面向智能制造的AGV路径规划与自主协同控制

本书包含面向智能制造的AGV需求而开展的路 径规划与自主协同控制两大主题内容。首先分析了 智能制造的发展现状与发展趋势，并由此引出了面 向新一代智能制造的AGV物料运输需求；其次介绍 了两大主题的关键基础技术——同时定位与建图（ SLAM）技术；然后重点论述了常见智能优化算法（ 包括GA、GWO算法、FA、Q－Learning算法）和多 AGV协同控制；最后给出了应用AGV进行物料运输的 智能制造系统案例。本书适合从事人工智能、智能 制造的科研人员和工程技术人员及管理人员阅读， 也适合相关专业的高年级本科生和研究生阅读或作 为辅助教材使用。

第1章 绪论 1.1 智能制造的发展现状与发展趋势 1.1.1 智能制造的发展现状 1.1.2 智能制造的发展趋势 1.2 面向新一代智能制造的AGV物料运输需求 1.3 路径规划问题与多AGV协同调度的研究现状 1.3.1 路径规划问题的研究现状 1.3.2 多AGV协同调度的研究现状 1.4 本书的内容安排 本章参考文献 第2章 SLAM技术 2.1 SLAM的研究背景 2.2 视觉/激光SLAM的关键技术及应用 2.2.1 SLAM系统架构的组成 2.2.2 前端里程计 2.2.3 后端优化与回环检测 2.2.4 SLAM系统模拟仿真 2.3 真实环境中视觉SLAM技术面临的挑战 2.3.1 弱纹理环境中点线特征融合的SLAM系统 2.3.2 动态环境中的视觉SLAM系统 2.3.3 基于CNN的视觉里程计 2.3.4 基于CNN的回环检测 2.3.5 视觉与激光雷达融合的SLAM 本章参考文献 第3章 单AGV路径规划 3.1 地图建模方法与AGV工作空间 3.1.1 地图建模方法 3.1.2 AGV工作空间 3.2 常见智能优化算法的概述 3.2.1 GA 3.2.2 GWO算法 3.2.3 FA 3.2.4 Q-Learning算法 3.3 单目标静态路径规划 3.3.1 基于改进GA实现 3.3.2 基于改进GWO算法实现 3.3.3 仿真实验结果 3.4 单目标动态路径规划 3.4.1 基于改进邻域搜索算子的GA实现 3.4.2 基于改进Q-Learning算法实现 3.5 多目标路径规划 3.5.1 IAGSAA 3.5.2 IFA 3.5.3 改进DQN算法 本章参考文献 第4章 多AGV协同控制 4.1 多AGV物料运输系统的控制方法 4.2 多AGV物料运输系统的调度原则 4.3 AGV的路径冲突现象 4.4 工厂仿真环境的构建