-
传统自动导引车车体结构在路径灵活性与环境适应性方面存在一定局限性,通过SolidWorks软件系统性地设计了AMR自主移动机器人的机械结构,构建稳定可靠的车体底盘与举升模组,为AMR实现高精度导航与定位提供坚实的物理平台基础,完成包含行走转向机构、悬挂系统在内的完整车体底盘所有零部件的结构设计,以及行程达 300 mm的举升升降模组,形成了完整的AMR三维结构模型.底盘结构设计充分考虑了承载强度、运动平稳性与传感器安装需求,特别是悬挂系统的设计,旨在有效隔离地面振动,为激光SLAM等导航系统提供了更稳定的工作基础.
AMR车体底盘升降模组SolidWorks
-
在烟草行业中,高效的物料处理和输送是保证生产连续性和产品质量的重要环节.随着自动化技术的发展,自动上料输送系统逐渐成为提升烟草加工生产线效率的关键因素.针对现有技术的不足,提供工装及其方法,可对接AMR形式,结构紧凑,可采用20 kg负载,1650 mm臂展的协作机器人,无需另外设安全围栏,使得设备整体更加美观,采用视觉监测系统,通过3D相机来识别纸箱的相对位置,使机器人可以实现自适应抓取,采用伺服电机驱动模组,带动相机移动可实现2个工位,可以有效解决实际生产中的问题.展示了自动上料输送系统在提高生产效率、减少人力成本、优化工作环境和增强质量控制等方面的显著效果.特别是,该系统能够大幅缩短上料时间,降低劳动强度,并且通过精确控制物料流量,有效防止过载或不足的情况发生,从而保证了后续工序的稳定运行.
烟草自动上料输送系统AMR
-
传统自动导引运输车(AGV)通常依赖预设路径完成货物分拣递送,缺乏灵活性.近年来,电商爆发,订单量持续上涨,以及多品种、小批次的柔性制造要求给物流业带来新的挑战.自主移动机器人(AMR)凭借灵活规划路径与智能环境交互逐步取代AGV成为智能物流的热门.从AGV至AMR的技术演进历程,包含内在与外在驱动因素,通过对比在不同场景下的性能差异,针对路径规划、多机协同等痛点提出优化方案.未来,AMR依靠与 5G/6G、高精度导航、人机交互等方面的融合可以实现进一步的迭代更新.
物流机器人AGV技术演进AMR路径规划
-
针对仓储物流系统的特点和需求,本文对5G技术在AMR上的应用实践展开了一系列的研究,并提供了一套以AMR为载体的自动化立体仓库解决方案,实现了生产车间与立体仓库的高效储存和自动周转,助力了传统制造行业的转型升级.
5GAMR智能制造自动化立体仓库
-
为了高效地调度自主移动机器人以提高物料的搬运效率,文中提出了一种基于多Agent的协同调度优化方法,并以SH存储中心为例构建优化模型,通过案例运行实际数据的验证,实现基于多Agent的智能AMR搬运系统协同调度优化,可以有效提升AMR作业效率,对智能搬运系统的调度优化算法与应用有较好的实践意义.
调度优化多AgentAMR
-
本文根据AMR技术在GSM系统中物理层信道卷积编码规范,提出了一种可控制信道差错,降低工程实现难度的译码MATLAB仿真方案。结果表明,通过该仿真方案适合AMR语音业务信道卷积码的译码。
AMR卷积编码ViterbiMATLAB仿真
-
针对AMR机器人在仓储环境中使用经典DDPG算法在路径规划时前期有效经验较少导致的收敛速度慢,以及遇到动态障碍物重规划耗时且效率较低的问题,提出了一种改进的DDPG算法.该算法在读取记忆库数据时采用优先经验回放机制,根据样本重要程度匹配样本的抽取概率,优先级更高的样本在抽取时会有更高的概率被抽取学习,同时使用Radam优化器训练网络,优化神经网络是方差过大造成的动态环境下移动机器人路径规划成功率低、收敛速度慢的问题,从而提高算法学习效率;然后,针对动态障碍物,加入障碍物斥力和目标引力,先进行静态环境下的网络训练,然后加入动态障碍,在静态规划基础上利用人工势场法实现动态避障.实验结果表明改进后的算法比经典DDPG算法收敛速度提高36.4%,且能够完成动态环境下的路径规划.
DDPGAMR机器人RAdam优化器人工势场法动态路径规划
-
利用STM8L152以及AMR传感器,对车辆检测技术做了一定程度的研究。介绍了该系统的硬件组成和软件实现,尤其是低功耗方面的设计。经过试验表明,该系统可以对车辆对磁场的扰动进行检测,同时功耗也基本能够达到使用的要求。
AMR无线数据传输低功耗
-
针对多自主移动机器人(AMR)调度系统中的决策规划问题,提出一种分层策略的基于时空冲突和非完整约束下的多AMR调度算法.首先,提出加权时空混合A*算法作为算法的底层,进行单AMR路径规划,以确保规划的路径满足阿克曼类型AMR的运动学模型;然后,引入结合分离轴定理的冲突检测树作为算法的上层,对底层算法规划出的路径进行精确地时空冲突检测,检测出的时空冲突被用作底层算法的时空约束;最后,再次调用底层算法,考虑时空约束进行路径规划,以实现高效的AMR冲突消解.仿真结果表明,所提出算法能够为多AMR调度系统高效地规划出满足非完整约束的无冲突路径.
多AMR系统非完整约束时空冲突检测加权时空混合A*算法冲突消解路径规划
-
为满足6G工业场景中多自主移动机器人(AMR)在高频、多阶段任务下的通信与控制协同需求,研究了一种融合通信增强与路径协同感知的具身智能系统.该系统由具身交互层、通信协同层与智能控制层构成,分别负责局部环境感知、下行链路增强与调度,以及集中式策略学习与在线更新.为克服传统分离式方法在动态场景依赖先验建图、通信与控制割裂等局限,引入非正交多址接入(NOMA)与多天线波束赋形耦合机制,并将任务调度、路径规划与通信资源分配统一建模为"任务-控制-通信"的联合优化问题.针对高维耦合与动态时变环境,在三层协同架构上采用分层深度强化学习方法,并行收集、集中训练和分布执行.仿真结果表明,在无环境先验条件下,所提架构能快速构建可达性与信道估计图,并在多种障碍物设置下保持较高任务完成率与通信速率,有效提升系统鲁棒性与资源利用效率.
具身智能自主移动机器人非正交多址接入深度强化学习轨迹控制