摘要
本发明涉及自动导引车技术领域,尤其涉及一种基于神经网络的AGV动态路径规划方法。内容包括:实时采集环境数据,并对环境数据进行预处理;通过自适应深度神经网络进行环境感知和路径预测;所述环境感知,通过改进的卷积神经网络生成环境模型;所述路径预测,通过自适应深度神经网络生成初始路径;基于初始路径进行路径优化和动态障碍物避障,得到各层次的路径优化结果;综合各层次的路径优化结果,形成最终路径。解决了无法全面准确地感知环境,难以应对复杂的动态环境变化,无法实时更新路径,难以实现复杂环境下的路径优化,以及难以根据环境变化进行动态调整的技术问题。
技术关键词
动态路径规划方法
深度神经网络
强化学习算法
动态障碍物
自动导引车技术
多层次
动态环境变化
激光雷达数据
复杂度
滤波器
非线性
时序
策略
超声波
风险
通道
决策
尺寸
系统为您推荐了相关专利信息
智能调控方法
动态响应优化
强化学习框架
实时信息
红外人体感应器
通信芯片
远程控制系统
中心服务器
强化学习算法
建立点对点传输链路
决策系统
数据处理模块
传感器模块
识别障碍物
车辆
半导体晶圆缺陷
光源配置方法
双路深度神经网络
光强传感器
参数