面向机场行李分拣的机器人路径规划与调度研究

摘要

AGV以及KIVA等移动机器人具有自动化、高灵活度以及可并行作业等特点，已得到广泛应用，现已应用于国内外港口码头集装箱搬运，快递物流中心快件分拣等物流运输方面。利用机器人代替人工可有效缓解车间内工作人员的工作压力，提高车间工作效率。本文主要研究机场行李分拣的机器人调度问题，并搭建平台实现移动机器人的物料识别与路径规划，为实现机器人在机场行李分拣中应用奠定基础。通过分析机场离港及中转行李的分拣作业流程，提高行李分拣的效率，建立机器人调度问题的数学求解模型，并考虑机器人的充电约束，寻求合适的求解复杂问题的启发式算法，求解数学模型。此外，通过将路径优化算法与神经网络算法应用于智能机器人，实现机器人识别物品及寻找最短路径的能力。　　本文主要从以下几个方面展开：　　(1)对国内外机场行李处理系统，机器人调度问题的发展历程及相关优化算法文献总结整理，尤其是近来年机器人调度的优化方法研究，为本文考虑的调度问题建立数学模型，选择合适的优化算法提供指导。　　(2)分析机场使用转运机器人实现行李分拣的作业流程，考虑机器人调度过程中的电量限制，建立以最小化总加权延时为优化目标的混合整数规划模型，采用小算例分析机器人调度问题的求解过程。引入变邻域搜索算法，设计初始解生成方式，解码及四类邻域结构，求解数学模型。　　(3)采用固定优化算法框架求解大规模的优化问题，设计了启发式算法生成初始可行解。基于固定优化算法的框架，根据行李到达时间顺序不变的特性，选择一段连续的行李序列作为自由变量，以此分解子问题并求解。通过实验结果对比Gurobi数学优化器，VNS的计算结果，证明固定优化算法能够较快的求解问题并获得质量较高的解。据此，分析不同设备数配置对行李分拣效率的影响。　　(4)研究机器人的自动识别与路径规划，构建图像识别与路径优化相结合的实验框架，采用卷积神经网络算法实现机器人对特定物品的识别，并优化识别率，且利用动态规划算法优化机器人的运行路径。通过Vector机器人实验测试表明，所搭建的实验平台能够有效实现机器人全自动识别对象与路径规划，有望应用于机场行李分拣中。

目录

声明

第1 章 绪论

1.1研究背景

1.2 研究目的与意义

1.3 国内外研究现状

1.3.1 机场自动化发展需求分析

1.3.2 机场行李处理系统研究现状

1.3.3 机器人调度问题研究现状

1.3.4 路径规划问题研究现状

1.3.5国内外研究现状总结

1.4 论文内容概述

1.4.1 研究目标及内容

1.4.2 论文结构及技术路线

第2 章机场行李转运机器人路径规划与调度分析

2.1 行李分拣系统作业分析

2.1.1 行李处理系统作业流程

2.1.2 行李分拣模式分析

2.2 机器人调度优化问题分析

2.2.1机器人介绍

2.2.2 机器人调度问题

2.2.3 机器人在机场分拣行李流程

2.3 路径规划问题分析

2.3.1 路径规划问题

2.3.2 路径规划应用

2.3.3 路径规划未来发展

2.4 本章小结

第3 章机场行李转运机器人调度优化研究

3.1 引言

3.2行李分拣中心机器人调度作业流程分析

3.3问题概述及模型

3.3.1 问题描述

3.3.2 数学模型

3.3.3 算例分析

3.4 变邻域搜索算法

3.4.1 算法介绍

3.4.2 编码、解码及初始解生成

3.4.3 局部邻域结构

3.4.4 VNS 算法流程

3.5数值算例分析

3.5.1 算例设计

3.5.2 实验结果分析

3.6本章小结

第4 章基于固定优化算法的转运机器人调度模型求解

4.1 引言

4.2 固定优化算法设计

4.2.1 固定优化算法介绍

4.2.2 初始解生成

4.2.3 子问题定义

4.2.4 子问题分解规则

4.3 固定优化算法流程

4.4 参数调试

4.5 数值计算分析

4.5.1 实验结果分析

4.5.2设备数量配置分析

4.6 本章小结

第5 章 基于Vector 机器人的路径规划研究

5.1 引言

5.2 问题介绍

5.2.1 问题概述

5.2.2 vector 机器人简介

5.2.3 Keras 数据库简介

5.3 图像识别功能实现

5.3.1 卷积神经网络算法基本原理

5.3.2 数据集样本的生成

5.3.3 卷积神经网络训练框架

5.3.4 图像识别实现流程

5.3.5 实验测试

5.4 动态规划算法实现

5.4.1 动态规划算法介绍

5.4.2 动态规划算法框架

5.5 Vector 机器人路径规划实验

5.5.1 路径规划流程

5.5.2 实验数据设置

5.5.3 实验结果

5.6 本章小结

结论与展望

致 谢

参考文献

攻读硕士期间作者的科研成果