呂玉江 孟召軍 楊偉 陳燕燕 韓召 謝明苛 王延忠

摘要：隨著智能制造和航空產(chǎn)品的發(fā)展，傳統(tǒng)的航空產(chǎn)品制造技術(shù)已經(jīng)不能滿足航空產(chǎn)品日益發(fā)展的需求，隨著智能制造技術(shù)的出現(xiàn)及發(fā)展，以智能物流為基礎(chǔ)的智能制造車間逐漸得到了廣泛應(yīng)用。在智能制造車間物流中，自動引導(dǎo)小車（AGV）得到了廣泛應(yīng)用。本文在對AGV關(guān)鍵性技術(shù)研究進(jìn)行綜述的基礎(chǔ)上，總結(jié)了AGV在物料配送車間的工作流程，闡述了AGV在車間智能控制系統(tǒng)中的應(yīng)用，提出了將AGV應(yīng)用于航空制造車間智能物流的方法，并指出了AGV在航空制造車間的應(yīng)用前景及其發(fā)展方向，對AGV的應(yīng)用及發(fā)展具有一定的借鑒和參考意義。

關(guān)鍵詞：智能制造；車間物流；路徑規(guī)劃；AGV；航空制造

中圖分類號：V264.2文獻(xiàn)標(biāo)識碼：ADOI：10.19452/j.issn1007-5453.2021.07.001

自動引導(dǎo)小車（AGV）是指能夠按照規(guī)劃的路徑行駛的，具有移動、負(fù)載等功能的地面機(jī)器人。AGV有自動化程度高、靈活性強(qiáng)、安全性高等特點(diǎn)。在制造車間中，AGV可以與各類生產(chǎn)線、裝配線、輸送線站臺、貨架、作業(yè)點(diǎn)有機(jī)結(jié)合在一起，最大限度地縮短物料周轉(zhuǎn)周期，提高生產(chǎn)系統(tǒng)的工作效率。由于其突出優(yōu)勢，AGV被廣泛應(yīng)用于制造車間物料配送中，解決制造車間存在的物料轉(zhuǎn)運(yùn)效率低、智能化程度不高等問題。

隨著“智能制造”和航空產(chǎn)品的發(fā)展，航空制造車間由于物料種類多、數(shù)量大，并且配送效率低的因素，現(xiàn)有的制造技術(shù)已經(jīng)不能滿足航空產(chǎn)品發(fā)展的需求。因此，將以智能物流為基礎(chǔ)的智能制造引入航空制造車間，對推動航空產(chǎn)品的發(fā)展具有重要意義。而AGV作為智能物流中最關(guān)鍵的角色，對其關(guān)鍵性技術(shù)進(jìn)行研究，并將其應(yīng)用于航空制造車間，對航空制造車間的發(fā)展有一定推動作用。

1航空制造車間存在的問題

航空作為軍事力量的重要組成部分，對于國家和人民至關(guān)重要，經(jīng)過幾十年的發(fā)展，我國在航空領(lǐng)域已經(jīng)取得了卓越成就。然而，制造技術(shù)的落后限制了航空產(chǎn)品的制造和進(jìn)一步發(fā)展。隨著智能制造的發(fā)展，智能制造在航空產(chǎn)品制造中的應(yīng)用，受到了許多學(xué)者的關(guān)注[1]。

航空產(chǎn)品的制造過程主要為：零部件制造、定位、組件連接、機(jī)構(gòu)裝配及總體裝配，最重要的裝配過程是在裝配線上進(jìn)行的，雖然現(xiàn)有的固定工位式裝配線、脈動式移動裝配線、移動裝配線可以在一定程度上提高裝配效率，但是由于涉及的物料種類繁多、數(shù)量龐大，現(xiàn)有物流效率仍然不能滿足進(jìn)一步發(fā)展的民用航空制造需求，難以保證制造任務(wù)按計劃完成，并且存在以下問題[2]。

（1）工位物料積壓

航空產(chǎn)品由于裝配要求高，作業(yè)周期較長，工作量大，各工位上一般會存放幾個工作日的成品及所需物料，待一個工作周期結(jié)束后統(tǒng)一配送，因而，物料會停滯在存儲區(qū)，造成生產(chǎn)線的物料堆積。

（2）生產(chǎn)線物料短缺

由于航空航天制造車間的物料配送由人工及可操縱的移動設(shè)備完成，人為的操作具有隨機(jī)性，會導(dǎo)致生產(chǎn)線上的物料存儲空間不足，出現(xiàn)配送擁堵，使得緊需物料無法及時進(jìn)入存儲區(qū)，導(dǎo)致物料短缺。

（3）配送靈活性差

航空產(chǎn)品的物料配送以“點(diǎn)對點(diǎn)”的方式實(shí)現(xiàn)，當(dāng)出現(xiàn)物料缺少時，需要經(jīng)過多次報備配送，物料才能到達(dá)工位，人為的參與就使得物料配送具有隨機(jī)性和繁雜性，容易造成配送出錯，影響裝配效率。

針對航空產(chǎn)品的生產(chǎn)裝配線存在的上述問題，航空產(chǎn)品制造車間企業(yè)需要車間進(jìn)行自動化和智能化轉(zhuǎn)型升級，并在此基礎(chǔ)上研究車間智能物流配送技術(shù)，實(shí)現(xiàn)物料及時配送和高效生產(chǎn)。智能物流作為智能制造的重要環(huán)節(jié)，可以實(shí)現(xiàn)環(huán)境感知、決策判斷和路徑規(guī)劃等功能，因此，將智能物流應(yīng)用于以智能車間為載體的智能制造中，研究復(fù)雜環(huán)境的車間智能物流配送技術(shù)，能夠最大程度地提升航空產(chǎn)品制造車間管理的準(zhǔn)確性，根據(jù)指令互聯(lián)互通協(xié)同作業(yè)，高效地完成搬運(yùn)與輸送任務(wù)。

AGV是一種能夠在已知或未知地圖中，根據(jù)上位機(jī)給定的路徑信息和指令，完成物料運(yùn)輸任務(wù)的智能裝備。在生產(chǎn)車間，AGV由于其靈活、智能化、柔性化等特點(diǎn)，成為車間物流中的重要組成部分，并得到廣泛應(yīng)用[3]。相對于傳統(tǒng)的物流方式，采用AGV進(jìn)行物料配送，在保證同等運(yùn)輸能力的條件下，可至少節(jié)約80%以上的勞動力，因此，通過在航空產(chǎn)品制造車間引入以AGV為主體的智能物流對物料的轉(zhuǎn)運(yùn)過程進(jìn)行優(yōu)化，可以提高物料的配送效率，降低生產(chǎn)成本，推動航空制造車間的進(jìn)步，助力航空裝備的發(fā)展。

在針對AGV的研究中，關(guān)鍵性的技術(shù)包括路徑規(guī)劃和任務(wù)調(diào)度兩方面。本文在對AGV在路徑規(guī)劃和調(diào)度兩方面進(jìn)行綜述的基礎(chǔ)上，對AGV的研究現(xiàn)狀進(jìn)行總結(jié)，并對其在航空產(chǎn)品制造車間的應(yīng)用進(jìn)行展望。制造車間常見的AGV如圖1所示。

2 AGV路徑規(guī)劃

AGV路徑規(guī)劃的目的是為AGV提供最優(yōu)的行走路徑，根據(jù)AGV所處的環(huán)境的不同可以分為已知環(huán)境下的全局路徑規(guī)劃和未知環(huán)境下的局部路徑規(guī)劃。根據(jù)此種分類方法，國內(nèi)外學(xué)者對AGV路徑規(guī)劃的研究可分為全局路徑規(guī)劃算法和局部避障路徑規(guī)劃算法。

2.1全局路徑規(guī)劃

在全局路徑規(guī)劃算法方面，研究方法主要包括圖論法、動態(tài)路徑規(guī)劃算法、狀態(tài)空間法和智能算法等，本文主要對圖論法和狀態(tài)空間法進(jìn)行介紹。

（1）圖論法

將圖論法應(yīng)用在機(jī)器人路徑規(guī)劃中是一種新的數(shù)學(xué)方法，對求解機(jī)器人路徑具有重要價值，圖論法中，最常用的是Dijkstra算法，該方法的基本思想是從起點(diǎn)出發(fā)，逐步地向外探尋最短路。Dijkstra算法是一種貪心算法，通過一個數(shù)組記錄起點(diǎn)到各個頂點(diǎn)的最短距離和已經(jīng)確定最短路徑的頂點(diǎn)集合，在路徑規(guī)劃開始時，將起點(diǎn)的路徑權(quán)重設(shè)為0，對于起點(diǎn)能直接到達(dá)的點(diǎn)將其路徑權(quán)重（長度）記錄下來，對于不能直接到達(dá)的頂點(diǎn)，將路徑長度設(shè)為極大。初始的頂點(diǎn)集合只有起點(diǎn)。然后，對周圍頂點(diǎn)選擇路徑長度最短的一點(diǎn)，并將該點(diǎn)加入到集合中，然后確定新加入的頂點(diǎn)是否可以到達(dá)其他頂點(diǎn)，并對比該頂點(diǎn)到其他點(diǎn)的距離是否比起點(diǎn)到其他點(diǎn)的距離更短，如果是，就將其路徑長度記錄下來，并在記錄下來的路徑長度中選距離最小的頂點(diǎn)，將這一頂點(diǎn)設(shè)置為新的起點(diǎn)，重復(fù)以上操作，就可以求出最短路徑[4-5]。Dijkstra由于采用貪心搜索策略，所以一定可以求解出最短路徑，但是由于其搜索的點(diǎn)太多，在障礙物數(shù)量大的場合中，求解效率太低，為解決這一問題，趙東雄[6]通過將搜索區(qū)域限定在一定的長方形中來減少算法搜索的點(diǎn)，對提高路徑規(guī)劃效率有啟發(fā)性的意義。

在圖論法中，D*算法也是一種常見算法，該算法是Stentz[7]在1994和1995年兩篇文章中提出的，由于D*算法是一種啟發(fā)式的路徑搜索算法，適合應(yīng)用在未知環(huán)境或者動態(tài)變化場景中，因此適合于機(jī)器人探路場合，最早用于火星探測，如美國“索杰納”火星車，通過利用該算法，完成了在火星復(fù)雜地形下的路徑規(guī)劃[8]。

（2）狀態(tài)空間法

狀態(tài)空間法是以狀態(tài)和操作符為基礎(chǔ)的問題表示和求解法，可以用來解決復(fù)雜環(huán)境中的路徑規(guī)劃問題[9]。利用這一方法的路徑規(guī)劃算法主要有全局擇優(yōu)搜索、A*算法、Tabu搜索法、模擬退火算法和爬山算法。

目前在路徑規(guī)劃中采用的最廣泛的算法是A*算法，該算法是一種采用啟發(fā)函數(shù)的優(yōu)先級搜索算法，通過搜索、遍歷節(jié)點(diǎn)，計算路徑來求解最短路徑，啟發(fā)函數(shù)的作用是判斷在遍歷節(jié)點(diǎn)時先遍歷哪些節(jié)點(diǎn)可以使路徑最短，以提高搜索節(jié)點(diǎn)的效率。

A*算法是P.E.Hart，N.J.Nilsson和B.Raphael在1968年提出的，在靜態(tài)環(huán)境中，A*算法能夠針對兩點(diǎn)之間的最優(yōu)距離進(jìn)行計算，但是在柵格化的地圖中進(jìn)行移動機(jī)器人路徑規(guī)劃時，由于復(fù)雜環(huán)境約束的存在，A*算法規(guī)劃出的路徑可能并不是最優(yōu)，為了解決這一問題，王利敏[10]將A*算法引入到月球車路徑規(guī)劃中，證明A*算法在靜態(tài)完全已知地圖中能以極快的速度找到最短路徑，并對A*算法進(jìn)行了優(yōu)化。創(chuàng)造性地將A*算法和B樣條函數(shù)相結(jié)合，使得AGV可以在復(fù)雜地圖中快速地搜索出最短路徑。孫煒等[11]提出了一種改進(jìn)的A*算法，采用柵格方法建立環(huán)境模型并針對A*算法規(guī)劃的路徑冗余點(diǎn)較多以及路徑長度和轉(zhuǎn)折角度較大的缺陷，將規(guī)劃出的路徑分割成較小步長，得到新的路徑節(jié)點(diǎn)，最后，從起點(diǎn)開始依次用直線連接終點(diǎn)。結(jié)果表明，該算法能在復(fù)雜環(huán)境中，有效地減小路徑長度和轉(zhuǎn)折角度。王洪斌等[12]提出了一種改進(jìn)的A*算法與動態(tài)窗口法相結(jié)合的混合算法，利用目標(biāo)成本函數(shù)對所有目標(biāo)進(jìn)行優(yōu)先級判定，進(jìn)而利用改進(jìn)的A*算法規(guī)劃一條經(jīng)過多個目標(biāo)點(diǎn)的最優(yōu)路徑，同時采用自適應(yīng)圓弧優(yōu)化算法與加權(quán)障礙物步長調(diào)節(jié)算法。此外，提出將改進(jìn)動態(tài)窗口算法與全局路徑規(guī)劃信息相結(jié)合的在線路徑規(guī)劃法，采用預(yù)瞄偏差角追蹤法成功捕捉移動目標(biāo)點(diǎn)，提升了路徑規(guī)劃效率，仿真實(shí)驗表明該方法能夠在復(fù)雜動態(tài)環(huán)境中更有效地實(shí)現(xiàn)路徑規(guī)劃。

2.2局部避障路徑規(guī)劃

在局部避障路徑規(guī)劃方面，研究應(yīng)用較多的包括人工勢場法和構(gòu)建局部地圖避障。本部分主要對兩種研究方法進(jìn)行介紹。

2.2.1人工勢場法

人工勢場法認(rèn)為在環(huán)境中的機(jī)器人運(yùn)動，是在引力和斥力和合力下引起的，其中引力是由目標(biāo)點(diǎn)產(chǎn)生的，斥力是由障礙物產(chǎn)生的，通過控制引力和斥力，可以實(shí)現(xiàn)對機(jī)器人運(yùn)動的控制的位置的計算。

1986年，Khatib[13]首先將人工勢場算法引入到了機(jī)器人避障路徑規(guī)劃領(lǐng)域，人工勢場路徑規(guī)劃技術(shù)由于原理簡單，便于控制，在機(jī)器人的實(shí)時避障方面得到了廣泛研究，但人工勢場路徑規(guī)劃方法通常存在局部極小點(diǎn)，引力和斥力場設(shè)計時存在人為不確定因素，限制了人工勢場法的應(yīng)用，為了解決這些問題，朱毅等[14]設(shè)計了一種基于行為的局部極小點(diǎn)的解決方法，通過設(shè)計多種合理的轉(zhuǎn)換條件，提高了機(jī)器人的決策能力，使機(jī)器人能根據(jù)場景采取合適行為，避免出現(xiàn)局部極小點(diǎn)。于振中等[15]引入了填平勢場，并規(guī)定該勢場只有當(dāng)機(jī)器人處于局部極小點(diǎn)時才啟用，用以解決局部極小點(diǎn)的缺陷。

盡管已經(jīng)有不少針對人工勢場法的改進(jìn)方法，但到目前為止，動態(tài)環(huán)境中引力場與斥力場的設(shè)計、局部極小問題仍未得到完全解決，另外，由于人工勢場法的原理，使其在在障礙物較多時，路徑規(guī)劃的計算量會很大，以上這些問題的存在，使得人工勢場路徑規(guī)劃方法的應(yīng)用受到了限制。

2.2.2構(gòu)建局部地圖避障

要構(gòu)建地圖進(jìn)行避障，首先要進(jìn)行的就是構(gòu)建環(huán)境地圖，在構(gòu)建環(huán)境地圖方面，常用的有兩種方式，即基于機(jī)器視覺的地圖構(gòu)建和基于SLAM的地圖構(gòu)建。

（1）機(jī)器視覺

機(jī)器視覺可以看作是從圖像中抽取、描述和解釋信息，最終用于實(shí)際檢測、測量和控制，其核心內(nèi)容是圖像的處理和識別。在對圖像進(jìn)行識別前，需要通過預(yù)處理對圖像進(jìn)行特征提取和增強(qiáng)，改善圖像質(zhì)量，便于計算機(jī)對圖像進(jìn)行分析處理?；跈C(jī)器視覺的路徑規(guī)劃系統(tǒng)，首先通過視覺和圖像處理的方式采集環(huán)境信息并進(jìn)行處理和存儲，然后，在運(yùn)行過程中，對采集到的圖像進(jìn)行分析，采集AGV在行駛中的信息，最后完成AGV的局部路徑規(guī)劃。

國內(nèi)高校中，吉林大學(xué)智能車輛課題組最先開始從事基于視覺導(dǎo)航方式AGV研究，采用射頻識別（radio frequency identification，RFI）技術(shù)[16]，先后開發(fā)了JUTW-1、JUTIV-2型視覺導(dǎo)航車，并開發(fā)出面向工廠實(shí)際應(yīng)用的JUTIV-3通用型和裝配型視覺導(dǎo)航AGV[17]。范瑩莉[18]在采用單目攝像機(jī)機(jī)器視覺的AGV上，研究了基于圖像序列的動態(tài)路徑識別算法，對路徑上的標(biāo)識符和障礙物分別進(jìn)行識別，實(shí)現(xiàn)了局部避障的功能。哈爾濱工業(yè)大學(xué)張明明[19]應(yīng)用低成本視覺傳感器，研究一種工廠三維環(huán)境的實(shí)時重建算法，并利用算法重建的三維環(huán)境地圖，實(shí)現(xiàn)了光伏清洗機(jī)器人的路徑規(guī)劃。姚偉等[20]為滿足AGV運(yùn)動對于AGV視覺導(dǎo)航系統(tǒng)實(shí)時性和精確性的要求，設(shè)計了基于April Tag視覺基準(zhǔn)的視覺定位系統(tǒng)，完成了對AGV工作場景標(biāo)簽信息的快速采集、標(biāo)簽識別及位置獲取的圖像處理算法設(shè)計以及基于多核通信的軟件系統(tǒng)設(shè)計，試驗研究表明，該系統(tǒng)可滿足AGV運(yùn)動對避障系統(tǒng)的實(shí)時性、精確性要求。

（2）SLAM

同步定位與建圖（simultaneous localization and mapping， SLAM）是指機(jī)器人在未知環(huán)境中移動時，一邊移動，一邊根據(jù)自身攜帶的傳感器在對自身進(jìn)行定位，同時利用外部傳感器對采集的環(huán)境信息進(jìn)行分析，構(gòu)件環(huán)境地圖。國內(nèi)外高校、公司在SLAM建圖避障方面進(jìn)行了大量的研究，如Google公司研發(fā)的全自動駕駛汽車，搭載雷達(dá)、激光測距系統(tǒng)、視覺相機(jī)、GPS、輪轂傳感器等設(shè)備，可以實(shí)時更新地圖，引導(dǎo)汽車準(zhǔn)確到達(dá)目的地，其原理圖如圖2所示。

美國Omron Adept公司推出了的一款自主導(dǎo)航的移動機(jī)器人平臺Adept Lynx，該平臺利用自身導(dǎo)航軟件進(jìn)行定位，并且無須安裝磁條導(dǎo)軌、色帶、信號反射器等外界輔助工具，可以根據(jù)自身傳感器，結(jié)合現(xiàn)場環(huán)境自主探測周圍環(huán)境，完成路徑規(guī)劃和避障[21]，如圖3所示。

D. V. Lu等學(xué)者研究了環(huán)境中行人的存在對路徑規(guī)劃的影響，將行人對路徑規(guī)劃的影響等效為高斯參數(shù)，則將行人對路徑規(guī)劃的影響轉(zhuǎn)化為高斯參數(shù)對路徑規(guī)劃算法中各參數(shù)的影響，圖4展示了在同一環(huán)境中，不同高斯參數(shù)對路徑規(guī)劃的影響[22]。

浙江大學(xué)奚婉對電力巡檢機(jī)器人的導(dǎo)航系統(tǒng)進(jìn)行了研究，搭建了軟件系統(tǒng)，可以實(shí)現(xiàn)環(huán)境地圖顯示、路徑規(guī)劃、定位導(dǎo)航控制等功能，不僅可以創(chuàng)建全局地圖，還可以求解最短路徑，規(guī)劃最優(yōu)導(dǎo)航路線[23]。

哈爾濱工業(yè)大學(xué)的王超研究了一種室內(nèi)機(jī)器人的導(dǎo)航算法，通過激光和視覺傳感器進(jìn)行環(huán)境和地圖構(gòu)建，如圖5所示，最后通過試驗對機(jī)器人的室內(nèi)環(huán)境定位、動態(tài)環(huán)境導(dǎo)航算法進(jìn)行了驗證[24]。

深圳樂行天下科技有限公司研發(fā)了一種用于機(jī)器人及其他設(shè)備的自主導(dǎo)航模塊Navi Pack，可以對周圍環(huán)境進(jìn)行持續(xù)掃描，避開障礙物，選擇安全路徑，實(shí)現(xiàn)精確導(dǎo)航，如圖6所示。

通過對國內(nèi)外學(xué)者在車間物流AGV路徑規(guī)劃的研究總結(jié)后發(fā)現(xiàn)，AGV的物料配送路徑規(guī)劃是AGV在車間物流配送系統(tǒng)的基礎(chǔ)，路徑的基本流程為：上層系統(tǒng)生成配送任務(wù)信息，系統(tǒng)下發(fā)任務(wù)至待命點(diǎn)的AGV，AGV接收上層系統(tǒng)發(fā)送的物料配送信息后開始執(zhí)行任務(wù)。當(dāng)在路徑中遇到?jīng)_突障礙時，進(jìn)行判斷，沖突解決后前往下一目標(biāo)，直到到達(dá)任務(wù)目標(biāo)點(diǎn)；若障礙無法避開，則重新生成配送任務(wù)信息；到達(dá)任務(wù)地點(diǎn)后卸下物料，判斷是否需要充電，需要充電則進(jìn)行充電，否則回到待命點(diǎn)。其工作流程圖如圖7所示。

3 AGV調(diào)度

對于應(yīng)用在車間中的AGV，已有的研究大多是針對單個AGV進(jìn)行的[25-26]。然而，智能制造車間中會有大量的物料及物料配送任務(wù)，因此，單個AGV無法完成這些任務(wù)，通常需要多個AGV協(xié)同作業(yè)，智能制造車間中通常會利用AGV車群來完成運(yùn)輸任務(wù)。因此，近年來多個AGV的調(diào)度逐漸進(jìn)入研究者們的視野，研究者們的研究主要集中在多AGV任務(wù)規(guī)劃和多AGV任務(wù)調(diào)度兩方面。多AGV任務(wù)規(guī)劃的目的是完成多個AGV的路徑規(guī)劃，解決多個AGV之間的路徑?jīng)_突問題。多AGV的任務(wù)調(diào)度的目的則是完成任務(wù)分配，給多個AGV分配運(yùn)送任務(wù)，并確定起點(diǎn)和終點(diǎn)。

3.1 AGV任務(wù)規(guī)劃

在對多AGV任務(wù)規(guī)劃的研究方面，大多數(shù)研究的目標(biāo)集中在解決AGV規(guī)劃完成的任務(wù)之間的沖突和避讓問題，目前已有的研究中，主要通過集中式和分布式兩種方法來解決這一問題[27]。在集中式方法中，Peasgood[28]，Clark[29]等使用帶有特定拓?fù)涞膱D來搜索路線圖的最小生成樹，Wang等[30]則將智能制造車間限制為網(wǎng)格世界，問題即轉(zhuǎn)化為在網(wǎng)格世界中尋找不沖突的路徑。集中式方法在多路徑規(guī)劃中具有完整性，這一理想特性在多AGV任務(wù)規(guī)劃中非常難得，但這種方法對系統(tǒng)的計算能力有很高的要求[31]。為了提高路徑規(guī)劃效率，企業(yè)中一般采用計算效率較為理想的方式（分布式方法）來進(jìn)行路徑規(guī)劃。例如，Ma等[32]使用了一種分布的多代理運(yùn)動規(guī)劃方法，這種方法使用一種算法來查找各個AGV的路徑，但這個方法存在的最大問題就是不能處理出現(xiàn)沖突的場景。Erdmann等[33]通過提出優(yōu)先級規(guī)劃方法來解決這個問題，并且通過實(shí)踐證明了這一方法的有效性，并廣泛應(yīng)用于多機(jī)器人的運(yùn)動規(guī)劃。但Dewangan等[34]指出，在實(shí)際應(yīng)用中，由于環(huán)境的復(fù)雜性，優(yōu)該算法可能使AGV發(fā)生路徑?jīng)_突現(xiàn)象，為避免這種現(xiàn)象，Cap等[35]提出了一種改進(jìn)的優(yōu)先級規(guī)劃方法，可應(yīng)用在系統(tǒng)結(jié)構(gòu)環(huán)境較好的工廠中。

對多AGV任務(wù)規(guī)劃的研究除了解決AGV之間的避讓問題外，還需要為每一個AGV從起始點(diǎn)到終點(diǎn)找到一條最優(yōu)路徑。目前國內(nèi)外大多數(shù)研究者采用智能化程度更高、更復(fù)雜的算法來求解最優(yōu)路徑[36]。例如，Mousavi[37]采用了遺傳算法求解AGV的最優(yōu)路徑；王輝等[38]采用了蟻群算法求解最優(yōu)路徑；智能算法具有較好的魯棒性和隨機(jī)搜索機(jī)制，但隨著AGV數(shù)量以及配送任務(wù)的增加，傳統(tǒng)智能算法已經(jīng)不能解決遇到的問題，目前，更多的研究都集中在算法的改進(jìn)策略上。例如，Zhang等[39]提出了一種改進(jìn)的人工魚群算法，并將其應(yīng)用于機(jī)器人路徑規(guī)劃；Han等[40]研究了一種改進(jìn)的多AGV路徑規(guī)劃遺傳算法并進(jìn)行了試驗，結(jié)果表明，改進(jìn)后的遺傳算法縮短了AGV的行駛距離；針對移動機(jī)器人的路徑規(guī)劃，Li等[41]將路徑規(guī)劃問題轉(zhuǎn)化為多目標(biāo)優(yōu)化問題，開發(fā)了一種新的自適應(yīng)粒子群算法來提高路徑搜索能力，并通過試驗驗證了算法的可行性和有效性。

綜上所述，現(xiàn)有的研究在進(jìn)行多AGV任務(wù)規(guī)劃時，主要解決AGV之間的避讓和多條AGV路徑的規(guī)劃這兩個問題。研究者們通過集中式和分布式的方法解決AGV動態(tài)規(guī)劃（AGV之間的避讓）問題，其中分布式方法應(yīng)用較為廣泛，更加適用于航空制造車間的物料配送；同時，通過智能算法來解決多AGV路徑規(guī)劃（求解最優(yōu)路徑）問題，且多數(shù)研究者通過改進(jìn)傳統(tǒng)智能算法來提升算法的效率。

3.2 AGV任務(wù)調(diào)度

在實(shí)際應(yīng)用中，AGV的任務(wù)規(guī)劃只能解決從起始點(diǎn)到目標(biāo)點(diǎn)的移動問題，AGV的任務(wù)調(diào)度技術(shù)則為每個AGV分配起始點(diǎn)和終點(diǎn)。AGV的任務(wù)調(diào)度要考慮到配送的成本和所需的時間，調(diào)度方案的優(yōu)良與否，決定著制造車間的物料配送效率，對制造車間任務(wù)的完成時間具有決定性作用，因此，近年來許多學(xué)者在進(jìn)行AGV任務(wù)調(diào)度的研究。

目前，國內(nèi)外學(xué)者在AGV的任務(wù)調(diào)度領(lǐng)域已取得一定進(jìn)展：李巖等[42]采用遺傳算法同時調(diào)度機(jī)器和AGV，使AGV調(diào)度成為柔性制造系統(tǒng)集成調(diào)度的一部分，提出了一種新的群體控制策略并通過實(shí)例進(jìn)行了驗證。孫志峻等[43]提出了一種將遺傳算法和分派規(guī)則相結(jié)合的調(diào)度算法。雷定猷等[44]提出了一種混合遺傳算法。劉旭等[45]提出了一種改進(jìn)的遺傳算法進(jìn)行AGV的任務(wù)分配和配送路徑優(yōu)化。近年來，對AGV的任務(wù)調(diào)度問題的研究領(lǐng)域主要集中在制造車間、裝配車間和集裝箱碼頭，大部分研究將任務(wù)完成時間最短設(shè)為優(yōu)化目標(biāo)，將模型理想化，并且局限于有軌AGV的任務(wù)配送系統(tǒng)，只是單純解決了生產(chǎn)設(shè)備和AGV之間的調(diào)度問題[46]。

綜上所述，現(xiàn)有的研究中，任務(wù)調(diào)度模型都是假設(shè)AGV按照固定的路線到達(dá)各個位置，但是這并不適用在制造車間環(huán)境中。在制造車間中，對于沒有固定軌道的AGV，在避讓障礙物時，行駛路線并不是固定的，并且，實(shí)際運(yùn)行時，AGV并不能作為理想模型來考慮，AGV的電量、負(fù)載、充電時間等，都應(yīng)該作為變量考慮進(jìn)參考模型中。因此，在現(xiàn)有的研究中，對于AGV調(diào)度的理論研究與實(shí)際應(yīng)用還存在一定差距，需要進(jìn)一步完善。

根據(jù)對多AGV調(diào)度的國內(nèi)外現(xiàn)有的研究現(xiàn)狀可以看出，大多數(shù)學(xué)者是對AGV任務(wù)調(diào)度和任務(wù)規(guī)劃分別進(jìn)行研究，對兩者的集成研究較少，這是由于兩個問題本身都是難以解決的復(fù)雜問題，集成計算會使得問題解決的難度更大[47]，但是在實(shí)際的制造車間中，這兩者是分不開的。為了解決這一問題，Xidias等[48-50]在集成調(diào)度和路徑規(guī)劃方面做了一些相關(guān)的研究，將工廠地圖等效成樣條曲面[51]，路徑規(guī)劃問題則轉(zhuǎn)化為在地圖上尋找滿足約束條件的樣條曲線的控制點(diǎn)，AGV的路徑則等效為通過控制點(diǎn)來生成的樣條曲線。在算法上，Xidias等將遺傳算法的編碼分為整數(shù)編碼部分和浮點(diǎn)數(shù)編碼部分，整數(shù)編碼部分表示任務(wù)分配的站點(diǎn)，浮點(diǎn)數(shù)編碼部分則是路徑的控制點(diǎn)。通過這種方式將任務(wù)規(guī)劃和任務(wù)調(diào)度有效的集成在一起，通過一個算法同時求解出AGV的路線和AGV的調(diào)度方案。

隨著當(dāng)前智能制造的發(fā)展，多AGV路徑規(guī)劃問題也逐漸變得復(fù)雜化，需要考慮的因素日趨多樣化和隨機(jī)化[52]，當(dāng)下，關(guān)于多AGV的理論研究多數(shù)從實(shí)際出發(fā)，并且逐漸得到了較成熟的應(yīng)用并逐步完善，當(dāng)然，在面對以智能制造為基礎(chǔ)的“智能工廠”的趨勢下，這些理論還有待進(jìn)一步優(yōu)化和提高。

4應(yīng)用展望

航空制造車間由于涉及的物料種類繁多、數(shù)量龐大，在推進(jìn)“智能制造”的過程中，車間配送系統(tǒng)由于其系統(tǒng)的復(fù)雜性，任務(wù)調(diào)度存在及時性、計算的復(fù)雜性和多約束性、隨機(jī)性、離散不確定性，會使得車間出現(xiàn)物料轉(zhuǎn)運(yùn)和配送存在效率低、配送時間長、工作量大、成本高等缺點(diǎn)。近年來，由于AGV具有可靠性好、運(yùn)輸效率高、全自動運(yùn)行、對物料適應(yīng)性好、人力成本低、與其他信息化系統(tǒng)接口方便等優(yōu)勢，基于AGV的智能調(diào)度控制系統(tǒng)逐漸在航空制造車間和與航空制造車間存在類似問題的裝配車間中得到應(yīng)用。

在基于AGV的裝配車間智能調(diào)度系統(tǒng)搭建方面，楊耀勇等[53]在總裝車間搭建了全自動化的物料配送系統(tǒng)，包括上位控制系統(tǒng)及AGV自身的控制系統(tǒng)，該系統(tǒng)可以實(shí)現(xiàn)對物料的精準(zhǔn)配送，實(shí)現(xiàn)效率、質(zhì)量、成本的最優(yōu)化。周鵬飛等[54]在總裝車間搭建了AGV智能控制系統(tǒng)，使得總裝車間的物料可以實(shí)現(xiàn)柔性化供應(yīng)，降低了生產(chǎn)成本，從而提高了生產(chǎn)效率。

在基于AGV的智能物流系統(tǒng)生產(chǎn)調(diào)度與路徑規(guī)劃方面，孫曉順[55]提出了基于MAS的多AGV任務(wù)調(diào)度方法和改進(jìn)A*算法，并將上述方法集成應(yīng)用到大型生產(chǎn)車間的AGV調(diào)度系統(tǒng)的開發(fā)中，大大提升了車間物流的自動化水平，從而提高了生產(chǎn)效率。李獅偉[56]結(jié)合生產(chǎn)過程中的工藝，對多種路徑規(guī)劃方法和調(diào)度方法進(jìn)行了對比分析，提出了一種AGV動態(tài)調(diào)度與路徑規(guī)劃的方法。郭亞銘[57]開發(fā)了一種AGV路徑規(guī)劃的系統(tǒng)，該系統(tǒng)可以對柔性制造車間的AGV進(jìn)行路徑規(guī)劃、監(jiān)控和管理，并且可以將系統(tǒng)在運(yùn)行中出現(xiàn)的故障及時解決。張輝等[58]針對飛機(jī)柔性裝配生產(chǎn)線需求，搭建了一個以兩臺AGV運(yùn)輸車為基礎(chǔ)的運(yùn)輸系統(tǒng)并得到了現(xiàn)場應(yīng)用的驗證。蔣倩等[59]在全三維飛機(jī)裝配虛擬環(huán)境中，完成了AGV在飛機(jī)裝配作業(yè)中的路徑規(guī)劃，并消除了AGV在路徑中的碰撞干涉，對基于IGPS導(dǎo)航的AGV路徑規(guī)劃有一定的參考意義。

綜上所述，由于航空制造車間、裝配車間、物流車間所面臨的物料配送問題與普通大型產(chǎn)品的制造、裝配、物流車間存在極高的相似性，許多學(xué)者在逐漸完善的AGV關(guān)鍵性技術(shù)研究的基礎(chǔ)上，將AGV逐漸應(yīng)用于航空制造車間，并得到了實(shí)踐的證明，但是現(xiàn)有的技術(shù)仍然不夠成熟，在航空制造車間的應(yīng)用仍處于起步階段，因此，通過對已有的AGV關(guān)鍵性技術(shù)研究進(jìn)行總結(jié)、分析后，將這些技術(shù)進(jìn)一步完善并應(yīng)用于航空制造車間中，推動AGV關(guān)鍵性技術(shù)在航空制造車間的應(yīng)用，具體實(shí)現(xiàn)框圖如圖8所示。

基于AGV的航空制造車間的智能物流系統(tǒng)采用分布式系統(tǒng)，主要解決的是在物料配送中存在的信息共享、任務(wù)分配以及沖突解除等問題[60]。系統(tǒng)分為上層控制系統(tǒng)及下層檢測系統(tǒng)，上下層系統(tǒng)之間進(jìn)行AGV的行駛距離、起點(diǎn)、終點(diǎn)等關(guān)鍵信息的交換；上層控制系統(tǒng)負(fù)責(zé)給執(zhí)行任務(wù)的AGV發(fā)送信息，主要完成包括配送任務(wù)信息獲取、多AGV初始路徑規(guī)劃、檢測多條路徑之間的沖突以及解決出現(xiàn)的路徑?jīng)_突4項任務(wù)；下層檢測系統(tǒng)負(fù)責(zé)實(shí)現(xiàn)AGV的避障，主要包括局部自主避障及通過與上層的信息交換實(shí)現(xiàn)的通信信息避障。

5結(jié)束語

AGV作為自動化的搬運(yùn)設(shè)備，應(yīng)用在中車間中可以大量減少人工勞動，提升車間的工作效率，在很多傳統(tǒng)行業(yè)里，難以實(shí)現(xiàn)的任務(wù)，它都能高效快捷的完成。

由于航空制造車間需要大量的勞動力資源，將基于AGV的智能物流系統(tǒng)全面引進(jìn)航空制造車間中，可以實(shí)現(xiàn)自動取存物料，準(zhǔn)時配送物料，提升物料配送效率，解決傳統(tǒng)航空制造車間存在的問題，助力航空裝備的發(fā)展。

本文通過對AGV全局路徑規(guī)劃、局部避障路徑規(guī)劃、AGV任務(wù)規(guī)劃、調(diào)度的研究進(jìn)行研究、總結(jié)的基礎(chǔ)上，提出了將AGV應(yīng)用于航空制造車間的實(shí)現(xiàn)途徑。由于航空制造車間的特殊性，未來應(yīng)用在航空制造車間的AGV將具備以下三個特點(diǎn)：（1）應(yīng)用在航空制造車間的AGV需要具備高精度的特點(diǎn)；（2）應(yīng)用在航空制造車間的AGV需要具備高可靠性的特點(diǎn)；（3）應(yīng)用在航空制造車間的AGV具備信息化和智能控制化的特點(diǎn)。

航空產(chǎn)品制造裝配環(huán)節(jié)需要大量的勞動力資源，在未來，航空制造車間將全面引進(jìn)配備AGV，實(shí)現(xiàn)車間自動化作業(yè)，自動取存貨物，大大縮短物料配送時間，從而降低航空產(chǎn)品的制造成本。

參考文獻(xiàn)

[1]魏佳新.大數(shù)據(jù)技術(shù)在飛機(jī)制造中的應(yīng)用[J].科技風(fēng)， 2018（1）：130. Wei Jiaxin. Application of big data technology in aircraft manufacturing[J]. Technology Wind， 2018（1）：130. （in Chinese）

[2]沈夢超.飛機(jī)總裝生產(chǎn)線物料精準(zhǔn)配送技術(shù)研究[D].成都：西南交通大學(xué)， 2019.Shen Mengchao. Research on material precise distribution technology in aircraft final assembly line [D]. Chengdu： Southwest Jiaotong University， 2019. （in Chinese）

[3]孫大涌.先進(jìn)制造技術(shù)[M].北京：機(jī)械工業(yè)出版社， 2000. SunDayong. Advancedmanufacturingtechnology[M]. Beijing： China Machine Press， 2000. （in Chinese）

[4]張書勤.組態(tài)式FMS中央管理系統(tǒng)的開發(fā)研究[D].長春：吉林工業(yè)大學(xué)， 2000. Zhang Shuqin. Development and research of configuration fms central management system [D]. Changchun： Jilin University of Technology， 2000.（in Chinese）

[5]蔣長浩.圖論及網(wǎng)絡(luò)流[M].北京：中國林業(yè)出版社，2001. Jiang Changhao. Graph theory and network flow theory[M]. Beijing：China Forestry Publishing House， 2001.（in Chinese）

[6]趙東雄.多自動導(dǎo)引小車系統(tǒng)（AGVS）路徑規(guī)劃研究[D].武漢：湖北工業(yè)大學(xué)， 2014. Zhao Dongxiong. The research on path planning for multiautomatic guided vehicle system[D]. Wuhan： Hubei University of Technology， 2014.（in Chinese）

[7]Stentz A . Optimal and efficient path planning for partiallyknown environments[C]// Robotics and Automation，1994. Proceedings. 1994 IEEE International Conference on. IEEE，1994.

[8]湯天驕.基于DSTAR和神經(jīng)網(wǎng)絡(luò)的未知環(huán)境移動機(jī)器人路徑規(guī)劃方法[D].哈爾濱：哈爾濱工業(yè)大學(xué)， 2010. Tang Tianjiao. Path planning based on DSTAR and artifacial neural network for mobile robots in unknown environment[D]. Harbin： Harbin Institute of Technology， 2010.（in Chinese）

[9]王永慶.人工智能原理與方法[M].西安：西安交通大學(xué)出版社， 1996. Wang Yongqing. Principles and methods of artificial intelligence[M]. Xian：Xian Jiaotong University Press， 1996. （in Chinese）

[10]王利敏.基于A*算法和B樣條函數(shù)的月球車路徑規(guī)劃研究[D].長春：吉林大學(xué)， 2016. Wang Limin. Path planning of lunar rover based on A star algorithm and B spline function [D]. Changchun： Jilin University， 2016.（in Chinese）

[11]孫煒，呂云峰，唐宏偉，等.基于一種改進(jìn)A*算法的移動機(jī)器人路徑規(guī)劃[J].湖南大學(xué)學(xué)報（自然科學(xué)版），2017，44（4）：94-101. Sun Wei， Lv Yunfeng， Tang Hongwei， et al. Mobile robots path planning based on an improved A* algorithm [J]. Journal of Hunan University （Natural Science）， 2017， 44（4）： 94-101. （in Chinese）

[12]王洪斌，尹鵬衡，鄭維，等.基于改進(jìn)的A*算法與動態(tài)窗口法的移動機(jī)器人路徑規(guī)劃[J].機(jī)器人，2020，42（3）：346-353. Wang Hongbin， Yin Pengheng， Zheng Wei， et al. Mobile robot path planning based on improved A* algorithm and dynamic window method [J]. Robot， 2020，42（3）：346-353.（in Chinese）

[13]Khatib O. Real-time obstacle avoidance for manipulators and mobile robots[J]. International Journal of Robotics Research，1986，5（1）：90-98.

[14]朱毅，張濤，宋靖雁.未知環(huán)境下勢場法路徑規(guī)劃的局部極小問題研究[J].自動化學(xué)報，2010，36（8）：1122-1130. Zhu Yi， Zhang Tao， Song Jingyan. Study on the local minima problem of path planning using potential field method in unknown environments [J]. Acta Automatica Sinica， 2010， 36（8）： 1122-1130.（in Chinese）

[15]于振中，閆繼宏，趙杰，等.改進(jìn)人工勢場法的移動機(jī)器人路徑規(guī)劃[J].哈爾濱工業(yè)大學(xué)學(xué)報，2011，43（1）：50-55. Yu Zhenzhong， Yan Jihong， Zhao Jie， et al. Mobile robot path planning based on improved artificial potential field method[J]. Journal of Harbin Institute of Technology，2011，43（1）：50-55.（in Chinese）

[16]張慧岳，曾佳，劉云波.基于RFID自動識別技術(shù)在航空工業(yè)中的應(yīng)用研究[J].航空科學(xué)技術(shù)，2019，30（3）：41-48. Zhang Huiyue， Zeng Jia， Liu Yunbo. Research of automatic identification technology based on RFID in aviation industry[J]. Aeronautical Science & Technology， 2019， 30（3）： 41-48.（in Chinese）

[17]酈光府.基于RFID的AGV視覺導(dǎo)引系統(tǒng)研究[D].杭州：浙江大學(xué)，2008. Li Guangfu. Research of AGV visual navitation system based on RFID [D]. Hangzhou： Zhejiang University，2008.（in Chinese）

[18]范瑩莉.基于機(jī)器視覺的AGV動態(tài)路徑識別算法研究[D].蘭州：蘭州交通大學(xué)，2011. Fan Yingli. Study on the recognition algorithm of AGV dynamic path based on machine vision[D]. Lanzhou： Lanzhou Jiaotong University， 2011.（in Chinese）

[19]張明明.基于Kinect2的光伏清洗機(jī)器人實(shí)時環(huán)境重建與自主導(dǎo)航技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2016.Zhang Mingming. Research on simutaneous mapping and automated navigation for photovoltaic cleaning robot with Kinect2[D]. Harbin： Harbin Institute of Technology， 2016.（in Chinese）

[20]姚偉，徐駿善，汪惠芬.基于視覺導(dǎo)航AGV的視覺定位系統(tǒng)設(shè)計[J].制造業(yè)自動化，2020， 42（11）：18-22. Yao Wei， Xu Junshan， Wang Huifen. Designed of visual positioning system based on visual navigation AGV [J]. ManufacturingAutomation， 2020， 42（11）： 18-22.（in Chinese）

[21]Bloss R. Ease of programming and sophisticated sensors see robots advancing intransport logistics，palletizing，order picking and assembly[J]. Industrial Robot，2013，40（5）：420-424.

[22]Lu D V，Allan D B，Smart W D. Tuning cost functions for social navigation[M]. Social Robotics Springer International Publishing，2013.

[23]奚婉.基于激光掃描的電力巡檢機(jī)器人導(dǎo)航系統(tǒng)研制[D].杭州：浙江大學(xué)， 2017. Xi Wan. Development of navigation system for inspection robot based on laser scanning[D]. Hangzhou： Zhejiang University， 2017.（in Chinese）

[24]王超.室內(nèi)全向移動機(jī)器人系統(tǒng)設(shè)計及導(dǎo)航方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)， 2017. Wang Chao. Research on design and navigation method of an indoor wheeled mobile robot [D]. Harbin： Harbin Institute of Technology， 2017.（in Chinese）

[25]黃辰，費(fèi)繼友，劉洋，等.基于動態(tài)反饋A*蟻群算法的平滑路徑規(guī)劃方法[J].農(nóng)業(yè)機(jī)械學(xué)報， 2017， 48（4）： 34-40. Huang Chen， Fei Jiyou， Liu Yang， et al. Smooth path planning method based on dynamic feedback A* ant colony algorithm[J]. Transactions of the Chinese Society of Agricultural Machinery， 2017， 48（4）： 34-40.（in Chinese）

[26]Li G，Liu Q，Yang Y，et al. An improved differential evolution based artificial fish swarm algorithm and its application to AGV path planning problems[C]// Chinese Control Conference，2017：2556-2561.

[27]Li B，Liu H，Xiao D，et al. Centralized and optimal motion planning for large-scale AGV systems：A generic approach[Z]. Advances in Engineering Software，2017.

[28]Peasgood M，Clark C，McPhee J. A complete and scalable strategy for coordinating multiple robots within roadmaps[J]. IEEE Transactions on Robotics，2008，24（2）：282-292.

[29]Clark C M. Probabilistic road map sampling strategies for multi-robot motion planning[J]. Robotics and Autonomous Systems，2005，53（3-4）：244-264.

[30]Wang K H C，Botea A. Tractable multi-agent path planning on grid maps[J]. International Joint Conference on Artificial Intelligence IJCAI-09，2009.

[31]Draganjac I，Mikli？D，Kova？i？Z，et al. Decentralized Control of Multi-AGV Systems in Autonomous Warehousing Applications[J]. IEEE Transactions on Automation Science & Engineering，2016，13（4）：1433-1447.

[32]Ma X，Jiao Z，Wang Z，et al. Decentralized prioritized motion planning for multiple autonomous UAVs in 3D polygonal obstacleenvironments[C]//InternationalConferenceon UnmannedAircraft Systems（ICUAS），2016：292-300.

[33]Erdmann M，Lozano-Pèrez T. On multiple moving objects[J]. Algorithmica，1987（2）：1419-1424.

[34]Dewangan R K，Shukla A，Godfrey W W. Survey on prioritized multirobotpathplanning[C]//2017IEEEInternational Conference on Smart Technologies and Management for Computing，Communication，Controls，Energy and Materials（ICSTM），Chennai，2017：423-428.

[35]？áp M，Novák P，Kleiner A，et al. Prioritized planning algorithms for trajectory coordination of multiple mobile robots[J]. IEEE Transactions on Automation Science & Engineering，2015，12（3）：835-849.

[36]Pandey A. Mobile robot navigation and obstacle avoidance techniques：A review[J]. International Journal of Robotics & Automation，2017，2（3）：1-12.

[37]Mousavi M Y，Musa S N，Tahriri F，et al. Multi-objective AGV scheduling in an FMS using a hybrid of genetic algorithm and particle swarm optimization[J]. Plos One，2017，12（3）：e0169817.

[38]王輝，王景良，朱龍彪，等.基于改進(jìn)蟻群算法的泊車系統(tǒng)路徑規(guī)劃[J].控制工程， 2018， 25（2）： 253-258. Wang Hui， Wang Jingliang， Zhu Longbiao， et al. Path planning of parking system based on improved ant colony algorithm[J]. Control Engineering of China，2018， 25（2）：253-258.（in Chinese）

[39]Yi Zhang，Guolun Guan，Xingchen Pu. The robot path planning based on improved artificial fish swarm algorithm[J]. Mathematical Problems in Engineering，2016（9）：1-11.

[40]Han Z，Wang D，F(xiàn)eng L，et al. Multi-AGV path planning with double-path constraints by using an improved genetic algorithm[J]. Plos One，2017，12（7）：e0181747.

[41]Li G，Chou W. Path planning for mobile robot using selfadaptive learning particle swarm optimization[J]. Science China Information Sciences，2018，61（5）：052204.

[42]李巖，吳智銘，甘泉.柔性加工環(huán)境中機(jī)器和AGV的集成調(diào)度[J].中國機(jī)械工程， 2001， 12（4）： 447-450. Li Yan， Wu Zhiming， Gan Quan. Integrated scheduling of machines and AGVs in flexible manufacturing environment[J]. China Mechanical Engineering，2001，12（4）：447-450.（in Chinese）

[43]孫志峻，朱劍英.基于遺傳算法的多資源作業(yè)車間智能動態(tài)優(yōu)化調(diào)度[J].機(jī)械工程學(xué)報， 2002， 38（4）： 120-125. Sun Zhijun， Zhu Jianying. Genetic algorithm based for intelligentschedulingoptimizationofmulti-resource[J]. Journal of Mechanical Engineering， 2002， 38（4）： 120-125.（in Chinese）

[44]雷定猷，張?zhí)m. AGV系統(tǒng)的調(diào)度優(yōu)化模型[J].科學(xué)技術(shù)與工程， 2008， 8（1）： 66-69. Lei Dingyou， Zhang Lan. Dispatch optimization modeling of automatic guided vehicle system [J]. Science Technology and Engineering， 2008， 8（1）： 66-69.（in Chinese）

[45]劉旭，樓佩煌，錢曉明，等.基于改進(jìn)遺傳算法的物料配送多AGV調(diào)度優(yōu)化[J].機(jī)械設(shè)計與制造工程， 2015（3）： 16-21. Liu Xu， Lou Peihuang， Qian Xiaoming， et al. Scheduling of automated guided vehicles for material distribution based on improvedgeneticalgorithm[J].MachineDesignand Manufacturing Engineering， 2015（3）： 16-21.（in Chinese）

[46]Kaoud E，El-Sharief M A，El-Sebaie M G. Scheduling problems of automated guided vehicles in job shop，flow shop，and container terminals[C]// 2017 4th International ConferenceonIndustrialEngineeringandApplications（ICIEA）. IEEE，2017.

[47]Vis I F A. Survey of research in the design and control of automated guided vehicle systems[J]. European Journal of Operational Research，2006，170（3）：677-709.

[48]Xidias E K，Azariadis P N，Aspragathos N A. Path planning of holonomic and non-holonomic robots using bump-surfaces[J]. Computer-Aided Design and Applications，2008，5（1-4）：497-507.

[49]Xidias E K，Azariadis P N. Mission design for a group of autonomous guided vehicles[J]. Robotics & Autonomous Systems，2011，59（1）：34-43.

[50]Xidias E，Zacharia P，Nearchou A. Path planning and scheduling for a fleet of autonomous vehicles[J]. Robotica，2016，34（10）：2257-2273.

[51]Azariadis P N，Aspragathos N A. Obstacle representation by Bump-surfaces for optimal motion-planning[J]. Robotics & Autonomous Systems，2005，51（2）：129-150.

[52]干一宏.面向航天制造企業(yè)的車間作業(yè)調(diào)度與指導(dǎo)技術(shù)研究[D].南京：南京理工大學(xué)， 2015. Gan Yihong. Research on job shop scheduling and guidance technologyforaerospacemanufacturingenterprises[D]. Nanjing： Nanjing University of Science and Technology， 2015.（in Chinese）

[53]楊耀勇，李華峰，延玉軍，等.汽車總裝車間智能物流輸送技術(shù)研究[J].汽車工藝與材料，2020（10）：7-12. Yang Yaoyong， Li Huafeng， Yan Yujun， et al. Research on intelligent logistics transportation technology in automobile assembly workshop[J]. Automobile Technology & Material， 2020（10）：7-12.（in Chinese）

[54]周鵬飛，潘志友，魏磊. AGV調(diào)度控制系統(tǒng)在汽車總裝車間的應(yīng)用[J].物流技術(shù)， 2020，39（9）：143-147. Zhou Pengfei， Pan Zhiyou， Wei Lei. Application of AGV dispatch control system in automobile assembly workshop [J]. Logistics Technology， 2020，39（9）：143-147.（in Chinese）

[55]孫曉順.大型生產(chǎn)車間中AGV調(diào)度方法研究[D].武漢：華中科技大學(xué)， 2019. Sun Xiaoshun. Research on AGV scheduling method in largescale production workshop [D]. Wuhan： Huazhong University of Science and Technology， 2019.（in Chinese）

[56]李獅偉.船用汽輪機(jī)智能車間AGV動態(tài)調(diào)度與路徑規(guī)劃研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)， 2020. Li Shiwei. Research on AGV dynamic scheduling and path planning of marine steam turbine intelligent workshop [D]. Harbin： Harbin Institute of Technology， 2020.（in Chinese）

[57]郭亞銘.面向柔性制造車間環(huán)境的AGV路徑規(guī)劃研究[D].鄭州：河南工業(yè)大學(xué)， 2020.Guo Yaming. Research on AGV route planning in flexible manufacturing workshop environment [D]. Zhengzhou： Henan University of Technology， 2020.（in Chinese）

[58]張輝，周麗，郭洪杰，等.面向飛機(jī)柔性裝配線的聯(lián)動AGV研制[J].航空制造技術(shù)， 2013（20）：67-69. Zhang Hui， Zhou Li， Guo Hongjie， et al. Development of AGV linkage for flexible assembly line of aircraft [J]. Aeronautical Manufacturing Technology， 2013（20）：67-69.（in Chinese）

[59]蔣倩，張云志，張少擎，等.飛機(jī)數(shù)字化裝配中IGPS導(dǎo)航的AGV路徑規(guī)劃方法[J].航空制造技術(shù)，2016（22）：72-77+83. Jiang Qian， Zhang Yunzhi， Zhang Shaoqing，et al. Path planning method of the AGV navigated by IGPS in aircraft digital assembly [J]. Aeronautical Manufacturing Technology， 2016（22）： 72-77+83.（in Chinese）

[60]楊春寧，杜黎明，李春.未知區(qū)域無人機(jī)協(xié)同搜索方法及效率分析[J].航空科學(xué)技術(shù)， 2019， 30（10）：56-63. Yang Chunning， Du Liming， Li Chun. Methods and efficiency comparison of UAV swarms collaborative search in unknown area[J]. Aeronautical Science & Technology， 2019， 30 （10）： 56-63.（in Chinese）

Application Prospect of AGV Key Technology in Aeronautical Manufacturing Workshop

Lv Yujiang1，Meng Zhaojun2，Yang Wei3，Chen Yanyan1，Han Zhao2，Xie Mingke3，Wang Yanzhong2，3

1. AVIC Beijing Changcheng Aeronautical Measurement and Control Technology Research Institute，Beijing 101111，China 2. Liaoning Institute of Science and Technology，Benxi 117000，China 3. Beijing University of Aeronautics and Astronautics，Beijing 100191，China

Abstract： With the development of intelligent manufacturing and aerospace products， the traditional aviation manufacturing technology already cannot satisfy the needs of the development of the aviation products. Along with the appearance and development of intelligent manufacturing technology， intelligent logistics based intelligent manufacturing plant has been widely employed. In intelligent manufacturing workshop logistics. Automated Guided Vehicle（AGV） has been widely used.Based on AGV key technology research， this paper summarizes the AGV in the working process of the material supply workshop， expounds its application in the workshop of intelligent control system， and puts forward a method that applies the AGV to the intelligent logistics as well as its prospect and development direction in aviation manufacturing plant， which has references to the AGV development.

Key Words： intelligent manufacturing； workshop logistics； path planning； AGV； aviation manufacturing