AGV的四點(diǎn)關(guān)鍵技術(shù)，你都了解嗎？

在現(xiàn)代化工業(yè)的發(fā)展中，提倡高效，快速，可靠，提倡將人從簡(jiǎn)單的工作中解放出來(lái)。機(jī)器人逐漸替代了人出現(xiàn)在各個(gè)工作崗位上。機(jī)器人具有可編程、可協(xié)調(diào)作業(yè)和基于傳感器控制等特點(diǎn)，自動(dòng)導(dǎo)向小車（Automated Guided Vehicle 簡(jiǎn)稱AGV）便是移動(dòng)機(jī)器人的一種，是現(xiàn)代化工業(yè)物流系統(tǒng)中的重要設(shè)備，主要為儲(chǔ)運(yùn)各類物料，為系統(tǒng)柔性化、集成化、高效運(yùn)行提供了重要保證。

AGV小車有三個(gè)關(guān)鍵系統(tǒng)，運(yùn)行系統(tǒng)、導(dǎo)引系統(tǒng)、控制系統(tǒng)，其它還包括有路線系統(tǒng)及安全保護(hù)系統(tǒng)等。

（1）導(dǎo)引及定位技術(shù)

作為AGV技術(shù)研究的核心部分，導(dǎo)引及定位技術(shù)的優(yōu)劣將直接關(guān)系著AGV的性能穩(wěn)定性、自動(dòng)化程度及應(yīng)用實(shí)用性。

AGV小車

（2）路徑規(guī)劃和任務(wù)調(diào)度技術(shù)

第一，行駛路徑規(guī)劃。行駛路徑規(guī)劃是指解決AGV從出發(fā)點(diǎn)到目標(biāo)點(diǎn)的路徑問(wèn)題，即“如何去”的問(wèn)題?，F(xiàn)階段國(guó)內(nèi)外已經(jīng)有大量的人工智能算法被應(yīng)用于AGV行駛路徑規(guī)劃中，如蟻群算法、遺傳算法、圖論法、虛擬力法、神經(jīng)網(wǎng)絡(luò)和AI算法等。

第二，作業(yè)任務(wù)調(diào)度。作業(yè)任務(wù)調(diào)度是指根據(jù)當(dāng)前作業(yè)的請(qǐng)求對(duì)任務(wù)進(jìn)行處理，包括對(duì)基于一定規(guī)則的任務(wù)進(jìn)行排序并安排合適的AGV處理任務(wù)等。需要綜合考慮各個(gè)AGV的任務(wù)執(zhí)行次數(shù)、電能供應(yīng)時(shí)間、工作與空閑時(shí)間等多個(gè)因素，以達(dá)到資源的合理應(yīng)用和最優(yōu)分配。

第三，多機(jī)協(xié)調(diào)工作。多機(jī)協(xié)調(diào)工作是指如何有效利用多個(gè)AGV共同完成某一復(fù)雜任務(wù)，并解決過(guò)程中可能出現(xiàn)的系統(tǒng)沖突、資源競(jìng)爭(zhēng)和死鎖等一系列問(wèn)題。現(xiàn)在常用的多機(jī)協(xié)調(diào)方法包括分布式協(xié)調(diào)控制法、道路交通規(guī)則控制法、基于多智能體理論控制法和基于Petri網(wǎng)理論的多機(jī)器人控制法。

定制地牛AGV

（3）運(yùn)動(dòng)控制技術(shù)

不同的車輪機(jī)構(gòu)和布局有著不同的轉(zhuǎn)向和控制方式，現(xiàn)階段AGV的轉(zhuǎn)向驅(qū)動(dòng)方式包括如下兩種：兩輪差速驅(qū)動(dòng)轉(zhuǎn)向方式，即將兩獨(dú)立驅(qū)動(dòng)輪同軸平行地固定于車體中部，其它的自由萬(wàn)向輪其支撐作用，控制器通過(guò)調(diào)節(jié)兩驅(qū)動(dòng)輪的轉(zhuǎn)速和轉(zhuǎn)向，可以實(shí)現(xiàn)任意轉(zhuǎn)彎半徑的轉(zhuǎn)向；操舵輪控制轉(zhuǎn)向方式，即通過(guò)控制操舵輪的偏航角實(shí)現(xiàn)轉(zhuǎn)彎，其存在最小轉(zhuǎn)彎半徑的限制。

控制系統(tǒng)通過(guò)安裝在驅(qū)動(dòng)軸上的編碼器反饋來(lái)組成一個(gè)閉環(huán)系統(tǒng)，目前基于兩輪差速驅(qū)動(dòng)的AGV路徑跟蹤方法主要有：PID控制法、最優(yōu)預(yù)測(cè)控制法、專家系統(tǒng)控制法、神經(jīng)網(wǎng)絡(luò)控制法和模糊控制法。

（4）信息融合技術(shù)

信息融合是指利用多源信息的關(guān)聯(lián)組合，充分識(shí)別、分析、估計(jì)和調(diào)度數(shù)據(jù)，完成下達(dá)決策和精確處理信息的任務(wù)，并對(duì)周圍環(huán)境、戰(zhàn)況等進(jìn)行適度的估計(jì)。目前，在導(dǎo)引領(lǐng)域研究和應(yīng)用的信息融合技術(shù)主要有Kalman濾波、貝葉斯估計(jì)法與D-S證據(jù)推理等，其中以Kalman濾波最廣。Kalman濾波具有良好的實(shí)時(shí)性，但它是建立在嚴(yán)格的數(shù)學(xué)模型的基礎(chǔ)上，當(dāng)導(dǎo)引模型存在較大建模誤差或者系統(tǒng)特性發(fā)生變化時(shí)往往會(huì)導(dǎo)致濾波發(fā)散。

為提高濾波算法的魯棒性和自適應(yīng)能力，可針對(duì)AGV的導(dǎo)引要求與特點(diǎn)，研究適當(dāng)?shù)淖赃m應(yīng)Kalman濾波算法、魯棒濾波算法或智能濾波（如模糊推理、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)）方法等。

AGV叉車

隨著智能制造的快速發(fā)展，工廠智能化已成為不可逆的發(fā)展趨勢(shì)，AGV作為柔性生產(chǎn)線和立庫(kù)等現(xiàn)代化倉(cāng)儲(chǔ)體系的關(guān)鍵設(shè)備之一，具有自動(dòng)化程度高、靈敏、安全等特色，在智能工廠中占據(jù)了重要的地位。

智能制造是軟硬件的整合，獨(dú)立的硬件并不能發(fā)揮其最大的作用。通常AGV與MES系統(tǒng)、WMS系統(tǒng)相結(jié)合，借助MES信息化管理平臺(tái)，能夠高效、準(zhǔn)確、靈活地完成物料的搬運(yùn)任務(wù)，提高生產(chǎn)的柔性度及倉(cāng)儲(chǔ)的智能化。

審核編輯 黃宇