物流工程路径规划.ppt

A、起始节点S被代入OPEN，子节点A、B连同评价值f6、8被代人OPEN，起始节点S扩展后移到CLOSED。 B、由于节点A、B的评价值f分别为6、8，所以节点A扩展子节点C、D后移到CLOSED，节点B、C、D连同各自的评价值8、8、9都代入OPEN。 7.3 路径规划 第三十一页，共四十八页。 C、用中断连接扩展节点B，节点B扩展子节点E、F。子节点E、F连同评价值8、9都代入OPEN，节点B扩展后代入CLOSED。再次搜索节点D。这时，如果注意到节点D的值g，由于新的费用值4(经由节点B返回到节点S)比过去的费用5(经由节点A返回到节点S)小，所以要更换指针，重新计算的评价值f变为9[图7-23(a)]。 D、仍然用中断连接扩展节点C，节点C扩展子节点I、H 。子节点I、H连同评价值10 、9都代入OPEN，节点C移到CLOSED [图7-23(b)] ， 7.3 路径规划 第三十二页，共四十八页。 E、当前OPEN上五个节点I 、H、 D、 E 、F。所以选中评价值f最小的扩展节点E。然后，把节点E代入CLOSED，再次搜索节点H。 F、这时，注意到节点H的值g，比起过去的费用7(经由节点C，A返回节点S)来新的费用6(经由节点E、B返回到节点S)要小，所以更换指针，重新计算H的评价值f为8[图7-23(c)] 7.3 路径规划 第三十三页，共四十八页。 G、当前OPEN上扩展值f最小的节点H，其后的扩展节点是目标G，节点G以评价值8代人OPEN，节点H代入CLOSED H、最后，节点G如果选择作为值f最小的节点，则把指针返回到节点H、E、B、S，最终得到费用8的最短路径。这里，由于节点H的估计值h与真值h*相比过小，所以这个最佳路径上的节点必须调整。 7.3 路径规划 第三十四页，共四十八页。 7.3 路径规划 7.3 路径规划 AGV智能化的新发展在于自主回避障碍物并达到目的地的路径规划。 首先，影响路径规划的是AGV的自由度数和地图的有无。为了便于理解，以2自由度AGV为例，分别考虑有地图时(环境已知时)和没有地图时(环境未知时)的路径·动作规划。这里，假定AGV只考虑两个位置自由度(X、Y轴上的位置)，不考虑姿态方面的一个自由度(绕中心的回转) 第一页，共四十八页。 7.3 路径规划 由于地图是由AGV和障碍物的模型，所以有地图时的路径规划称为基于模型的路径规划(Model-based Path-Planning)。基于模型的路径规划称为离线路径规划。 没有地图时的路径规划，AGV用外部传感器(视觉、超声波传感器、光传感器等)得到一面回避障碍一面到达目的地的路径，由此称为基于传感器的路径规划(Sensor-based Path-Planning)。基于传感器的路径规划又称为在线路径规划。 第二页，共四十八页。 7.3 路径规划 基于模型的路径规划 首先说明为了快速选择最佳(最短)路径，应采用怎样的数据结构来表现地图。 最佳(最短)路径由于接近障碍物，如果有位置误差，AGV与障碍物碰撞的可能性很高。下面要说明的是，为防止碰撞，除了最佳性以外更重视安全性的方法，即为了选择离障碍物足够远的安全路径，应采用怎样的数据结构来表现地图。这里由于采用一种OR表。 第三页，共四十八页。 7.3 路径规划 基于传感器的路径规划 AGV用传感器一面检测障碍物一面进行回避并最终到达目的地的路径规划算法，即使存在位置误差，AGV也不会迷失确定的路径，而最终到达目的地附近。 第四页，共四十八页。 7.3 路径规划 7.3.1 路径规划的模型 1．几何模型 AGV有2个位置自由度(X、Y轴上的位置)和1个姿态自由度(绕中心的旋转)。这里，取可全方位移动的AGV为例加以说明。由于AGV能全方位移动，所以可忽略AGV的方向(姿态的自由度)。这样，就能用以最大回转长度为半径的圆表示AGV。在此基础上，可以把障碍物的几何尺寸径向扩张一个AGV圆的半径，同时把AGV缩成一个点(图7-16)。由此，在存在扩张了的障碍物的地图(XY平面)上，可以规划成为几何点的AGV的路径。 第五页，共四十八页。 7.3 路径规划 第六页，共四十八页。 7.3 路径规划 2．数学模型首先，说明基于模型的路径规划。 为了快速选取路径，用所谓图的数据结构表示规划的数学模型(俗称“地图”)。所谓图就是用弧连接节点的数据结构，节点意味着AGV的位置，弧意味着两个位置间的移动(图7-17)。将移动的几何距离、工作量或时间加权折算得出两个位置间移动的模型费用，把模型费用希望值作为费用赋于该两个位置间的弧上。 第七页，共四十八页。 7.3 路径规划 A B E D C