| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 智能搬运AGV国内外研究状况 | 第13-16页 |
| 1.2.1 国外研究状况 | 第13-14页 |
| 1.2.2 国内研究状况 | 第14-16页 |
| 1.3 本课题研究的主要内容 | 第16-18页 |
| 第2章 搬运机器人总体架构设计与环境建模 | 第18-32页 |
| 2.1 AGV总体设计方案 | 第18-20页 |
| 2.2 AGV关键技术研究 | 第20-25页 |
| 2.2.1 AGV硬件设计 | 第20-23页 |
| 2.2.2 导航技术选择 | 第23-24页 |
| 2.2.3 二维码导航设计 | 第24-25页 |
| 2.3 仓库系统环境建模 | 第25-30页 |
| 2.3.1 电子地图的设计 | 第25-26页 |
| 2.3.2 地图建模实现步骤 | 第26-29页 |
| 2.3.3 分区化仓库管理 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 AGV多路径规划算法研究 | 第32-52页 |
| 3.1 经典的最短路径算法 | 第32-34页 |
| 3.1.1 Dijkstra算法 | 第32页 |
| 3.1.2 遗传算法 | 第32-33页 |
| 3.1.3 蚁群算法 | 第33-34页 |
| 3.2 AGV多路径规划算法研究 | 第34-45页 |
| 3.2.1 基于Dijkstra算法的AGV路径规划 | 第35-38页 |
| 3.2.2 基于遗传算法的AGV路径规划 | 第38-42页 |
| 3.2.3 基于蚁群算法的AGV路径规划 | 第42-45页 |
| 3.3 多算法融合自适应路径规划算法 | 第45-50页 |
| 3.3.1 自适应算法设计 | 第46页 |
| 3.3.2 自适应算法仿真实验 | 第46-49页 |
| 3.3.3 自适应算法扩展 | 第49-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 AGV多路径规划算法应用 | 第52-62页 |
| 4.1 二维码导航应用 | 第52-53页 |
| 4.2 AGV紧急避障处理 | 第53-54页 |
| 4.3 AGV运行周期和状态信息 | 第54-55页 |
| 4.4 路径规划死锁模型 | 第55-56页 |
| 4.5 死锁问题解决 | 第56-59页 |
| 4.5.1 死锁预防 | 第57页 |
| 4.5.2 死锁避免 | 第57-58页 |
| 4.5.3 死锁检测 | 第58-59页 |
| 4.5.4 死锁解除 | 第59页 |
| 4.6 多AGV路径规划策略 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第5章 上位机通讯与实验 | 第62-78页 |
| 5.1 多线程通信格式与内容 | 第62-65页 |
| 5.1.1 modbus编码与数据传输 | 第62-65页 |
| 5.2 导航调度平台设计与开发 | 第65-70页 |
| 5.2.1 系统功能模块 | 第65-69页 |
| 5.2.2 导航调度系统数据库的设计 | 第69-70页 |
| 5.3 实验测试与结果分析 | 第70-77页 |
| 5.3.1 OpenTCS实验平台 | 第70-71页 |
| 5.3.2 实验环境 | 第71-72页 |
| 5.3.3 实验参数设定 | 第72-74页 |
| 5.3.4 实验结果分析 | 第74-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78页 |
| 6.2 工作展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士期间已发表的论文 | 第84-86页 |
| 致谢 | 第86页 |