卷烟辅料配送AGV系统关键技术研究与应用
这是一篇关于AGV系统,路径规划,免疫克隆算子,卷烟辅料配送的论文, 主要内容为AGV系统是卷烟辅料配送管理系统的重要组成部分,在卷烟行业中已得到广泛应用。但随着卷烟设备智能化水平的提高、制烟生产工艺复杂化的加剧以及智慧工厂建设的需要,原有AGV系统已无法满足生产需求。因此,急需对AGV系统进行技术升级改造。本文针对西北某卷烟厂辅料物流AGV系统效率低等问题,借助嵌入式系统设计、矢量控制理论及免疫克隆智能优化算法等研究手段,对AGV系统控制方式及路径规划进行升级优化,设计并实现了辅料配送管理系统,为提高卷烟物流AGV系统利用率、降低人工成本提供一定的理论及实践支撑。主要研究内容如下:(1)通过对西北某卷烟厂生产车间现场情况进行分析,明确辅料配送管理系统设计目标、待研究的核心环节和解决问题的思路,进而得出该系统各功能模块,确保系统各自动化设备在生产作业时安全、稳定、可靠。(2)针对西北某卷烟厂AGV车辆原有控制方式对电流利用率低,没有电路检测,且存在安全性问题等,提出对AGV控制方式和控制板进行迭代设计,采用空间矢量控制算法进行电机控制,并设计嵌入式软件对电机速度进行调速控制,以提高AGV车辆控制精度和能源利用率,降低AGV车辆故障率,确保辅料配送系统运行稳定。(3)由于原有AGV系统采用静态路径规划,已无法满足辅料系统供应,影响生产效率。因此,根据实际生产车间现场环境多AGV小车路径具有多边界条件约束的情况,提出一种基于免疫克隆算子的动态路径规划方法,实现合理避障,为提高AGV系统使用效率提供一个新的方法。(4)根据系统需求分析,对辅料配送管理系统进行总体设计,并结合AGV车辆嵌入式系统设计、路径规划算法设计及用户显示界面模块,整合设计B/S网页架构,并进行工程应用。
小商品市场中智能仓储关键技术的设计与实现
这是一篇关于智能仓储系统,深度学习,YOLOv3算法,UWB室内定位,路径规划的论文, 主要内容为近年来随着电商平台的增多,义乌小商品市场也随之发展火热,不同于快递包裹存放仓库,小商品仓库有着货物快进快出、商品形状大小不统一、商家建造的仓库能力有限等问题,大型仓库的部署方法不太适用于这种特殊的仓储体系之中,如在大仓库情形下的有轨巷道堆垛机,其部署成本高昂不适于小商户仓库中进行部署。本文在小商品智能仓储系统的研究背景下,考虑到小商品智能仓储系统的特点,对该情形下的智能仓储系统中的关键技术进行了设计与实现。本文主要为了提升小商品场景下智能仓储系统的性能以及关键算法的选型研究,以提高仓储系统的工作效率。本文研究主要工作如下:(1)物品检测算法的实现,考虑到小商品市场中物品有着快进快出的特点,故在识别算法的选型上需要选择一种识别速度快且识别负荷低的算法。为了保证AGV在识别算法时准确性,在AGV上搭载单目相机作为AGV图片采集模块,通过该模块对目标物体进行拍摄。当图片采集完成后,本文对特征点检测算法以及基于深度学习的YOLOv3算法俩种主流图像检测算法进行比较,选择适用于小商品场景下智能仓库中识别算法的选择。首先使用SURF特征点提取算法将待识别图片的特征点识别出来,然后使用MSAC算法作为滤波算法对特征点进行筛选,将具有较强特征性的点筛选出来,最后将筛选后的特征点与事先在数据库中注册好的点进行匹配,由于在仓储环境中对实时性与快速检测上有着较高的要求,该算法每次进行匹配时需要遍历整个数据库,故该匹配算法不适用于当注册商品数量过多时的仓储环境,在此基础上,使用基于深度学习框架下的YOLOv3算法,由于YOLOv3算法有着识别精度高、识别速度快和泛化能力强等优点选择该算法作为小商品场景下智能仓储系统目标检测子系统的中的算法模型,本文在训练集中将待测物品分为十类,每类选择200多张图片,共计2121张图片进行训练,当将物品参数作为模型训练完毕后,输入目标图片后可以精准的实现目标检测。(2)室内定位技术的研究,AGV需要实时向控制端报告自己所在的位置,方便控制端下达任务,本文首先比较了四种常见的室内定位技术,最后选择了UWB定位技术作为研究方法,主要研究了基于到达时差法的三种算法Fang,Chan,Taylor算法的性能比较,最后得出结果。(3)在数据处理系统中,终端接收到AGV的定位反馈后设计前往目标点的最优路径,针对这一问题,本文改进了一种基于A*算法的改进算法,考虑到仓库中具有较多障碍物的情况,首先将障碍率引入启发函数中一方面可保证算法运行速度,一方面可保证算法计算的路径为全局最优;为了避免碰撞风险,考虑自动引导小车的体积引入防碰撞策略这样可以使运动路径更加平滑防止碰撞产生。最后将该算法与Dijkstra算法、蚁群算法、A*算法进行比较,最后得出结果。试验结果表明无论在算法运行时间、搜索的节点数量、规划出来的路径长度以及引导小车进行折转的次数上,改进的A*算法都有着较好的表现。
基于自适应邻域聚类与类别偏好挖掘的景点推荐系统设计与实现
这是一篇关于邻域聚类,分层注意力网络,偏好挖掘,路径规划,推荐系统的论文, 主要内容为随着数据挖掘技术和移动互联网的发展,游客对于智慧旅游的需求不断增长。然而,景点数据混杂的类别标签以及游客景点交互数据的高稀疏度使得传统的景点推荐方法效果不佳。针对景点推荐存在的实际问题,本文设计并实现了一个基于邻域聚类与偏好挖掘技术的个性化景点推荐系统,在规范化景点数据的同时,从稀疏的交互数据中深入挖掘游客游览偏好,提供高质量的个性化景点推荐服务,并进行合理可行的游览路线规划。本文完成的工作主要包括以下四个方面:(1)设计并实现了个性化景点推荐系统,并完成了系统功能测试和性能测试。该系统能够将标签混杂的景点数据以及游客与景点交互数据进行整合并规范化,从中挖掘游客游览偏好,为游客提供高质量的个性化景点推荐服务,并为游客进行高效可行的游览路线规划。系统包括数据聚类、个性化景点推荐、游览路线规划三个核心功能,以及热门景区推荐、内嵌可视化地图等功能,并且进行了增量数据热加载、数据缓存等系统优化。(2)针对公开数据集或爬虫数据存在无标签、多级标签或模糊标签,不能直接作为系统数据使用的问题,本文提出了一种改进的聚类算法布谷鸟搜索优化的自适应邻域聚类算法(CADCA),并将该算法用于数据聚类功能的实现。CADCA使用自适应邻域算法进行粗聚类,并使用布谷鸟优化算法优化K均值算法寻优过程,完成细聚类。在景点数据集上进行了基准对比实验,验证了CADCA在ARI和准确率指标上优于其他基准算法,且收敛效率优于大部分基准算法。(3)在进行个性化景点推荐功能的设计实现中,针对游客景点交互数据稀疏度高的问题,提出了一种改进的个性化景点推荐算法—基于分层注意力网络的类别偏好挖掘推荐算法(CAHAN),该算法使用三层模型,在输入层嵌入稀疏的输入数据挖掘数据内在联系,在类别注意力层学习游客的景点类别偏好,在混合注意力层学习游客的整体偏好,最终进行高质量的个性化景点推荐。在景点交互数据集上进行了基准对比实验,验证了CAHAN在四种召回率指标以及AUC指标上优于其他基准算法。(4)为了提升游客的游览体验,并形成一个完整的旅游解决方案,本系统提供了基于一种改进路径规划算法(RPDC)的游览路线规划功能。RPDC算法融合距离和类别特征,使用最大最小蚁群系统作为基本距离因素路径规划算法,使用下一位置预测算法及景点自身性质对算法进行优化,在高效寻找最优解的同时提升游览路线规划结果的可行性。在景点交互数据集上进行基准对比实验,验证了 RPDC在最优解、最差解偏离度指标上均优于其他基准算法。
意图网络中智能路径规划算法及仿真平台的设计与实现
这是一篇关于意图网络,路径规划,深度强化学习,网络仿真的论文, 主要内容为随着网络技术的不断进步和现代网络的快速发展,我们期望网络系统能够承载各种类型和不同要求的许多应用程序。网络需求的快速增长和各种应用需求给网络解决方案带来了诸多挑战。近年来,学术界和工业界的研究人员提出了一种新的网络模型,称为基于意图的网络(Intent-Based Networking,IBN)。意图网络能够自主配置和适应用户或运营商的意图。因此,如何让意图网络根据用户意图来规划网络流量的路径,以此提升网络效率和增强用户体验是本文的研究点。针对网络中的长短流,本文首先设计并实现两种意图网络下的智能路径规划算法。算法在现有的深度强化学习算法的基础上,根据用户意图对网络指标的期望值和实际运行时的网络指标的满足情况来设计奖励函数,以此来实现用户的意图。同时为了应对网络中的带宽占用较高的业务流,结合负载均衡策略,使用最短路径算法(k-shortest pathes,KSP)将业务流分成K条最短路径,算法的动作决策为流量分配在这K条最短路径上的权重比值,以此来解决意图网络无法承载大带宽流量的问题。为了对提出的智能路径规划算法的性能和效率进行评测,同时方便之后算法研究人员能够更方便的对算法进行改进,评估和训练。本文设计并实现了一套网络仿真平台。该平台包括仿真平台管理子系统,仿真任务执行子系统,算法智能体子系统,网络仿真环境子系统,结果日志收集子系统。用户可以可视化编辑仿真任务配置,提交并异步执行仿真任务,最后仿真结果以可视化图表的方式展现给用户。为了保证系统的可用性,仿真平台管理子系统和仿真任务执行子系统通过远程调用的方式进行交互。为了实现算法和仿真环境之间的跨主机交互,算法智能体子系统和网络仿真环境子系统通过消息队列方式进行数据高速传输。本文按照软件工程的方法,首先对平台进行需求分析和概要设计,随后对平台的各个子系统进行了详细的和实现,最后对系统进行测试以验证是否符合设计方案。
取送一体化三维装箱与路径规划系统设计与实现
这是一篇关于取送一体化,边取边送,三维装箱,路径规划,食肉植物算法,物流运输的论文, 主要内容为许多行业的物流从传统的单一配送模式(单一的送货、单一的取货)逐渐向取送一体化配送模式靠拢,以达到降本增效的目的。但多数情况下在服务点都会产生大量的装货、卸货等操作,这可能会导致车厢内部的空间安排不合理、货物无法放置、成本增加等问题。所以在取送货期间,提前拟定货物的放置方案并安排合适路径,在非卸货点不重新移动车内货物,对于物流运输的整体效率提升非常关键,而当货物重大、易碎或危险时,遵守三维装卸约束就格外重要,以确保货物的安全搬运和保护。本文将取送货业务中的三维装载(3D-BPP)、取送货路径规划问题(PDP)相结合,拟提供一站式解决方案,工作与创新如下:(1)设计求解取送一体化三维装箱与路径规划问题的方案并建立模型。求解方案分为三维预装载阶段与路径规划阶段,并为两个阶段分别建立了模型,三维预装载阶段模型以取货点处货物占用最少车厢长度为目标,路径规划阶段模型以高空间利用率、低总成本为目标,并综合考虑了天气与路况、时间窗等因素。(2)三维预装载阶段求解。该阶段主要解决取货点处货物集的三维装箱问题;通过改进Pisinger树搜索进行三维装箱,构造一层层货物“墙”,针对树搜索流程设计了动态词典、墙体复制、墙体记忆、低空间利用率墙体再装填这四种功能组件以提高搜索质量、贴合业务需求,并改进了货物配对方式;取货点处货物集预装载后,占用的车厢空间转化为占用车厢总长度、最外层长度(可减少的长度)、最外层占用的车厢宽度。(3)路径规划阶段求解。该阶段的主要解决若干辆车的订单分配、路径规划问题,车辆经过一条受混合时间窗约束、装卸货约束、天气和道路影响的路线,完成所有取送订单需求;该阶段的解决方案是改进食肉植物算法的种群优化加个体局部搜索。通过基于混沌的任务分配和贪婪的随即构造生成初始种群,使用改进后食肉植物算法进行种群优化,针对算法设计了优劣度排序、自适应吸引、更改生长操作以贴合问题需求,并对个体使用局部搜索以探索邻域解,提高搜索精度,经过多次迭代之后,获得最终方案。(4)为验证方案在模型中的应用效果,采用公开数据集,将本方案与其它算法进行仿真并对比,实验结果显示,本方案能有效求解问题,具有较强的实用性。(5)根据取送一体化三维装箱与路径规划系统的架构、模块、数据库设计和具体业务需求,将系统分为货主、司机的移动端(APP)以及公司的后台管理员系统(Web),分别进行前后端开发及测试。经测试,系统功能的效果优秀,为取送货业务的实现提供了技术支撑。
植保无人机飞行路径规划策略研究与优化系统实现
这是一篇关于植保无人机,粒子群算法,路径规划,优化系统的论文, 主要内容为目前作物病虫害的化学防治已经从传统的人工喷洒作业,逐渐转为无人机替代人力作业。无人机需在低能耗、高效率的情况下完成自主作业。植保无人机路径规划是自主作业系统的重要部分,路径规划就是按照设定的工作要求,在满足所有控制条件下,规划出农药、电量、时间等消耗最少的作业路径。因此本文以优化植保无人机路径为目的,结合现代计算机技术和优化算法,基于Python语言和Django框架,研究并开发了植保无人机飞行路径优化系统。本文围绕植保无人机路径优化系统的设计与开发做了如下工作:(1)植保无人机路径规划基本方法研究。首先查阅大量文献,根据植保无人机作业特点,采用栅格法处理农田地块。设计植保无人机在栅格化地块中的行走策略,实现无人机在地块中进行往复回转式全覆盖路径作业,并得到作业仿真路径图。构建作业区域坐标系,为之后的优化提供计算环境。因保障点设置在坐标系原点,所以在确定路径优化目标后,提出简单规划即在满足所有限制条件下使每一个返航点都落在作业区域的底边界上。当作业区域面积过大时,反而未规划的结果要好于简单规划,故提出优化算法对植保无人机的路径进行规划。(2)植保无人机路径规划算法研究。以每次植保作业距离为变量,往返飞行距离、更换电池与装填药液等非植保作业时间最短为目标构建函数,针对返航点的数量与位置采用粒子群算法与引力搜索算法进行寻优。对本文提出的基于两种优化算法的路径规划方法进行了实例检验,发现粒子群算法的各项输出结果均优于引力搜索算法,故选取粒子群算法作为本系统的优化算法。基于粒子群算法规划的结果对比简单规划和未规划,非植保作业距离总和分别减少了 15%和79%,非植保作业时间分别减少了 21%和48%。此方法也适用于不规则区域。选取形状为直角梯形的不规则作业区域,上底长100m,下底长137m,梯形高为740m。在此不规则作业区域当中,基于粒子群算法规划的结果相比于简单规划和未规划的结果非植保作业距离分别减少了 13%和78%,非植保作业时间分别减少了 19%和49%。以上两次实例检验均验证了本文提出路径规划方法的实用性与可行性。(3)植保无人机路径优化系统的设计与实现。在本文提出的路径规划方法得到实例检验后,基于Python语言使用Vue框架和Django框架开发并实现了植保无人机路径优化系统。系统主要分为6个模块,其中在用户进行注册并登录后才可解锁其他模块。系统简介模块让使用系统的用户对本系统有个简要的了解,且植保无人机分类模块可以为用户提供植保无人机类型的选择。输入模块界面的功能是将用户输入要优化的地块信息及无人机参数传输给后端的优化模型中。本系统的核心部分为输出模块,输出模块在用户输入参数后,可展示优化后的植保无人机仿真路径图,三种规划方法的数据对比以及提供优化后的返航点位置及坐标。植保无人机路径优化系统可以实现精确植保无人机的路径优化,可以将路径优化图导入到植保无人机操控系统中实现自主作业,还可以帮助无人机操纵人员进行数据分析以及指导植保无人机精准作业,对未来提高植保无人机作业效率起到重要的借鉴作用。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码驿站 ，原文地址：https://m.bishedaima.com/lunwen/46117.html
