CN110488827A - 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质 - Google Patents

基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质 Download PDF

Info

Publication number
CN110488827A
CN110488827A CN201910769826.7A CN201910769826A CN110488827A CN 110488827 A CN110488827 A CN 110488827A CN 201910769826 A CN201910769826 A CN 201910769826A CN 110488827 A CN110488827 A CN 110488827A
Authority
CN
China
Prior art keywords
node
agv trolley
agv
path point
next path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910769826.7A
Other languages
English (en)
Other versions
CN110488827B (zh
Inventor
兰培真
陈锦文
曹士连
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jimei University
Original Assignee
Jimei University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jimei University filed Critical Jimei University
Priority to CN201910769826.7A priority Critical patent/CN110488827B/zh
Publication of CN110488827A publication Critical patent/CN110488827A/zh
Application granted granted Critical
Publication of CN110488827B publication Critical patent/CN110488827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于蚂蚁觅食行为的AGV控制方法、终端设备及存储介质，该方法中包括：根据运输环境内各节点的信息素浓度与阈值的关系设定正在作业的每辆AGV小车的可选下一路径点集合；根据AGV小车的可选下一路径点集合是否为空集来判定AGV小车停止或者AGV小车驶入下一路径点，其中，AGV小车的下一路径点为可选下一路径点集合中从AGV小车当前所在节点到集合中的节点的状态转移概率最大时对应的节点。本发明通过每个时间循环内运输环境各节点信息素浓度的更新，实现对AGV小车行驶状态的实时控制，使其往拥堵程度较低的方向行驶，同时能够到达目标点，既能够完成运输任务又可以避免路径冲突和道路死锁。

Description

基于蚂蚁觅食行为的AGV控制方法、终端设备及存储介质
技术领域
本发明涉及AGV(Automated Guided Vehicle)小车控制领域，尤其涉及一种基于蚂蚁觅食行为的AGV控制方法、终端设备及存储介质。
背景技术
现有技术中常用的基于蚂蚁觅食行为的AGV控制方法主要为动态路径规划算法，如基于蚁群算法的路径规划技术和时间窗算法。基于蚁群算法的路径规划技术主要利用蚁群在起始点与目标点之间进行路径搜索，通过迭代找到最优路径。时间窗算法以AGV的优先级确定通过节点的顺序，避免路径的冲突。但上述算法仍存在以下不足：1.在作业开始前规划好路径，无法实现实时的动态路径规划；2.仅能针对单一起始点和目标点进行路径规划，无法满足复杂运输网络的应用需求。
发明内容
为了解决上述问题，本发明提出了一种基于蚂蚁觅食行为的AGV控制方法、终端设备及存储介质。
具体方案如下：
一种基于蚂蚁觅食行为的AGV控制方法，包括：
根据运输环境内各节点的信息素浓度与阈值的关系设定正在作业的每辆AGV小车的可选下一路径点集合；
根据AGV小车的可选下一路径点集合是否为空集来判定AGV小车停车等待或者AGV小车驶入下一路径点，其中，AGV小车的下一路径点为可选下一路径点集合中从AGV小车当前所在节点到集合中的节点的状态转移概率最大时对应的节点。
进一步的，所述信息素浓度τ(i,j)(t)的计算公式为；
其中，i、j分别表示节点的横坐标和纵坐标，τ(i,j)(t)表示第t时刻节点(i,j)处的信息素浓度，λ表示AGV小车携带的信息素浓度，k表示AGV小车的序号，K表示第t时刻运输环境内正在作业的AGV小车的数量，表示第t时刻第k辆AGV小车与节点(i,j)之间的直线距离。
进一步的，所述可选下一路径点集合的设定方式为：根据运输环境内第k辆AGV小车周围各节点的信息素浓度，将周围各节点中信息素浓度小于信息素浓度阈值的所有节点组成作为第k辆AGV小车对应的可选下一路径点集合。
进一步的，所述状态转移概率的计算过程为：
(1)计算第t时刻节点(i′,j′)处的信息素对AGV小车的吸引函数F1 (i′,j′)：
F1 (i′,j′)＝q-τ(i′,j′)(t)
其中，q为信息素浓度阈值，τ(i′,j′)(t)表示第t时刻节点(i′,j′)处的信息素浓度；
(2)计算第t时刻节点(i′,j′)与AGV小车所在的当前节点(i,j)之间的启发函数F2 (i′,j′)：
其中，表示节点(i,j)行驶至节点(i′,j′)的直线距离；
(3)计算第t时刻节点(i′,j′)与AGV小车的目标点(ex,ey)之间的启发函数F3 (i ′,j′)：
其中，表示节点(i′,j′)与目标点(ex,ey)间的直线距离；
(4)计算第t时刻第k辆AGV小车从节点(i,j)转移至节点(i′,j′)的状态转移概率
其中，α,β,γ分别表示吸引函数F1 (i′,j′)、第一类启发函数F2 (i′,j′)和第二类启发函数F3 (i′,j′)的重要程度，allowed表示可选下一路径点集合，(I′,J′)表示可选下一路径点集合中的节点。
进一步的，该方法还包括判断AGV小车是否位于节点处，当AGV小车不位于节点处时，控制其驶入下一路径点。
进一步的，该方法还包括当位于属于目标点的节点处时，判断单次装卸运输是否完成，当没有完成时，则进行停车等待；当完成时，判断是否需要继续作业，如不需要，则进行停车等待，如需要，则根据该AGV小车的可选下一路径点集合是否为空集来判定AGV小车停止或者AGV小车驶入下一路径点。
一种基于蚂蚁觅食行为的AGV控制终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案，通过每个时间循环内运输环境各节点信息素浓度的更新，实现对AGV小车行驶状态的实时控制，使其往拥堵程度较低的方向行驶，同时能够到达目标点，既能够完成运输任务又可以避免路径冲突和道路死锁。
附图说明
图1所示为本发明实施例一的流程图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
本发明实施例提供了一种基于蚂蚁觅食行为的AGV控制方法，主要的实现方式是：根据运输环境内各节点的信息素浓度与阈值的关系设定正在作业的每辆AGV小车的可选下一路径点集合；根据AGV小车的可选下一路径点集合是否为空集来判定AGV小车停车等待或者AGV小车驶入下一路径点，其中，AGV小车的下一路径点为可选下一路径点集合中从AGV小车当前所在节点到集合中的节点的状态转移概率最大时对应的节点。
下面结合一个具体的流程来说明上述的实现方法，如图1所示，包括以下步骤：
S1：初始化设置，设置时刻t＝0。
S2：中央控制系统判断运输环境内是否有AGV小车正在作业，如果有，进入S3，否则，进入S14。
所述中央控制系统为现有的AGV小车控制中的常用系统，其可以实时获取AGV小车的位置、作业状态(如当次装卸任务是否完成，是否需要继续作业)等。
S3：计算运输环境内正在作业的AGV小车的数目K，以及K辆AGV小车各自的位置，并更新第t时刻运输环境内各节点的信息素浓度τ(i,j)(t)，令中间变量k＝1。
其中，i、j分别表示节点的横坐标和纵坐标，τ(i,j)(t)表示第t时刻节点(i,j)处的信息素浓度，λ表示AGV小车携带的信息素浓度，为常数系数，k表示AGV小车的序号，K表示第t时刻运输环境内正在作业的AGV小车的数量，表示第t时刻第k辆AGV小车AGVk与节点(i,j)之间的直线距离。
S4：判断第k辆AGV小车是否位于节点处，如果是，进入S5；否则，继续行驶至对应的下一节点，进入S11。
此处需要说明的是，当AGV小车不位于节点处时，说明该时刻，该AGV小车位于两节点之间的路径上，其对应的下一节点已经确定。
S5：判断第k辆AGV小车是否位于目标点处，如果是，进入S6，否则，进入S8。
S6：判断第k辆AGV小车的单次装卸运输是否完成，如果是，进入S7，否则，进入S9。
S7：判断第k辆AGV小车是否需要继续作业，如果是，进入S8，否则，进入S9。
S8：根据第t时刻运输环境内各节点的信息素浓度，将信息素浓度小于信息素浓度阈值的所有节点组成作为第k辆AGV小车对应的可选下一路径点集合allowedk，判断allowedk是否为空集，如果是，进入S9，否则，进入S10。
S9：控制第k辆AGV小车进行停车等待，进入S11。
S10：将第k辆AGV小车对应的可选下一路径点集合allowedk中状态转移概率最大的节点最为第k辆AGV小车行驶至下一路径点，进入S11。
步骤S10中下一路径点的计算过程为：
(1)计算第t时刻节点(i′,j′)处的信息素对AGV小车的吸引函数F1 (i′,j′)：
F1 (i′,j′)＝q-τ(i′,j′)(t)
其中，q为信息素浓度阈值，τ(i′,j′)(t)表示第t时刻节点(i′,j′)处的信息素浓度。
通过设定的信息素浓度阈值可以规避AGV小车在节点处的碰撞，即若τ(i′,j′)(t)＜q，则(i′,j′)∈allowed；若τ(i′,j′)(t)≥q，则
(2)计算第t时刻节点(i′,j′)与AGV小车所在的当前节点(i,j)之间的启发函数F2 (i′,j′)：
其中，表示节点(i,j)行驶至节点(i′,j′)的直线距离。
(3)计算第t时刻节点(i′,j′)与AGV小车的目标点(ex,ey)之间的启发函数F3 (i ′,j′)：
其中，表示节点(i′,j′)与目标点(ex,ey)间的直线距离。
(4)计算第t时刻第k辆AGV小车从节点(i,j)转移至节点(i′,j′)的状态转移概率
其中，α,β,γ分别表示吸引函数F1 (i′,j′)、第一类启发函数F2 (i′,j′)和第二类启发函数F3 (i′,j′)的重要程度，allowed表示可选下一路径点集合，(I′,J′)表示可选下一路径点集合中的节点。
(5)确定第k辆AGV小车针对节点(i,j)的下一路径点(i′0,j′0)：
S11：判断k＝K是否成立，如果是，进入S12；否则，令k＝k+1，返回S4。
S12：向运输环境内正在作业的AGV小车发送控制指令，判断运输任务是否完成，如果是，结束，否则，进入S13。
S13：向运输环境内所有AGV小车发送指令，以控制无需继续作业的AGV小车停止作业，其余AGV小车继续作业。
S14：令t＝t+1，返回S2。
本发明实施例一通过每个时间循环内运输环境各节点信息素浓度的更新，结合路径点的选择模型，实现对AGV小车行驶状态的实时控制，使其往拥堵程度较低的方向行驶，同时能够到达目标点，既能够完成运输任务又可以避免路径冲突和道路死锁。
本实施例相对于现有技术具有以下改进点：
1.利用能见度的思想设计了节点信息素浓度模型；
2.将蚂蚁的信息素为负反馈机制，对同伴产生排斥，以减小路径冲突和道路死锁的可能性；
3.利用毒素阈值q判定待选择节点周围是否过于拥挤，以规避节点冲突；
4.利用能见度的思想设计了待选择节点与目标节点之间的启发函数，避免算法陷入局部最优。
另外，本发明的使用范围既可以是物流运输系统的AGV小车，也可应用于多起点多目标点路网中多运输载体的控制及其路径实时规划，如无人机运输、机器人路径实时规划、无人驾驶汽车控制等，在此不做限制。
实施例二：
本发明还提供一种基于蚂蚁觅食行为的AGV控制终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述基于蚂蚁觅食行为的AGV控制终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于蚂蚁觅食行为的AGV控制终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述基于蚂蚁觅食行为的AGV控制终端设备的组成结构仅仅是基于蚂蚁觅食行为的AGV控制终端设备的示例，并不构成对基于蚂蚁觅食行为的AGV控制终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于蚂蚁觅食行为的AGV控制终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于蚂蚁觅食行为的AGV控制终端设备的控制中心，利用各种接口和线路连接整个基于蚂蚁觅食行为的AGV控制终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于蚂蚁觅食行为的AGV控制终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述基于蚂蚁觅食行为的AGV控制终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (8)

1.一种基于蚂蚁觅食行为的AGV控制方法，其特征在于，包括：
根据运输环境内各节点的信息素浓度与阈值的关系设定正在作业的每辆AGV小车的可选下一路径点集合；
根据AGV小车的可选下一路径点集合是否为空集来判定AGV小车停车等待或者AGV小车驶入下一路径点，其中，AGV小车的下一路径点为可选下一路径点集合中从AGV小车当前所在节点到集合中的节点的状态转移概率最大时对应的节点。
2.根据权利要求1所述的基于蚂蚁觅食行为的AGV控制方法，其特征在于：所述信息素浓度τ(i,j)(t)的计算公式为；
其中，i、j分别表示节点的横坐标和纵坐标，τ(i,j)(t)表示第t时刻节点(i,j)处的信息素浓度，λ表示AGV小车携带的信息素浓度，k表示AGV小车的序号，K表示第t时刻运输环境内正在作业的AGV小车的数量，表示第t时刻第k辆AGV小车与节点(i,j)之间的直线距离。
3.根据权利要求1所述的基于蚂蚁觅食行为的AGV控制方法，其特征在于：所述可选下一路径点集合的设定方式为：根据运输环境内第k辆AGV小车周围各节点的信息素浓度，将周围各节点中信息素浓度小于信息素浓度阈值的所有节点组成作为第k辆AGV小车对应的可选下一路径点集合。
4.根据权利要求2所述的基于蚂蚁觅食行为的AGV控制方法，其特征在于：所述状态转移概率的计算过程为：
(1)计算第t时刻节点(i′,j′)处的信息素对AGV小车的吸引函数F1 (i′,j′)：
F1 (i′,j′)＝q-τ(i′,j′)(t)
其中，q为信息素浓度阈值，τ(i′,j′)(t)表示第t时刻节点(i′,j′)处的信息素浓度；
(2)计算第t时刻节点(i′,j′)与AGV小车所在的当前节点(i,j)之间的启发函数F2 (i ′,j′)：
其中，表示节点(i,j)行驶至节点(i′,j′)的直线距离；
(3)计算第t时刻节点(i′,j′)与AGV小车的目标点(ex,ey)之间的启发函数F3 (i′,j′)：
其中，表示节点(i′,j′)与目标点(ex,ey)间的直线距离；
(4)计算第t时刻第k辆AGV小车从节点(i,j)转移至节点(i′,j′)的状态转移概率
其中，α,β,γ分别表示吸引函数F1 (i′,j′)、第一类启发函数F2 (i′,j′)和第二类启发函数F3 (i′,j′)的重要程度，allowed表示可选下一路径点集合，(I′,J′)表示可选下一路径点集合中的节点。
5.根据权利要求1所述的基于蚂蚁觅食行为的AGV控制方法，其特征在于：该方法还包括判断AGV小车是否位于节点处，当AGV小车不位于节点处时，控制其驶入下一路径点。
6.根据权利要求5所述的基于蚂蚁觅食行为的AGV控制方法，其特征在于：该方法还包括当位于属于目标点的节点处时，判断单次装卸运输是否完成，当没有完成时，则进行停车等待；当完成时，判断是否需要继续作业，如不需要，则进行停车等待，如需要，则根据该AGV小车的可选下一路径点集合是否为空集来判定AGV小车停止或者AGV小车驶入下一路径点。
7.一种基于蚂蚁觅食行为的AGV控制终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～6中任一所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～6中任一所述方法的步骤。
CN201910769826.7A 2019-08-20 2019-08-20 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质 Active CN110488827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910769826.7A CN110488827B (zh) 2019-08-20 2019-08-20 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910769826.7A CN110488827B (zh) 2019-08-20 2019-08-20 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN110488827A true CN110488827A (zh) 2019-11-22
CN110488827B CN110488827B (zh) 2022-06-14

Family

ID=68552270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910769826.7A Active CN110488827B (zh) 2019-08-20 2019-08-20 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN110488827B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523835A (zh) * 2020-03-26 2020-08-11 浙江大华技术股份有限公司 智能装货方法、装置、系统和计算机可读存储介质
CN112034841A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种无人环境下的提货方法、系统和计算机可读存储介质
WO2022027357A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种无人环境下的提货方法、系统和计算机可读存储介质
CN116405883A (zh) * 2023-06-09 2023-07-07 珠海云洲智能科技股份有限公司 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302153A (zh) * 2015-10-19 2016-02-03 南京航空航天大学 异构多无人机协同察打任务的规划方法
CN105589461A (zh) * 2015-11-18 2016-05-18 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
CN105760954A (zh) * 2016-02-15 2016-07-13 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
CN107272679A (zh) * 2017-06-15 2017-10-20 东南大学 基于改进的蚁群算法的路径规划方法
CN108445891A (zh) * 2018-05-28 2018-08-24 山东华力机电有限公司 一种agv小车光学导航系统和导航方法
US20190137595A1 (en) * 2016-04-20 2019-05-09 Lg Electronics Inc. Control device for vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302153A (zh) * 2015-10-19 2016-02-03 南京航空航天大学 异构多无人机协同察打任务的规划方法
CN105589461A (zh) * 2015-11-18 2016-05-18 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
CN105760954A (zh) * 2016-02-15 2016-07-13 南通大学 一种基于改进蚁群算法的泊车系统路径规划方法
US20190137595A1 (en) * 2016-04-20 2019-05-09 Lg Electronics Inc. Control device for vehicle
CN107272679A (zh) * 2017-06-15 2017-10-20 东南大学 基于改进的蚁群算法的路径规划方法
CN108445891A (zh) * 2018-05-28 2018-08-24 山东华力机电有限公司 一种agv小车光学导航系统和导航方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
庄丽阳 等: "基于改进蚁群算法的农用喷药机器人路径规划", 《机床与液压》 *
庄丽阳 等: "基于改进蚁群算法的农用喷药机器人路径规划", 《机床与液压》, vol. 46, no. 21, 30 November 2018 (2018-11-30), pages 15 - 19 *
李建军 等: "基于高程―四叉树模型和改进蚁群算法的路径规划", 《信息工程大学学报》 *
李建军 等: "基于高程―四叉树模型和改进蚁群算法的路径规划", 《信息工程大学学报》, vol. 15, no. 06, 15 December 2014 (2014-12-15), pages 723 - 729 *
梁建刚 等: "基于改进蚁群算法的自动导引运输车全局路径规划方法研究", 《机电工程》 *
梁建刚 等: "基于改进蚁群算法的自动导引运输车全局路径规划方法研究", 《机电工程》, no. 04, 20 April 2018 (2018-04-20), pages 103 - 108 *
江杰 等: "关于移动机器人路径最优规划研究", 《计算机仿真》 *
江杰 等: "关于移动机器人路径最优规划研究", 《计算机仿真》, vol. 33, no. 09, 15 September 2016 (2016-09-15), pages 329 - 333 *
王辉 等: "基于改进蚁群算法的泊车系统路径规划", 《控制工程》 *
王辉 等: "基于改进蚁群算法的泊车系统路径规划", 《控制工程》, no. 02, 20 February 2018 (2018-02-20), pages 73 - 78 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523835A (zh) * 2020-03-26 2020-08-11 浙江大华技术股份有限公司 智能装货方法、装置、系统和计算机可读存储介质
CN111523835B (zh) * 2020-03-26 2023-09-26 浙江大华技术股份有限公司 智能装货方法、装置、系统和计算机可读存储介质
CN112034841A (zh) * 2020-08-05 2020-12-04 深圳技术大学 一种无人环境下的提货方法、系统和计算机可读存储介质
WO2022027357A1 (zh) * 2020-08-05 2022-02-10 深圳技术大学 一种无人环境下的提货方法、系统和计算机可读存储介质
CN116405883A (zh) * 2023-06-09 2023-07-07 珠海云洲智能科技股份有限公司 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备
CN116405883B (zh) * 2023-06-09 2023-09-29 珠海云洲智能科技股份有限公司 一种无人驾驶设备集群的覆盖搜寻方法、装置和终端设备

Also Published As

Publication number Publication date
CN110488827B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN110488827A (zh) 基于蚂蚁觅食行为的agv控制方法、终端设备及存储介质
CN107203190B (zh) 一种基于复杂路径的惯性导航agv调度方法及系统
CN108762268B (zh) 多agv无碰撞路径规划算法
CN109991977B (zh) 机器人的路径规划方法及装置
US11446821B2 (en) Method and device for determining driving route of sorting robot
Le-Anh et al. A review of design and control of automated guided vehicle systems
CN109782757A (zh) 一种基于分段调度的多agv系统的路径调度方法
US20220374018A1 (en) Method and apparatus for controlling automated guided vehicle
US20230130011A1 (en) Collaborative charging method and apparatus, and logistics devices
CN110275492B (zh) 一种基于巷道确定自动引导运输车行驶路径的方法和装置
CN113075927A (zh) 基于预约表的仓储潜伏式多agv路径规划方法
KR101010718B1 (ko) 복수개의 자원을 점유하는 무인 반송차의 동적 주행방법
TWI796017B (zh) 自動導引車調度方法、電子裝置及電腦可讀儲存媒體
CN111079988A (zh) 任务的执行方法、装置、存储介质及电子装置
CN114115292A (zh) 行驶控制方法、系统、存储介质和计算机设备
CN114415610B (zh) 机器人的调度方法、装置、电子设备及存储介质
CN110533234A (zh) 结合避碰策略的agv优化控制方法、终端设备及存储介质
CN110488826A (zh) 一种适于路径冲突的agv避碰方法、终端设备及存储介质
CN111738528B (zh) 机器人调度方法及第一机器人
CN111123865B (zh) 一种基于点阵地图的多导航车协同调度方法
Xi et al. Research on Improving E-commerce Logistics Service Customer Satisfaction Through Application of AGV in Intelligent Warehouse
CN113848929B (zh) 一种agv载具调度方法及装置
Li Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems
CN117389309B (zh) 无人机辅助维修的控制方法、装置、设备及存储介质
KR0185101B1 (ko) 무인운반차의 운행경로 탐색방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant