为解决智能车间物料运输AGV小车调度问题,以AGV补料任务行走总距离最短为目标,结合路径选择及任务排序双重标准,提出双层编码方式;同时为避免染色体上的基因聚集到小的邻域内,提出一种改进的遗传算法,算法增加了多种变异过程,相较于传统遗传算法扩大了解的空间,防止局部最优解的产生。最后通过MATLAB对环境进行建模、仿真,并与基本遗传算法进行对比。实验结果表明所提出的改进算法能高效且可靠地解决AGV在多任务目标情况下的路径规划问题。

针对传统车间信息不及时、不准确,过程不高效、不透明等缺陷,以车间生产过程中的实时定位和监控为研究内容;分析了智能车间的定位需求与RFID应用架构;利用基于RFID的定位跟踪技术,提出了一套在智能车间建设中的应用方案;开发了融合RFID技术的应用系统;设计了一种基于贝叶斯算法的K近邻改进算法。实现了对批量零件的数目统计和变动监控,对零部件在产线移动过程中的追踪,对车间工人的实时定位与管理。在一定程度上改善了车间手工统计、丢件缺件以及管理混乱等缺陷,从而提高了车间的信息化、透明化、高效化和安全化水平。

智能车间无人机巡检路径规划是一种典型的室内无人机路径规划技术,通过无人机对车间各工作区域进行智能巡检来解决部分在工作区域发生的问题或者对发生的问题进行及时反馈。针对路径规划这一问题,以巡检路径最短为目标提出一种改进的混合粒子群算法,该算法将粒子群算法和遗传算法进行结合,通过对遗传算法进行结构优化以及寻找粒子群算法的最优参数组合,使之更易收敛于最短路径。仿真实验证明,相较于传统的粒子群算法,优化后的混合粒子群算法收敛能力得到了很大的提升。最终的模拟实验验证了该算法的可行性。