4步骤执行；

S9：若达到最大迭代次数则进入S10，否则返回S3；

S10：输出多目标点的最优遍历顺序；

S11：再次使用A*算法计算步骤S10中相邻两任务的路径规划；

S12：结束。

进一步，所述A*算法的原理和步骤为：

A*算法是基于栅格地图的一种静态路网中求解最短路径的启发式搜索算法，适用于移动机器人单任务导航；计算并评价空间中的各个位置，并每次以当前最好的位置进行下一次搜索，至最后获得目标；其中选择的评价函数就扮演着相对重要的角色，A*算法采用了图搜索算法中的深度优先算法(Deep-First-Search,DFS)，其评价函数如下：

f(n)＝g(n)+h(n)

式中，n＝(x_n,y_n)——当前被搜索的节点；

f(n)——节点n的最小代价评价函数；

g(n)——从起始节点移动至n节点实际花费的代价；

h(n)——从n节点行至目标节点的最小预估代价；

h(n)为启发式的最小预估代价，采用曼哈顿距离公式距离表示如下：