一种基于神经网络的AGV动态路径规划方法与流程

本发明涉及自动导引车，尤其涉及一种基于神经网络的agv动态路径规划方法。

背景技术：

1、随着工业4.0和智能制造的不断推进，自动导引车(automated guidedvehicle,agv)在仓储物流、生产制造等领域的应用越来越广泛。此外，随着智慧城市和智能交通的发展，agv在智能停车场等新兴领域也开始崭露头角。agv能够自动化地进行物料搬运和输送，以及在智能停车场中进行车辆停放和取出，大幅提高了生产效率、作业安全性和停车管理效率。然而，agv在复杂和动态环境中的自主导航仍面临诸多挑战，尤其是在路径规划和动态避障方面。

2、传统的agv路径规划方法主要依赖预设的路径和规则，这种方法在静态和已知环境中能够较好地工作，但在实际应用中，agv经常需要在动态和未知环境中运行，这种动态环境要求agv具有更高的路径规划和环境感知能力，能够实时更新路径，避开动态障碍物，确保安全高效的完成工作任务。

3、近年来，随着人工智能和深度学习技术的发展，智能化路径规划方法逐渐成为研究热点。深度神经网络(deep neural network,dnn)和强化学习(reinforcementlearning,rl)在路径规划中的应用显示出巨大的潜力。深度神经网络能够通过处理大量传感器数据，生成精确的环境模型，为路径规划提供重要的支持。强化学习算法则能够通过与环境的交互，不断优化路径规划策略，实现复杂环境中的路径优化和动态避障。

4、现有的agv路径规划方法至少存在如下技术问题：无法全面准确地感知环境，导致环境建模不够精确；难以应对复杂的动态环境变化，无法实时更新路径，导致路径规划效率低且灵活性差；难以实现复杂环境下的路径优化，路径规划的质量和效率有待提升；难以根据环境变化进行动态调整，导致路径规划的鲁棒性和灵活性不足。

技术实现思路

1、本发明提供一种基于神经网络的agv动态路径规划方法，以解决无法全面准确地感知环境，导致环境建模不够精确；难以应对复杂的动态环境变化，无法实时更新路径，导致路径规划效率低且灵活性差；难以实现复杂环境下的路径优化，路径规划的质量和效率有待提升；难以根据环境变化进行动态调整，导致路径规划的鲁棒性和灵活性不足的技术问题。

2、本发明的一种基于神经网络的agv动态路径规划方法，具体包括以下技术方案：

3、一种基于神经网络的agv动态路径规划方法，包括以下步骤：

4、s1、实时采集环境数据，并对环境数据进行预处理；通过自适应深度神经网络进行环境感知和路径预测；所述环境感知，通过改进的卷积神经网络生成环境模型；所述路径预测，通过自适应深度神经网络生成初始路径；

5、s2、基于初始路径进行路径优化和动态障碍物避障，得到各层次的路径优化结果；综合各层次的路径优化结果，形成最终路径。

6、优选的，所述s1，具体包括：

7、实时采集的环境数据包括激光雷达数据、摄像头数据和超声波数据；对环境数据进行预处理，生成输入数据集；改进的卷积神经网络的输入层接收输入数据集，通过多层卷积层进行特征提取，生成环境特征图；通过自适应池化层对环境特征图进行降维处理；再通过自适应全连接层生成环境模型。

8、优选的，所述s1，具体包括：

9、将环境模型的输出输入自适应深度神经网络，自适应深度神经网络结合循环神经网络和图神经网络进行路径预测；通过循环神经网络捕捉时序信息，通过图神经网络对时序信息进行图结构处理，生成初始路径。

10、优选的，所述s2，具体包括：

11、基于生成的初始路径，采用多层次自适应强化学习算法进行路径优化和动态障碍物避障。

12、优选的，所述s2，具体包括：

13、在多层次自适应强化学习算法的实现过程中，基于评分函数对初始路径进行评分，得到初始路径的评分结果；基于初始路径的评分结果进行路径优化决策。

14、优选的，所述s2，具体包括：

15、多层次自适应强化学习算法的每个层次都有独立的状态空间、动作空间、奖励函数和状态转移函数。

16、优选的，所述s2，具体包括：

17、基于初始路径的评分结果和状态-动作值函数构建路径优化的策略函数。

18、优选的，所述s2，具体包括：

19、对于多层次自适应强化学习算法中的任一层次，通过路径优化的策略函数进行路径调整，得到路径优化结果。

20、本发明的技术方案的有益效果是：

21、1、采集包括激光雷达数据、摄像头数据和超声波数据的环境数据，对环境数据进行预处理，形成输入数据集，利用改进的卷积神经网络对输入数据集进行特征提取，生成高精度的环境模型；通过激光雷达传感器提供的三维点云数据和摄像头捕捉的视觉图像数据，以及超声波传感器获取的距离和障碍物位置等信息，使得agv能够全面感知环境，提高了环境感知的精度和可靠性。

22、2、自适应深度神经网络结合循环神经网络和图神经网络，能够捕捉时序信息和图结构信息，进行复杂环境下的路径预测；通过循环神经网络和图神经网络，使得路径预测更加准确和鲁棒，能够应对多种复杂环境变化。

23、3、采用多层次自适应强化学习算法，通过多层次的学习和调整，实现复杂环境中的路径优化；每个层次都基于环境数据进行路径调整，确保路径规划的多样性和灵活性；通过评分函数指导多层次自适应强化学习算法的路径优化决策，提高了路径规划的效率和质量。

1.一种基于神经网络的agv动态路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s1，具体包括：

3.根据权利要求2所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s1，具体包括：

4.根据权利要求1所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s2，具体包括：

5.根据权利要求4所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s2，具体包括：

6.根据权利要求4所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s2，具体包括：

7.根据权利要求5所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s2，具体包括：

8.根据权利要求7所述的基于神经网络的agv动态路径规划方法，其特征在于，所述s2，具体包括：