排烟防火阀门智能仓储系统的设计与仿真( 二 ) 引言排烟防火阀门是建筑物内

文章图片
图2控制系统结构
2.3.2激光SLAM导航系统
目前， AGV无人车导航技术有磁条导航、色带导航、二维码导航、激光导航、SLAM导航等。磁条导航需在地面铺设轨道，影响区域的通过性能；色带导航易受污染而影响导航的准确度。激光导航需要设置反光板，价格昂贵。此系统采用激光SLAM导航技术，无需铺设轨道或使用反光板，通过仓库中的墙面、货架立柱等作为参照，实现定位与导航。
SLAM（SimultaneousLocalizationandMapping）即同步定位与地图构建技术，将AGV无人车置于货仓内任一位置并开始运动，通过激光雷达向参照物发射激光信号，与参照物反射的回波信号进行比较，从而获取AGV无人车的位置、速度等信息。同时与深度相机、IMU、里程计获取的数据融合，可实现货仓地图构建、AGV无人车定位、避障、入库及自主导航的功能。
2.3.3导航算法
SLAM导航算法分为两类：一类是基于滤波理论的SLAM算法，如AMCL、EKF、Gmapping等；另一类是基于图优化理论的SLAM算法，如Karto、Hector、Catogra‐pher等。
基于图优化理论的SLAM算法具有闭环检测环节，优化所使用的存储空间小，适用于构建大面积的场景。但此算法运算量大，使用普通设备难以进行复杂计算。基于粒子滤波理论的SLAM算法运算量小，适用于构建小面积的场景。仓储空间在检测场地中占地面积小，本文结合实际场景，选择基于粒子滤波理论的Gmapping算法， Gmapping算法可实时构建场景地图，应用广泛。
定位及构图原理：将AGV无人车放置于仓储场景中的某一位置，分别设置初始状态下无人车、激光雷达和里程计的坐标系并进行坐标转换，使无人车从原点O0行驶至On位置，则O1 ， O2 ， … ， On-1依次为其途经点。在无人车行驶过程中，激光雷达发射激光束对周围环境进行扫描，激光束抵达的区域可标识为0 ，激光束无法抵达的区域即障碍物标识为1 ，则仓储环境可通过包含0、1信息的栅格地图进行表示。里程计则记录了无人车的位姿。无人车在O0-On的任一点都有自身的位姿和栅格地图数据。无人车处于O1时，根据自身位姿预测一条行驶轨迹；到达O2时，通过里程计数据更新无人车位姿及地图；行驶到On ，计算所有途经点的权重并构建出仓储区域的准确地图。
2.3.4路径规划
若要使无人车运输阀门至指定位置，则需对其行驶路径进行规划。 AGV无人车行驶路径规划主要分为两部分：入库路径规划和出库路径规划。
送检阀门运送至检测场地后，需要进行卸货、信息录入等操作。入库则是将阀门从信息录入区域运送至货仓库位上， AGV无人车完成一次入库后将回到信息录入区域。入库路径规划如图3所示。

文章图片
图3入库路径规划
出库是指将阀门从货仓相应库位移送至检测区域。一个川字托盘上放有5个阀门，将待检阀门取出后，需要把托盘放回原来的库位。出库路径规划如图4所示。

文章图片
图4出库路径规划
由于每次只取出托盘上的一个阀门进行检测，因此从检测区送回的托盘仍有剩余的存储空间。若有阀门需要存入，可设置路径让AGV无人车先把托盘移送至信息录入区，待阀门装满托盘后再将其运回原来库位，图5所示为AGV无人车对某一库位的阀门进行出库与补充入库的路径图。