摘要
随着电子商务的迅猛发展，人们的购物方式发生了深刻转变，导致了大量的物流快件需要进行分拣和运输，这对物流分拣系统中心无疑是一个巨大的挑战。自动导引车（Automated Guided Vehicle, AGV）是物流分拣系统中用于快件分拣及运输的核心设备，然而，在分拣运输过程中，多个AGV之间的协同合作是确保整个物流分拣系统分拣效率提高的关键因素。因此，本文针对物流分拣系统下AGV路径规划问题展开研究，主要包括对单AGV全局路径规划、局部路径规划和多AGV路径规划的研究。具体研究内容如下： （1）在单AGV全局路径规划方面，针对传统A*（A-Star）算法规划的路径存在大量冗余节点和转折尖峰点、搜索效率低下以及路径不平滑等问题，本文提出了一种改进A*算法。首先，为减少搜索时间和计算量，将搜索策略优化为双向搜索。然后，利用路径优化策略以删除冗余节点，保留关键转折点。其次，通过改进启发函数和搜索邻域的优化，进一步提高了路径搜索效率。最后，针对路径转折处的尖峰点问题，采用5次Bezier曲线进行平滑优化，使得路径更为平滑。仿真结果表明：相较于传统A*算法，双向搜索改进的A*算法路径长度优化了2.51%，遍历节点数减少了46.07%，搜索时间减少了46.66%。 （2）在单AGV局部路径规划方面，针对传统A*算法无法动态避障的局限性和传统动态窗口法（Dynamic Window Approach, DWA）动态避障能力的不足，本文提出了一种改进A*-DWA的融合算法。首先，在单AGV全局路径规划中提出的改进A*算法的基础上，在代价函数中引入了障碍率因素，进一步提高了算法搜索效率。其次，针对传统DWA算法对未知静态障碍物无法有效避障的问题，以及为解决局部路径容易偏离全局最优路径的问题，在DWA算法的原评价函数基础上新增设了静态障碍物距离函数和目标距离函数以进行改进。最后，仿真结果表明：在全局路径规划中，相比传统 A*算法，改进 A*算法路径长度优化了 6.79%，遍历节点数减少了67.86%，搜索时间减少了45.76%。在局部路径规划中，所提融合算法能进一步对静态障碍物避障，且局部路径未明显偏离全局最优路径。 （3）在多AGV路径规划方面，针对多AGV路径规划中常见的碰撞冲突、死锁等问题，本文在单AGV局部路径规划中提出的融合算法基础上进一步引入了两种高效的路径冲突避免策略：一种是基于设定优先级的暂停等待法，通过设定AGV不同的优先级以避免路径节点冲突；另一种是路径重规划法，当AGV间发生相向冲突时，更高优先级的AGV重新规划路径以避免碰撞，低优先级的AGV则按原始路径行驶，从而确保系统顺畅运行。仿真结果表明：在融合算法规划路径的同时结合路径冲突避免策略使用，能有效地规避AGV间的碰撞以消解各种冲突。
NETL