本发明公开了一种多AGV调度的优化方法，用于解决多台AGV执行配送任务存在路径冲突、路径规划容易陷入局部最优、路径优化不够理想等问题，它包括为每台AGV配置路径起点和路径终点，根据每台AGV的路径起点和路径终点规划得到每台AGV的初始路径，其中初始路径包括若干初始路径节点；通过遗传方法对初始路径进行优化得到最优路径，其中，最优路径包括若干最优路径节点；通过时间窗方法计算得到最优路径的时间窗，判断不同AGV的最优路径之间是否存在冲突，若是则采用设置等待时间或更换最优路径的方式规避冲突。
📄 2023104723070
📂 G05D1_43
👤 浙江大学台州研究院
📅 2023-04-27
本发明公开了一种地面自适应轮式移动机器人路径跟随控制方法，涉及路径跟随技术领域。该地面自适应轮式移动机器人路径跟随控制方法，包括以下步骤：获取质心位置；获取最短距离值；获取稳定性评估指标。本发明通过实时监测预设移动区域内的移动机器人的转动轮在预设时间段内的移动速度和旋转速度以获取质心位置，然后实时获取移动机器人在移动过程中的最短距离值并判断移动机器人是否执行穿越障碍物区域，最后获取移动机器人执行穿越障碍物区域过程中的最大允许速度以获取稳定性评估指标，达到了提高移动机器人路径跟随控制时效性的效果，解决了现有技术中存在移动机器人路径跟随控制中接收障碍物信息不及时的问题。
📄 2024113998344
📂 G05D1_43
👤 龙岩学院
📅 2024-10-09
本发明涉及基于Lyapunov稳定性与反步法的地面自适应移动机器人控制方法，具体步骤包括：建立包含移动坐标系和固定参考坐标系的移动机器人运动模型，并构建移动机器人的误差预测参数；根据误差预测参数设计包含饱和函数的Lyapunov函数V1(x)，推导计算移动机器人的期望控制率ωd，引入辅助控制输入v，根据辅助控制输入v计算移动机器人的转向速率误差eω，根据误差预测参数设计包含饱和函数的Lyapunov函数V2(x1)；结合移动机器人的期望控制率ωd，根据反步法推导计算得到辅助控制输入v，最后根据辅助控制输入v计算得到移动机器人的实时转向速度指令ωc。
📄 2025107582020
📂 G05D1_43
👤 龙岩学院
📅 2025-06-09
基于动态零点与MLP预测的独轮车压弯转向控制方法及系统，包括S1、设置动态零点更新周期；S2、实时采集独轮车的8个姿态参数；S3、计算基础动态零点；S4、计算横滚误差；S5、将8个姿态参数、基础动态零点和横滚误差，均输入MLP，得到动态零点补偿量；S6、将动态零点补偿量加权后与基础动态零点求和，得到动态零点；S7、转向控制：当行进速度处于高速范围时，独轮车进入高速压弯模式，最终动态零点等于S6的动态零点；当行进速度处于低速范围时，独轮车进入低速安全转向模式，将S6的动态零点缩小形成最终动态零点。本发明能使最终动态零点的稳态误差控制在0.5°～1.0°以内；同时，动态零点输出延迟不大于10 ms。
📄 2026105082250
📂 G05D1_43
👤 南京信息工程大学
📅 2026-04-17
本发明公开了一种面向复杂动态场景的医用护理机器人实时动态路径规划方法及系统，方法包括：S1、载入一张地图，并对其进行二值化处理；S2、对自由空间Xfree中拟合的多边形进行地图凸多边形重构；S3、当机器人起点被确定后，利用改进的实时探索式搜索树路径规划方法，对地图进行路径搜索；S4、在终点确定以后，机器人以某一速度沿着路径朝终点走去，并使探索式搜索树搜索的树根节点随着机器人移动；S5、针对机器人行进过程中目标点改变的情况，从树的根节点进行重布线；S6、针对机器人行进过程中出现障碍物的情况，首先需要阻塞探索式搜索树中被障碍物占据的节点，以此来避免机器人碰撞障碍物。
📄 2023104444301
📂 G05D1_43
👤 浙江工业大学
📅 2023-04-24
一种基于改进A‑Star算法的智能仓储多AGV调度方法，包括以下步骤：S1.基于智能仓储的工作环境，使用栅格法进行环境建模；S2.构建评价函数并改进A‑Star算法；S3.设计改进的A‑Star算法进行模型求解，得到最优调度结果。本发明公开的基于改进A‑Star算法的智能仓储多AGV调度方法，引入了拐角优化和动态衡量优化，在A*算法的代价函数g(n)中考虑了转弯代价，保证了在不增加路程的基础上尽量减少AGV的转弯次数，以此降低AGV任务运行的时间和减少AGV的耗能，提高了AGV的运行效率；并且在A*算法的启发函数h(n)中引入启发函数权重因子α进行动态调节，使算法的搜索精度和时间得到平衡。
📄 2022110060747
📂 G05D1_43
👤 浙江工业大学
📅 2022-08-22
本发明公开了一种基于改进混沌粒子群的综合体空间内路径规划方法，首先提出了一种平均化的Logstic混沌映射方式，利用这种混沌序列进行分段初始化形成综合体空间内待移动体初始路径，其次提出了一种基于初始路径的自适应适应度值计算方法，最后提出了一种基于当前综合体空间内待移动体获得的最优路径和粒子最大速度变化的学习因子和最大速度更新策略以及精英保留策略，克服了现有基于粒子群算法的路径规划方法收敛速度慢，收敛精度不高的缺点，提高了空间切换效率。最后对本发明所提的方法进行了仿真实验以及对比实验，证实了本发明的优越性。本发明主要用于综合体空间内移动智能体的自动路径规划。
📄 2021111302749
📂 G05D1_43
👤 浙江工业大学
📅 2021-09-26
一种基于时空自适应双向蚁群算法的移动机器人路径规划方法，利用栅格法对移动机器人运动环境进行建模；设置初始参数，蚂蚁分别从起点和终点进行路径搜索，迭代完成后输出最优路径。在该方法中，通过设置特定初始信息素浓度，利用方向因子改进转移概率，根据迭代次数的时间信息动态调整信息素挥发因子和信息素更新策略以及根据迭代过程中的路径空间信息动态调整信息素增强系数，有效地改善了算法收敛速度和路径搜索效率。
📄 2021116114873
📂 G05D1_43
👤 浙江工业大学
📅 2021-12-27
基于模糊反演滑模的麦克纳姆轮移动机器人轨迹跟踪控制方法，包括如下步骤：(A)针对实际麦克纳姆轮移动机器人，根据运动学和动力学机理建立多入多出模型；(B)根据期望的控制性能设计反演滑模面和等效控制律；(C)基于步骤(B)设定的滑模面和等效控制律，设计系统状态到达控制律；(D)基于步骤(B)、(C)设计的反演滑模控制律，设计模糊函数以替代符号函数，得到最终控制律，使抖振得以抑制。本发明针对非线性多入多出的麦克纳姆轮全向移动机器人控制问题给出了保证轨迹跟踪性能的模糊反演滑模控制律的设计方法，具有较高的控制精度及较强的鲁棒性和抗干扰性。
📄 2021112828342
📂 G05D1_43
👤 浙江工业大学
📅 2021-11-01
一种基于改进粒子群算法的箱式仓储机器人路径规划方法，属于路径优化技术领域。它包括以下步骤：S1、对箱式仓储机器人运动模式进行数学建模；S2、构建以最小拣货时间为目标的优化函数；S3、配置仿真实验环境；S4、运用改进粒子群算法针对仿真实验环境，对箱式仓储机器人进行拣选作业路径优化。本发明能够准确描述箱式仓储机器人在拣选作业中的运动状态以及拣选作业时间；能够在货箱到人拣选系统下相较于标准粒子群算法能够以更高的概率找到全局最优解，且收敛迭代次数优于标准粒子群算法。
📄 2022116461708
📂 G05D1_43
👤 浙江工业大学
📅 2022-12-21
本发明公开基于障碍物分布的自适应无人车编队重构方法和装置，其方法包括：先预设队形中一辆无人车为领导无人车进行宽度检测算法，可以根据环境自适应选择最优的队形，减低编队与障碍物的碰撞风险；再基于期望队形对所有无人车进行任务分配，缩短队形变换的总距离并根据预设编队重新选择领导无人车；然后基于一致性设计模型预测控制器使得多无人车可以快速变换到期望队形；最后，当无人车与障碍物之间的距离小于阈值，无人车将优先执行基于势场的局部避障算法保证无人车的安全。本发明根据周围障碍物自适应的选择最合适的队形，可以大大较少编队导航过程中的碰撞几率。
📄 2024114852763
📂 G05D1_43
👤 浙江工业大学
📅 2024-10-23
基于双流信息瓶颈的深度强化学习行动者‑评价者网络结构及对四轮独立转向独立驱动车辆的路径跟踪控制方法，包括：在Critic网络中，在Q值估计之前加入已知信息瓶颈模块，从中提取已知类信息，并设计训练目标以最小化时间差分误差、最小化互信息、并约束参数范数；在Actor网络中，在策略生成模块之前加入未知信息瓶颈模块，从中提取未知类信息，并设计训练目标以最大化期望累积奖励、最大化互信息、最小化条件熵；在训练过程中，将样本中的状态和动作输入Critic网络和互信息估计器网络，得到Q值估计和互信息估计，并通过最小化目标函数更新Critic网络参数；通过策略梯度定理和重要性采样来更新Actor网络参数，以最大化目标函数；同时，独立训练互信息估计器网络，通过采样和优化实现对互信息的最大化估计；为了实现动态调节，设置权重调度器，根据当前训练轮数和平均回报，动态调整Actor和Critic目标函数中的系数，并使用线性衰减策略进行调节。
📄 2024114316041
📂 G05D1_43
👤 浙江工业大学
📅 2024-10-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台