自动导引搬运车设计及其路径规划研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 本课题的研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状及水平 | 第9-12页 |
| 1.2.1 AGV国内外现状分析 | 第9-10页 |
| 1.2.2 AGV路径规划的国内外现状及其发展 | 第10-12页 |
| 1.3 论文主要内容及结构安排 | 第12-14页 |
| 1.3.1 论文主要内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 2 自动导引搬运车系统架构方案与分析 | 第14-23页 |
| 2.1 自动导引搬运车系统 | 第14-20页 |
| 2.1.1 基本构成 | 第14-16页 |
| 2.1.2 硬件系统 | 第16-20页 |
| 2.1.3 软件系统 | 第20页 |
| 2.2 自动物流搬运系统方案 | 第20-22页 |
| 2.2.1 系统功能 | 第20-21页 |
| 2.2.2 系统方案 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 自动导引搬运车路径规划分析 | 第23-29页 |
| 3.1 路径规划问题概述 | 第23-25页 |
| 3.1.1 路径规划的定义 | 第23-24页 |
| 3.1.2 路径规划的分类 | 第24-25页 |
| 3.2 路径规划设计思路 | 第25页 |
| 3.3 路径规划方法 | 第25-27页 |
| 3.3.1 传统路径规划算法 | 第25-26页 |
| 3.3.2 智能路径规划算法 | 第26-27页 |
| 3.3.3 各算法的优缺点比较 | 第27页 |
| 3.4 本文所提出的路径规划算法 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于人工免疫蚁群算法的PAGV路径规划研究 | 第29-47页 |
| 4.1 人工免疫算法 | 第29-32页 |
| 4.1.1 人工免疫算法概述 | 第29-30页 |
| 4.1.2 人工免疫算法的原理 | 第30-31页 |
| 4.1.3 算法特点 | 第31页 |
| 4.1.4 算法步骤 | 第31-32页 |
| 4.2 蚁群算法 | 第32-37页 |
| 4.2.1 基本蚁群算法原理 | 第33-34页 |
| 4.2.2 蚁群算法的特点 | 第34页 |
| 4.2.3 蚁群算法步骤 | 第34-36页 |
| 4.2.4 蚁群算法参数分析 | 第36-37页 |
| 4.3 人工免疫算法和蚁群算法相结合 | 第37页 |
| 4.4 基于AIACO算法的PAGV路径规划实现 | 第37-41页 |
| 4.4.1 PAGV路径优化问题描述 | 第37页 |
| 4.4.2 环境建模 | 第37-38页 |
| 4.4.3 算法具体实现流程 | 第38-41页 |
| 4.5 算法仿真验证 | 第41-45页 |
| 4.6 本章小结 | 第45-47页 |
| 5 自动导引搬运车系统的软硬件设计与开发 | 第47-62页 |
| 5.1 自动化物流仓储模拟系统的搭建 | 第47-48页 |
| 5.2 自动导引搬运车系统硬件设计 | 第48-53页 |
| 5.2.1 微控制器模块 | 第48-49页 |
| 5.2.2 功能模块 | 第49-53页 |
| 5.3 自动导引搬运车系统软件设计 | 第53-59页 |
| 5.3.1 下位机软件设计 | 第54-56页 |
| 5.3.2 无线通信软件设计 | 第56-57页 |
| 5.3.3 上位机软件设计 | 第57-59页 |
| 5.4 联机调试 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
