一种基于深度学习的多AGV避障及路径规划方法及系统技术方案

本发明专利技术涉及AGV避障及路径规划技术领域，公开了一种基于深度学习的多AGV避障及路径规划方法及系统，方法包括：获取环境数据进行环境建模，并形成状态向量；通过深度强化学习策略，对路径进行规划；根据实时工作需求和AGV状态生成动态任务链；建立运动状态监测模型，分析预测结果与实际状态的偏差，当预测可能发生碰撞时，计算避障路径并调整AGV行动；在AGV在执行任务时，持续收集数据并更新学习模型，根据长期性能和即时反馈调整策略的参数。本发明专利技术通过环境建模与状态表示，AGV能够更准确地理解和反应于复杂多变的环境，提高避障的准确性和效率，AGV不仅能够找到更优的路径，还能实时学习和适应环境变化，提高整体系统的灵活性和适应性。

【技术实现步骤摘要】

本专利技术涉及agv避障及路径规划，尤其涉及一种基于深度学习的多agv避障及路径规划方法及系统。

技术介绍

1、在自动化和智能物流领域，多agv(automated guided vehicle)系统的避障和路径规划是一个重要且复杂的问题。传统的路径规划方法通常依赖预设规则或简单的算法，这些方法在处理复杂环境、动态障碍物以及多agv之间的协同时往往效率低下，灵活性差。

2、随着技术的发展，深度学习提供了一种新的解决方案，能够处理更复杂的情况并实现更优的路径规划。然而，将深度学习有效地应用于多agv系统中，需要解决模型的实时性能、准确性、以及多车辆协同等技术挑战。因此，现有技术亟需一种能够实时响应环境变化、优化多agv协同作业的智能路径规划方法。

技术实现思路

1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多AGV避障及路径规划方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的多AGV避障及路径规划方法，其特征在于，所述构建环境模型形成状态向量包括，

3.如权利要求1或2所述的基于深度学习的多AGV避障及路径规划方法，其特征在于，所述路径规划包括，

4.如权利要求3所述的基于深度学习的多AGV避障及路径规划方法，其特征在于，所述动态任务链以及AGV任务执行包括，

5.如权利要求1或4所述的基于深度学习的多AGV避障及路径规划方法，其特征在于，建立运动状态监测模型包括，

6.如权利要求5所述的基于深...

【技术特征摘要】

1.一种基于深度学习的多agv避障及路径规划方法，其特征在于，包括：

2.如权利要求1所述的基于深度学习的多agv避障及路径规划方法，其特征在于，所述构建环境模型形成状态向量包括，

3.如权利要求1或2所述的基于深度学习的多agv避障及路径规划方法，其特征在于，所述路径规划包括，

4.如权利要求3所述的基于深度学习的多agv避障及路径规划方法，其特征在于，所述动态任务链以及agv任务执行包括，

5.如权利要求1或4所述的基于深度学习的多agv避障及路径规划方法，其特征在于，建立运动状态监测...

【专利技术属性】
技术研发人员：赵学健，叶昊，孙知信，曹亚东，孙哲，宫婧，汪胡青，胡冰，徐玉华，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：