一种融合JPS与改进DWA算法的AGV路径规划方法与流程

本发明涉及一种agv路径规划方法，具体为一种融合jps与改进dwa算法的agv路径规划方法，属于agv路径规划。

背景技术：

1、agv(automated guided vehicle)，即自动导引车，是一种无人驾驶的运输车辆。由于近几年受人力成本的急剧上升，传统的生产车间内的运输发展受到严重限制。agv具有自动化程度高、灵活性强、安全性好的特点，可以提高运输的工作效率，节省人力成本，在车间运输中扮演着越来越重要的角色，其中最关键的技术便是agv的路径规划。

2、由于车间环境情况复杂，而采用传统agv路径规划，例如dijkstra、a*、d*和rrt等，对装配物料进行运输时，其所规划的运输路径并未考虑动态障碍物，并且其算法收敛速度过慢或规划的路径需要频繁的进行转向，极大的影响了运输效率；因此，研究一种随机避障能力较强且能够快速收敛的路径规划算法尤为重要。

技术实现思路

1、本发明的目的就在于为了解决上述至少一个技术问题而提供一种融合jps与改进dwa算法的agv路径规划方法。

2、本发明通过以下技术方案来实现上述目的：一种融合jps与改进dwa算法的agv路径规划方法，包括以下步骤：

3、步骤一、构建栅格地图，得到起点和终点，采用栅格法对生产车间建立栅格地图，并标记各个agv机器人的初始所在位置即起点(s1，s2，……，sn)，以及需搬运的货物所在位置，即终点(t1，t2，……，tn)；

4、步骤二、运行jps算法，得到各个起点至终点的路径，从栅格地图的各个起点进行全局路径规划，获得n2条路径；

5、步骤三、选取所规划的路径总长最短的路径，将上述n2条路径的路长组成矩阵d，并对矩阵d的各行元素进行求和，得到所有排列组合下的路长总和，选取最短的路长总和为全局最优路径，并提取所选的全局最优路径中的关键点；

6、步骤四、运用dwa算法进行动态避障路径规划，运行改进的dwa算法，以步骤三的全局最优路径为参考路径，从步骤一的起点到终点位置进行局部动态避障路径规划，为步骤一的agv机器人规划出最优的动态避障路径。

7、作为本发明再进一步的方案：步骤四中，改进的dwa算法的评价函数为：

8、g(v,ω)＝σ[αhead(v,ω)+βdist(ν,ω)+γvel(ν,ω)+δguid(v,ω)]

9、其中，v和ω分别为移动小车的线速度与角速度，g(v，ω)表示改进的dwa算法的轨迹评价函数。

10、作为本发明再进一步的方案：改进的dwa算法评价函数的head(v，ω)是方位角评价函数，表示为agv机器人以当前选定的采样线速度v与角速度ω所对应的轨迹末端与终点之间的方位角偏差。

11、作为本发明再进一步的方案：改进的dwa算法评价函数的dist(v，ω)是障碍物距离评价函数，表示的是agv机器人以当前选定的采样线速度v与角速度ω所对应的轨迹末端与障碍物之间的距离。

12、作为本发明再进一步的方案：改进的dwa算法评价函数的vel(v，ω)是速度评价因子，表示的是当前的采样线速度v与角速度ω大小。

13、作为本发明再进一步的方案：改进的dwa算法评价函数的guid(v，ω)是全局路径关键点评价函数，表示的是agv机器人在进行局部路径规划时的当前位置距与全局最优路径关键点的直线距离。

14、作为本发明再进一步的方案：改进的dwa算法评价函数的σ为评价因子归一化处理函数，α，β，γ，δ分别是所述改进的dwa算法的轨迹评价函数g(v，ω)中四项子评价函数的权重参数。

15、本发明的有益效果是：

16、1、本发明通过jps算法对agv机器人遍历完各个目标点的所有路径，并选取路长最短的为最优路径，避免了距货物较远的agv机器人对货物进行搬运的情况，大大缩短了所规划的路径的路长，提高agv机器人运输效率；

17、2、本发明中使用的改进的dwa算法，是在原dwa算法轨迹评价函数中添加了全局路径关键点评价函数guid(v，ω)，使得路径规划会考虑全局最优路径来进行局部路径规划，这样可极大提高运行效率以及得到一条更为可靠的路径。

技术特征：

1.一种融合jps与改进dwa算法的agv路径规划方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的agv路径规划方法，其特征在于：所述步骤四中，改进的dwa算法的评价函数为：

3.根据权利要求2所述的agv路径规划方法，其特征在于：所述改进的dwa算法评价函数的head(v，ω)是方位角评价函数，表示为agv机器人以当前选定的采样线速度v与角速度ω所对应的轨迹末端与终点之间的方位角偏差。

4.根据权利要求2所述的agv路径规划方法，其特征在于：所述改进的dwa算法评价函数的dist(v，ω)是障碍物距离评价函数，表示的是agv机器人以当前选定的采样线速度v与角速度ω所对应的轨迹末端与障碍物之间的距离。

5.根据权利要求2所述的agv路径规划方法，其特征在于：所述改进的dwa算法评价函数的vel(v，ω)是速度评价因子，表示的是当前的采样线速度v与角速度ω大小。

6.根据权利要求2所述的agv路径规划方法，其特征在于：所述改进的dwa算法评价函数的guid(v，ω)是全局路径关键点评价函数，表示的是agv机器人在进行局部路径规划时的当前位置距与全局最优路径关键点的直线距离。

7.根据权利要求2所述的agv路径规划方法，其特征在于：所述改进的dwa算法评价函数的σ为评价因子归一化处理函数，α，β，γ，δ分别是所述改进的dwa算法的轨迹评价函数g(v，ω)中四项子评价函数的权重参数。

技术总结
本发明公开了一种融合JPS与改进DWA算法的AGV路径规划方法，包括构建栅格地图、运行JPS算法、得到各个起点至终点的路径、选取所规划的路径总长最短的路径和运用DWA算法进行动态避障路径规划。本发明通过JPS算法对AGV机器人遍历完各个目标点的所有路径，并选取路长最短的为最优路径，避免了距货物较远的AGV机器人对货物进行搬运的情况，大大缩短了所规划的路径的路长，提高AGV机器人运输效率；使用的改进的DWA算法，是在原DWA算法轨迹评价函数中添加了全局路径关键点评价函数guid(v，ω)，使得路径规划会考虑全局最优路径来进行局部路径规划，这样可极大提高运行效率以及得到一条更为可靠的路径。

技术研发人员：刘新华,李春侠,姜文婷
受保护的技术使用者：哈尔滨严格智慧工厂有限公司
技术研发日：
技术公布日：2024/1/14