欢迎来到天天文库
浏览记录
ID:37037216
大小:3.08 MB
页数:61页
时间:2019-05-15
《基于机器学习的AGV货物分拣系统研究与设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号TM13学校代码10495UDC621.38密级公开硕士学位论文基于机器学习的AGV货物分拣系统研究与设计作者姓名:颜欢学号:1515053006指导教师:李宇副教授学科门类:工学专业:电子科学与技术研究方向:嵌入式控制及人工智能完成日期:二零一八年五月WuhanTextileUniversityM.E.DissertationResearchanddesignofAGVcargosortingsystembasedonmachinelearningCandidate:YanHuanSupervisor:Prof.LiYuTime:May2018原创性声明本人郑重声明:所呈交的学位论文
2、,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律结果由本人承担。学位论文作者签名:签字日期:2018年5月29日学位论文版权使用授权书本学位论文作者完全了解武汉纺织大学有关保留、使用学位论文的规定。特授权武汉纺织大学可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作
3、者签名:导师签名:签字日期:2018年5月29日签字日期:2018年5月29日武汉纺织大学硕士学位论文摘要在现代物流仓库的管理过程中,货物的分拣及装卸是仓库管理中必须要进行的作业动作。传统叉车作为当前货物分拣及装卸的常用设备,存在柔性不高、智能化程度低、耗费人力且工作效率不高。由于现代仓库对货物的智能化管理需求越来越高,这些问题的重要性日渐凸显,所以本文研究一种基于机器学习的AGV货物分拣系统。本文的主要研究工作包括:(1)基于机器学习的AGV分拣系统的框架设计。系统在复杂路径环境下具备边检测、边学习和边优化的性能,具有较强的鲁棒性;并且在文章中设计了基于机器学习的AGV分拣系统的硬件总体框
4、架与软件总体框架,并详细地加以介绍。(2)AGV分拣系统的硬件设计。论文的第二章提出了AGV分拣系统的硬件框架,也对框架内划分的子系统进行分析。文章在总体硬件框架分析的基础上,详细介绍了控制器硬件设计、控制器外围电路设计、AGV货物识别硬件设计、AGV定位硬件设计、AGV路径导航、避障硬件设计。(3)AGV分拣系统的软件设计。首先设计AGV分拣系统软件的整体流程图。然后在软件总体流程图的基础之上,详细分析了数据采集、无线通讯、AGV货物识别与定位的软件设计。最后重点介绍了基于机器学习的路径规划算法,以及采用部分感知马氏决策模型求解最佳规划路径。基于机器学习的AGV分拣系统可通过多传感器检测数
5、据融合与机器学习分析算法配合。能够在减少人工干预的情况下,实现自动完成货物分拣功能。从而提高仓库的智能化管理,降低人力成本。关键词:机器学习,AGV分拣系统,货物识别,路径规划,避障研究类型:应用研究型I武汉纺织大学硕士学位论文AbstractIntheprocessofmodernlogisticswarehousemanagementsystem,thesortingandassemblyofthegoodsintheindispensibleprocedure.Forkliftiscommonlyusedequipmentforthegoodssortingandassembly.Wi
6、ththedeficiencyofinflexibilityandlowintelligence,labor-consuming.Withtherapiddevelopmentofartificialintelligence,modernwarehouseshaveincreasinglyhighdemandfortheintelligentmanagementofgoods.Therefore,thispaperstudiesakindofAGVcargosortingsystembasedonmachinelearning.Themaincontentsofthispaperinclud
7、ethefollowingpoints:(1)TheblockdiagramofAGVsortingsystembasedonmachinelearning.Inthecomplexpathenvironment,ithasthedetection,learning,optimizationperformance,andifhasstrongrobustness.Inaddition,theAGVsortin
此文档下载收益归作者所有