通过改进的ACO和模糊的DWA,研究和实验室内AGV的全球路径规划
Zhen Zhou1, Chenchen Geng1, Buhu Qi1
1Key Laboratory of Digital Medical Engineering of Hebei Province, College of Electronic and Information Engineering, Hebei University, Baoding 071000, China.
Mathematical biosciences and engineering : MBE
|December 5, 2023
概括
本研究介绍了一种改进的殖民地优化和模糊动态窗口方法 (IACO-DWA) 算法,用于最佳的,无碰撞的室内AGV轨迹. 混合方法提高了路径规划效率和复杂环境中的性能.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 控制系统 控制系统
背景情况:
- 室内自动引导车辆 (AGV) 需要高效和安全的路径规划.
- 现有的算法经常与复杂的环境和动态调整作斗争.
研究的目的:
- 开发一种新的混合算法 (IACO-DWA) 进行室内最佳的AGV轨迹规划.
- 增强无碰撞导航,提高路径规划效率.
主要方法:
- 一个改进的殖民地优化 (IACO) 具有适应性策略和全球路径优化的奖励/惩罚机制.
- 一种改进的动态窗口方法 (IDWA) 使用模糊控制器进行动态参数调整和本地路径规划.
- 将IACO和IDWA结合起来,将全球路径分为子目标点,以实现高效的当地规划.
主要成果:
- IACO-DWA算法在生成最佳和无碰撞路径方面表现出有效性.
- 通过IDWA动态调整参数,确保在不断变化的环境中实现最佳速度和合理路径.
- 在Matlab中的模拟和QBot2e平台上的实验验证了算法的高性能.
结论:
- IACO-DWA算法为室内AGV路径规划提供了一个强大的解决方案.
- 混合方法显著提高了优化效率和导航安全.
- 这种方法对于在复杂和动态的室内环境中运行的 AGV 有效.
