5分钟带你走进AGV的智能未来

2020年3月17日公司新闻 10680

随着政府“十三五”规划，“中国制造2025”的提出，以科技引导实体经济的转型，发展智能制造成了中国工业新时代的主题。

智能化转型是主题

每一次的科技创新都会带来一次工业的革命。随着高科技技术的大力发展及应用，给人们的工作和生活带来了巨大改变，其中最显著的是工业技术提高所带来的工业模式改变。

以前人们所熟悉的工厂作业模式都是以大量人工为主，机器为辅的形式，因为国内工业技术刚刚起步，各种技术都在摸索实验，无法有效的应用在实际生产中，这样不仅生产效率低，产品品质低，出错率高，作业人员的安全性也堪忧。

而随着科技的提高，工业模式的不断升级，如今“工业4.0”已实现了模式转型，迎来了自动化，个性化，系统化的新模式，实现了机器自动化生产，作业管理网络化，输入产量需求即可自动准确完成的人性化，渐已形成了以机器为主，人工监察的自动化生产结构，大大的提高了生产效率及质量，也给人创造了安全的作业环境。

AGV助力智能制造

并且随着国内人口红利优势消失，国内制造业工资待遇和福利保障成本的增加以及市场竞争的加剧，越来越多的家电企业面临招工难的困境。而这不可不面对的现实，让国内许多家电企业都加大了技术投入和技术创新力度，并向着生产工艺装备的少人化、智能化方向发展。

最典型的科技应用当为国内各主要家电生产厂商在家电生产仓储物流中应用了各种类型的AGV技术。

AGV小车是指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，工业应用中不需驾驶员的搬运车，以可充电的蓄电池为其动力来源。一般常用于车间物料搬运，或一些制造业狭小环境高效率运输，可以搭载机械臂或传送装置，完成自动上下料对接，物料搬运等。

AGV的应用将工人从无效的繁琐事件中解脱出来，极大的提高了工作效率，并且AGV可以自动充电，完全实现24小时全天侯工作，这是人工完全无法代替的。根据实际应用统计计算，据场地使用率不同，产线使用AGV小车平均可节省2.6个人工，以一个人工成本4千元/月来算，一年就能节约人工成本12万5左右，而且还提高了生产效率和质量，减少出错率。

而AGV所依靠的核心技术是哪些呢？

这里做一个简单的概括

导引及定位技术：

作为AGV技术研究的核心部分，导引及定位技术的优劣将直接关系着AGV的性能稳定性、自动化程度及应用实用性，表1为AGV的常见导引及定位技术。

路径规划和任务调度技术：

1.行驶路径规划。行驶路径规划是指解决AGV从出发点到目标点的路径问题，即“如何去”的问题。现阶段国内外已经有大量的人工智能算法被应用于AGV行驶路径规划中，如蚁群算法、遗传算法、图论法、虚拟力法、神经网络和A*算法等。

2.作业任务调度。作业任务调度是指根据当前作业的请求对任务进行处理，包括对基于一定规则的任务进行排序并安排合适的AGV处理任务等。需要综合考虑各个AGV的任务执行次数、电能供应时间、工作与空闲时间等多个因素，以达到资源的合理应用和最优分配。

3.多机协调工作。多机协调工作是指如何有效利用多个AGV共同完成某一复杂任务，并解决过程中可能出现的系统冲突、资源竞争和死锁等一系列问题。现在常用的多机协调方法包括分布式协调控制法、道路交通规则控制法、基于多智能体理论控制法和基于Petri网理论的多机器人控制法。

运动控制技术：

不同的车轮机构和布局有着不同的转向和控制方式，现阶段AGV的转向驱动方式包括如下两种：两轮差速驱动转向方式，即将两独立驱动轮同轴平行地固定于车体中部，其它的自由万向轮其支撑作用，控制器通过调节两驱动轮的转速和转向，可以实现任意转弯半径的转向；操舵轮控制转向方式，即通过控制操舵轮的偏航角实现转弯，其存在最小转弯半径的限制。

控制系统通过安装在驱动轴上的编码器反馈来组成一个闭环系统，目前基于两轮差速驱动的AGV路径跟踪方法主要有：PID控制法、最优预测控制法、专家系统控制法、神经网络控制法和模糊控制法。

信息融合技术：

信息融合是指利用多源信息的关联组合，充分识别、分析、估计和调度数据，完成下达决策和精确处理信息的任务，并对周围环境、战况等进行适度的估计。目前，在导引领域研究和应用的信息融合技术主要有Kalman滤波、贝叶斯估计法与D-S证据推理等，其中以Kalman滤波最广。

Kalman滤波具有良好的实时性，但它是建立在严格的数学模型的基础上，当导引模型存在较大建模误差或者系统特性发生变化时往往会导致滤波发散。为提高滤波算法的鲁棒性和自适应能力，可针对AGV的导引要求与特点，研究适当的自适应Kalman滤波算法、鲁棒滤波算法或智能滤波（如模糊推理、神经网络、专家系统）方法等。AGV是针强心剂

中国的工业4.0正在迎来新一轮发展大潮，“互联网＋制造业”的结合是亮点，机器人、大数据等信息化技术的引进将促使传统制造业的生产方式发生高效的变革。