智能化分类钢铁仓库中AGV避障路径规划方法及系统与流程

本发明涉及智能化仓储，尤其涉及一种智能化分类钢铁仓库中agv（自动导引车）避障路径规划方法及系统。

背景技术：

1、传统大型物流仓库中由于货物类型多样、数据繁多、人工分类成本高、效率低且安全性差，因而实现货物从入库到自动分类和自动运输是实现现代仓储智能化、提高仓储运行效率的关键技术。在钢铁仓库中通过引入智能化系统和设备，通过控制agv小车将钢铁货物自动分类存储在指定货架，实现自动化分类存储，不仅能够提高钢铁仓库的作业效率和安全性，还能够大大降低人力成本。实现钢铁仓库智能化分类的关键即是对agv小车的调度以及避障路径规划。

2、针对于钢铁货物的智能运输，钢铁货物的重量和体积较大，为了确保较重货物分类和运输的安全性，需要使用具有高稳定、高准确率的分类算法和路径规划算法以保障安全和效率。而现有技术中，对agv小车的调度方式通常是采用单一控制模式，即独立控制每台agv小车分别进行路径规划。但是钢铁仓库的体积范围通常都比较大，往往需要多台agv小车同时进行操作，单一调度的方式无法实现多台agv小车之间的协同规划，导致各台agv小车在行驶过程中可能存在冲突，因而会存在安全隐患，且无法保证多台agv小车整体的规划效率。

技术实现思路

1、本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、智能化程度以及整体效率高以及安全可靠的智能化分类钢铁仓库中agv避障路径规划方法及系统。

2、为解决上述技术问题，本发明提出的技术方案为：

3、一种智能化分类钢铁仓库中agv避障路径规划方法，步骤包括：

4、根据钢铁货物的特征信息将各钢铁货物进行分类；

5、按照分类结果确定各钢铁货物的存放位置，以各钢铁货物的存放位置为终点位置分别进行多台agv小车的路径规划，以控制多台agv小车分别将各钢铁货物运输至仓库中指定存放位置；

6、所述进行多台agv小车的路径规划包括：

7、根据仓库的尺寸信息、仓库内货架布局信息以及可通行区域信息建立环境地图；

8、根据所述环境地图以及各个agv小车的起始坐标、终点位置，使用人工势场算法与算法形成的融合算法进行全局路径规划，所述融合算法中使用算法进行全局路径搜索，并在全局路径搜索过程中为启发函数设置启发权重，并使用人工势场算法对障碍物区域周围的路径曲线进行平滑得到最终路径优化的全局路径，当遇到动态障碍物时使用人工势场算法与算法计算避碰代价以进行局部动态避障，所述启发权重为使用折算因子确定得到，所述折算因子用于表征需要agv小车弯折的角度以及次数的状态；

9、当存在两台agv小车之间存在行驶冲突时，获取存在冲突的各agv小车的状态信息，根据各agv小车的状态信息配置各agv小车之间的优先级，按照配置的优先级顺序对存在冲突的agv小车重新进行路径规划。

10、进一步的，所述融合算法中使用算法按照下式计算总路径成本以进行全局路径搜索：

11、

12、

13、其中，表示当前节点 x的总路径成本，表示从起点到当前节点 x的最短路径成本，表示从当前节点 x到目标点的最短路径成本，即为启发函数，表示所述启发权重，表示点(i,j)到目标点连线上障碍物数量累加和，表示agv小车处于( i， j)的位置点时是否有障碍物的取值，如果有取值为1，否则取值为0，为agv小车周围障碍物点阈值。

14、进一步的，使用人工势场算法按照下式对障碍物区域周围的路径曲线进行平滑：

15、

16、其中，、分别表示全局规划中在 x位置处的障碍物对agv小车的斥力势场大小和引力势场的大小,、分别表示全局规划中引力势场的增益系数和斥力势场的增益系数,、、分别表示agv小车坐标、障碍物坐标和目的地坐标,、分别表示与之间的距离、与之间的距离，表示斥力的有效辐射半径，u表示斥力因子，对数函数表示斥力势场大小随agv小车与障碍物距离增大而随逐渐平稳。

17、进一步的，当遇到动态障碍物时，使用人工势场算法与算法按照下式计算避碰代价以进行局部动态避障：

18、

19、其中，、分别表示使用算法、人工势场算法从当前节点 x到目标点的最短路径成本预估值，表示综合算法、人工势场算法计算得到的从当前节点 x到目标点的最短路径成本预估值，、分别表示局部动态避障中在 x位置处障碍物对agv小车的斥力势场和引力势场大小，、分别表示局部动态避障中引力势场的增益系数和斥力势场的增益系数,、、分别表示agv小车坐标、障碍物坐标和目的地坐标,表示为斥力的有效辐射半径，、分别表示与之间的距离、与之间的距离。

20、进一步的，所述根据各agv小车的状态信息配置各agv小车之间的优先级包括：

21、构建优先选择树结构，所述优先选择树结构为由多级判断选择策略依次构成的树形结构，每一级所述判断选择策略通过判断两台agv小车的一种状态信息确定优先级，所述状态信息包括小车重量、运行速度、剩余电量以及剩余路径长度；

22、按照所述优先选择树结构的顺序依次判断存在冲突的两台agv小车的状态信息，根据判断结果确定该两台agv小车之间的优先级；

23、所述优先级选择树结构为二叉树结构，所述二叉树结构的每级通过判断存在冲突的两台agv小车的一种状态信息是否相等，如果不相等，将状态信息满足预设条件的agv小车的优先级设置为高优先级，如果不相等进入下一级，直至确定出两台agv小车之间的优先级。

24、进一步的，所述根据钢铁货物的特征信息将各钢铁货物进行分类时，判断待分类数据是否为线性可分，如果为线性可分，基于boosting（提升）算法构建基于svm（supportvector machine，支持向量机）算法的第一个弱学习机v1，对第一次划分后结果中数据多的部分再进行第二次划分，将两次分类的结果通过sigmoid函数统一映射为分类判据e以划分钢铁货物类别，如果分类错误率大于预设阈值则加大对出错数据集的训练权重重新构造学习机，直至得到最终的分类机；如果为线性不可分，则采用boosting-gwo（greywolfoptimizer，灰狼优化）-svm分类算法进行划分，所述boosting-gwo-svm分类算法为使用boosting算法集成多个svm弱分类器并使用灰狼算法搜索最优惩罚系数c。

25、进一步的，将两次分类的结果通过sigmoid函数按照下式统一映射为所述分类判据 e：

26、

27、

28、

29、其中，表示对第 i个钢铁货物样本特征进行第一次分类的决策函数，表示对钢铁货物样本特征分类的输出结果，、分别表示函数的斜率矩阵、截距；表示对第 i个钢铁货物样本特征进行第二次分类的决策函数，、分别表示函数的斜率矩阵、截距；

30、根据所述分类判据 e对各钢铁货物的指定特征进行分类：

31、

32、其中，a1<<<1，a1、a2分别为根据sign取值-1或1时计算得到的值，、分别为对第一次分类所得的两类数据中样本量大的一类数据使用sign函数的分界面对应、映射到sigmoid函数的值。

33、进一步的，采用boosting-gwo-svm分类算法进行划分时，使用灰狼算法搜索最优惩罚系数c的过程中，使用最优惩罚步长构建得到最优惩罚系数c下的目标函数：

34、

35、其中，表示权重矩阵，表示第i个样本点引入的松弛变量；

36、以及使用惯性权重λ、权重系数、和计算灰狼算法中解位置：

37、

38、

39、

40、

41、其中，x表示搜索解空间，表示下一次迭代的加权平均解位置，、和分别代表第一、第二和第三匹狼对目标的观测位置，代表与、求和后的平均值，>>，表示种群中第一匹狼的解位置；和表示[0,1]的随机变量，表示收敛因子，表示目标与第一匹狼的距离。

42、进一步的，所述使用boosting算法集成多个svm弱分类器的过程中，将每次迭代达到预设阈值的分类机作为集成的分类器，以及按照下式计算权重：

43、

44、其中， i表示样本点标号， n表示样本数量， m表示权重迭代次数，表示第 i个样本点优化后第 m+1次的权重，表示第 i个样本点中分类错误点的临近点集优化后第 m+1次迭代的权重，表示第 i个样本点对应的优化后第 m次迭代的权重，表示第 m次迭代的归一化因子，表示第 m次迭代的错误分类点的邻近点的归一化因子，表示第 m次迭代的分类器权重，表示第 m次迭代对应的类别标签，表示基分类器对第i个钢铁货物样本特征的错误率。

45、一种智能化分类钢铁仓库中agv避障路径规划系统，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法。

46、与现有技术相比，本发明的优点在于：

47、1、本发明通过充分利用智能仓库的数据建立环境地图，然后再在全局上基于人工势场算法和算法的融合算法实现多agv小车路径的全局规划，当遇到动态障碍物时再使用人工势场算法进行局部动态避障，以实现快速的实时动态避障，既能够利用人工势场算法快速找到局部解，又能够利用提高全局搜索能力，同时当存在agv小车路径发生冲突时依据状态信息进行优先级配置，能够避免各agv之间的行驶冲突，还能够实现系统效率最优，从而快速、高效的规划出最佳的路线。

48、2、本发明通过在启发函数中加入折弯抑制算子，能够进一步增强算法搜索的灵活性，减少算法所带来折弯次数多问题，从而进一步提高多agv小车路径规划的效率。

49、3、本发明进一步通过采用boosting-gwo-svm算法进行货物分类，由boosting算法集成多个svm弱分类器，使用灰狼算法搜索最优惩罚系数，实现货物分类惩罚系数自适应，使得可以充分挖掘钢铁货物的特征实现更加精准的分类。