背景
随着国内土地升值以及人力成本的增加,如何在有限的空间规划高效、低成本的物流系统已逐步成为国内物流咨询公司的研究方向,实现高水平物流系统的关键物流技术-自动化设备AGV自然也是重点之一。
在物流的应用
AGV组成分为四个部分:控制分析层-视觉光声等识别层-电油动力层-手臂滚轮执行层。在物流应用面很广,自动化仓库、配送中心、工厂均可看到它的踪影。因篇幅有限,本文着重对AGV应用于Autostore自动仓库的路径规划进行解释。
Autostore场景描述
Autostore与一般货架最主要的区别在于高密集度。而这一特性有两个主要原因。一是没有承重架,料箱直接相互累加。二是料箱进出是通过顶层AGV进行提升和下降,货格水平面没有间隔。示意图如下:
路径规划算法及仿真模拟。
路径规划比较传统的算法是Dijkstra和 Floyd算法,两种算法逻辑比较简单,可以求出最佳路线,但计算复杂度高,当栅格量级较大时,计算时间很长,很难广泛应用。 由此引申出启发式算法A星算法,通过加入期望值牺牲100%找到最佳路线来降低计算时间。
因篇幅问题,不对算法本身进行诠释。本文通过MATLAB进行模拟仿真。仿真图如下:
同样当路线确定后,也可通过添加其他过程对整个仓库进行分析,示例如下: