没有合适的资源?快使用搜索试试~ 我知道了~
首页模拟退火逆向并行蚁群算法在AGV控制中的应用研究
"基于模拟退火逆向并行蚁群算法的AGV控制与研究" 本文主要探讨了在钢制管件镀锌自动化流程中,如何利用先进的自动导引车辆(AGV)技术提升生产效率和质量。针对镀锌环境的特殊要求,文章提出了一种对角双舵轮驱动的电磁导引AGV设计方案,该方案在保证灵活性和精度的同时,降低了硬件成本和复杂性。 在硬件设计部分,AGV采用四轮布局,由主控模块、定位导航模块、安全装置与传感器、驱动单元、无线通讯模块和电源模块构成。这些组件协同工作,确保AGV能够在密集且空间有限的车间环境中精确运行和通信。 在控制系统设计上,文章运用了扩展卡尔曼滤波的状态估计器,增强了AGV对不同负载和运行状态下的参数选择与行为预测能力,提升了系统的自适应纠偏性能。通过对四轮AGV模型的简化,将其实现为两个虚拟轮的单车模型,便于控制参数的计算和调整。 在软件算法层面,研究重点在于提高AGV的路径追踪和过程控制精度。作者提出了一种基于模拟退火逆向并行蚁群PID算法的新方法。该算法结合了模拟退火算法的全局优化能力和蚁群算法的并行搜索特性,能更快地收敛至最优解,同时提升了PID控制参数的选择准确度,确保了路径寻优和控制过程的稳定性。 通过Matlab/Simulink平台的仿真测试,文章对比了模拟退火、常规蚁群PID和本文提出的逆向并行蚁群PID算法在系统性能和路径寻优上的表现。这三者的比较验证了新算法在效率和准确性上的优势,为实际应用提供了理论支持。 该毕业论文深入研究了AGV在特殊环境中的应用,尤其是针对镀锌工艺的控制策略,提出了创新性的算法解决方案,旨在提高管件镀锌生产过程的良品率和效率,对于智能制造和车间自动化升级具有重要的实践意义。
资源详情
资源推荐
中北大学学位论文
5
系统先验信息在可接受的性能范围内来设计控制器;ADRC 方法在系统模型中将建模
阶段可能存在的所有不确定性(未知参数和未建模的动力学以及外部变化和扰动)看
作一个虚拟状态变量,并通过扩展状态观察器(extended state observe, ESO)进行在线
估计,已在机器人的许多实际应用中得到了实践和证明
[25]
。
1.2.2 全向 AGV 路径跟踪控制算法研究现状
在全向 AGV 的自动导航过程中,路径跟踪算法作为实现小车运动控制的核心技术
之一,经过多年的国内外优秀学者的深入研究,提出了各种类型的算法和技术。其中
模拟退火算法(Simulated Annealing, SA)最早来源于 N. Metropolis 在 1953 年根据物理现
象中发生的金属升温退火过程而提出的退火想法,S. Kirkpatrick 等在 1983 年首次将退
火想法解决数学中的一般组合优化问题,基于 Monte-Carlo(蒙特卡罗法,用数值模拟
的方法将概率性发生的现象作为研究对象,又称统计实验法)迭代求解策略提出的一
种新型随机寻优算法,在随后的 1987 年,针对选取关键控制参数初值 𝑡
0
的难题,E. H.
LAarts 等创新性地提出加温退火法,不仅缩短了计算时间的同时,在解决局部寻优问
题上也表现优异而受到关注,加快了 SA 的衍生发展和优化。随后相关学者陆续提出了
具有记忆金属返回特征的 SA、多次迭代寻优法、快速退火法以及近年来比较热的学习
型神经网络 SA 等相关算法
[26]
。Kanthaswamy. G
[27]
在 2010 年基于 SA 定向搜索算法优
化 PID 控制器参数,为大量优化问题提供非震荡有界闭环响应,性能取得了显著提升。
对比经典的贪婪、蚁群以及遗传等算法,国内模拟退火算法的研究更晚,在 SA 的优化
和应用方面鲜有创新。杨盐生
[28]
关于 SA 优化 PID 控制器参数的研究中提出了模拟退
火算法在船舶运动控制器优化中的应用。牛秦玉等
[29]
提出了一种基于模拟退火思想的
改进遗传算法,利用人工势场法设计初始产生策略,同时在适应度函数中加入约束条
件,有效解决了算法易陷入局部最优和收敛速度慢等问题。模拟退火算法为搜索过程
赋予一种时变且终趋于零的概率突跳性,这种概率性自算法开始就伴随温度不断下降
而减少,最终走向稳定和收敛,是一种能够有效避免目标函数在解空间中陷入局部且
趋于全局最优的串行结构优化算法。
中北大学学位论文
6
作为路径循迹和规划方面常见核心算法之一的蚁群算法(Ant Colony Optimization,
以下简称 ACO)凭借优秀的全局搜索能力被用作二维平面内路径寻优和跟踪控制,首
次出现在 1992 年的 Marco D 的博士毕业论文中,灵感来源于自然界中蚁群外出觅食过
程,成群结队且依序前进的行为现象,对于经典控制中的 PID 控制器参数优化设计问
题,创新性提出了蚁群 PID 算法设计,并同时与遗传 PID 算法设计作实验结果对比,
控制参数数值的结果验证了新型蚁群算法在全局寻优方面上的可行性、有效性和应用
价值
[30]
。后续学者们研究拓展出了一系列的改进蚁群算法:精英蚁群系统、最大最小
蚁群系统(MMAS)、基于排序的蚁群系统(TSP-ASrank)、连续正交蚁群(COAC)
等加快了系统的收敛速度(即系统在更短时间内寻求全局最优解)
[31]
。Zlochin M 等
[32]
在 2004 年基于搜索模型框架提出 COA-type 优化算法,并同时被当作一种“研究性模
式”,探讨了随机梯度上升法、分布估计和交叉熵等元启发式方法在组合优化问题中的
应用。Yen C T 等
[33]
提出模糊蚁群优化法(FACO)利用模糊控制最小化蚁群优化算法
(ACO)的迭代学习,AGV 在行进过程中可有效避障且能快速找寻最短路径。
蚁群优化算法不局限于数学中的经典组合优化问题,还包括了模型动力学、随机
变量以及多目标并行的实现等问题。比如常被用作城市间旅行推销员的路径最优解问
题,目的是快速找寻一条途径各个城市节点的最短遍历路线
[34]
。特别是面对不确定性
较大地动态问题时,蚁群算法较模拟退火和遗传算法在全局搜索能力上有明显优势:
算法可连续运行且实时调整以适应系统变化,因其显著表现被应用于特大型网络路由
服务器设置和城轨交通系统上的规划调度
[35]
。He C 等
[36]
提出了搭建蚁群算法中的
MAKLINK 无向网络路由,并进一步优化了启发式函数,使 AGV 在路径寻优和规避障
碍上有良好的收敛速度。Cui W 等
[37]
提出了双向搜索 A*蚁群算法用于路径优化,设置
权重不同的信息素,针对性地解决前期初始化蚁群信息素效率低的问题。
作为一种新型仿生进化算法,蚁群算法有其出色的全局搜索能力和信息素残留浓
度的正反馈优秀机制,但算法收敛速度慢、时滞性较长等缺点也很突出,迭代过程伴
随着一定信息素的挥发,沉积残留的信息素浓度在最优路径上的分布也愈发明显。梅
前
[38]
将蚁群算法中的信息素加入新的惩罚机制更新策略得出最优解作为遗传算法的初
中北大学学位论文
7
始蚁群,改进后的混合遗传蚁群算法具有更高的全局搜索效率和寻优精度。胡赤兵
[39]
提出了一种基于蚁群算法优化 PID 控制参数的方法,通过蚁群算法稳定寻找最优参数
解与 PID 控制调节特点相结合,提高了算法的速度和精度。相龙普
[40]
提出将模拟退火
和蚁群优化的 PID 算法相结合,克服蚁群算法收敛速度过慢、易陷入停滞缺点,在常
规蚁群中引入基于模拟退火原理的逆向蚁群,且能动态改变逆向蚁群的数量,使得
PID 参数获取更好的控制效果。
通过经典的 Z-N(Ziegler-Nichols)算法整定调整得到的 PID 控制参数,效果往往
不太理想,尤其是涉及到滞后和高阶系统等非线性因素的 AGV 路径跟踪控制,PID 控
制器就需要用遗传算法、模拟退火算法、蚁群算法或多种改进算法去优化,得到最佳
的控制参数 𝐾
𝑝
,𝐾
𝑖
,𝐾
𝑑
。Hou Y B 等
[41]
针对粒子群算法的搜索早熟性和蚁群算法收敛
速度慢,通过创建 AGV 的运动空间模型,借助粒子改进蚁群更新信息素实现最快收敛
蚁群路径,将粒子快速局部最优和蚁群的精准优化结果相融合,比一般的蚁群算法快
8%。刘睿等
[42]
针对收敛速度慢、易陷入局部最优和容易死锁的蚁群算法改进,提出了
含奖惩机制的信息素初始值和两种差异化蚁群相互!助,加强算法的寻优和搜索能力,
并解决了算法可能陷入死锁的困境。蚁群算法作为一种启发式算法,较之其他经典方
法有出色的稳定性和全局搜索能力,再与模拟退火思想中的概率突变性和退火速率相
结合,加快蚁群收敛速度的同时又不损失全局搜索能力。
1.3 论文研究内容及章节安排
本文根据实际工况中生产任务的需求,采用了承担运输的 AGV 控制系统导航方式
和软硬件结构,并系统地分析了全向 AGV 四轮运动模型、模拟退火算法以及蚁群 PID
控制特点,运用 Matlab / Simulink 对运动模型和改进算法后的 PID 控制器进行仿真测试,
同时在现场弯道实验中,验证 AGV 样机的状态估计器设计和模拟退火逆向并行蚁群算
法对 PID 参数选取优化的可行性与实用性,可自调整车体的速度、稳定、纠偏以及停
止精度等。
第1章绪论开宗明义地阐述了课题研究的背景和意义,对本文涉及的全向 AGV 技
中北大学学位论文
8
术及跟踪控制算法的国内外发展及研究现状作了介绍。
第 2 章针对项目工厂管件镀锌的自动化工艺流程,规划 AGV 运输任务和功能需求,
提出全向 AGV 结构参数设计以及软硬件系统设计。
第 3 章提出了全向 AGV 中主要硬件模块的设计和功能,包括主控芯片控制器的功
能、电磁导引+RFID 识别的定位导航模块、红外扫描避障器等安全装置、对角双舵轮
的四轮全向 AGV、无线通讯模块的相关设计以及锂电池电源模块。
第 4 章通过构建两轮单车转向运动学分析去解构全向 AGV 四轮动力学模型,引入
扩展卡尔曼滤波状态估计器作先验估计,旨在优化车体循迹控制以减少偏航率和偏差
值,同时得到 AGV 系统的状态变量与控制变量关系,方便算法作进一步的调控与计算。
第 5 章针对 AGV 系统模型介绍了模拟退火算法和蚁群算法的特点及流程步骤,后
将二者优点结合,提出了适配于本文的模拟退火逆向并行蚁群 PID 控制算法,用于优
化算法选取小车的 PID 控制参数。
第 6 章通过的仿真对模拟退火、常规蚁群以及本文提出改进蚁群 PID 三种算法系
统性能指标和拓扑栅格模型图中路径寻优作对比,后又经现场 AGV 样机的弯道实验测
试,验证提出状态估计器设计和模拟退火逆向并行蚁群算法用于优化系统 PID 控制参
数时能表现出更好的效果,且在小车负载不同情况下仍具备更好的速度自适应调整和
循迹控制能力。
第 7 章对本文所研究的内容和工作总结,分析研究过程中发现的纰漏和不足,同
时展望下一阶段的研究方向和方法。
中北大学学位论文
9
2. AGV 系统设计
2.1 AGV 系统概述
AGV 控制系统指的是配备有电磁或光学导引等传感器装置、安全保护装置、运行
和停止装置以及具有各种移载功能模块组成的系统,在设定的路径上能自主完成运输
的小车。在现代物流体系中,凭借高效率、高稳定、全自动化等特点融于一身的 AGV
小车能按预设路径精确地完成系统指定的一系列运输任务
[43]
。
AGV 作为一种全自动导引移动机器人,可根据任务需求选择最优行进路线和停靠
站点,凭借其成熟的技术体系渐渐取代人工或半自动化操作生产,是构建现代智慧工
厂和无人化生产车间中不可或缺的一部分
[44]
。AGV 系统设计主要是完成路径识别、自
主循迹、状态反馈、位姿与速度的纠偏以及安全避障等功能
[45]
。在生产开始时,AGV
收到调度系统指令便依照设定路径行进,完成管件的镀锌和运送,在此过程中,AGV
不断通过各个传感器模块收集 AGV 周身的状态信息(速度、位姿以及电量等),且通
过无限通讯模块同步更新给上位机,便于中央控制系统的监控和分配调整。
随着电子信息技术的创新研究与发展,AGV 也在不断融合更新设备与技术,朝着
微型智能化方向普惠大众,特别是在疫情期间,减少了人员之间接触传染的可能,在
酒店、医院和银行等公共领域都发挥了不可替代的作用
[46]
。AGV 优点可简单概括以下
几个方面:
1) 发挥设备资源的优越性,改进了生产环境以及具备在一些危险性较高的场合
替代人工完成作业的出色能力;
2) 提高物料运输的效率,增强物料生产过程中的控制和监控能力,有效地提高
了产品的质量和良品率;
3) 对每个产品的定位精度高,输送过程中 AGV 能独自应对突发情况作出反应,
具有高度柔性化与安全性,工作效率大大提高;
4) 应用拓展性高,可以与其它机器人和输送设备相连接,实现信息共享与!同
作业,实现万物互联。
剩余95页未读,继续阅读
icwx_7550592
- 粉丝: 18
- 资源: 7163
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功