چگونه یک لیفتراک انباشته Agv موانع را تشخیص می دهد؟

هنگامی که صحبت از نوسازی عملیات انبار می شود، AGV های لیفتراک پشته ای (وسایل نقلیه هدایت شونده خودکار) به عنوان یک تغییر دهنده بازی ظاهر شده اند. این ماشین های قابل توجه نه تنها کارایی را افزایش می دهند بلکه هزینه های نیروی کار را نیز به میزان قابل توجهی کاهش می دهند. من به عنوان یک تامین کننده مفتخر Stacking Lift AGV، هیجان زده هستم که به موضوع جالبی بپردازم که چگونه این وسایل نقلیه هوشمند موانع را تشخیص می دهند.

اهمیت تشخیص مانع در انباشته کردن AGV های لیفتراک

در یک محیط انبار شلوغ، Stacking Lift AGVs دائما در حرکت هستند. آنها در راهروهای باریک حرکت می کنند، پالت ها را بالا می برند و روی هم می گذارند و با سایر تجهیزات و پرسنل تعامل دارند. این AGV ها بدون سیستم های شناسایی قابل اعتماد مانع، خطر برخورد، آسیب به کالاها و حتی آسیب به کارگران را به همراه خواهند داشت. بنابراین، یک مکانیسم شناسایی موثر مانع برای عملکرد ایمن و کارآمد AGV های لیفتراک پشته ای ضروری است.

انواع فن‌آوری‌های تشخیص موانع مورد استفاده در انباشته کردن لیفتراک‌های AGV

اسکنرهای لیزری

اسکنرهای لیزری یکی از متداول‌ترین فناوری‌های مورد استفاده در Stacking Lift AGV برای تشخیص موانع هستند. این دستگاه ها پرتوهای لیزر را به صورت دو بعدی یا سه بعدی در اطراف AGV ساطع می کنند. نور لیزر اشیاء موجود در محیط را منعکس می کند و اسکنر مدت زمان بازگشت نور را اندازه گیری می کند. با تجزیه و تحلیل نور بازتاب شده، AGV می تواند به طور دقیق فاصله و موقعیت هر مانعی را در مسیر خود تعیین کند.

مزیت اسکنرهای لیزری دقت بالا و دامنه تشخیص گسترده آنهاست. آنها می توانند موانع استاتیک و دینامیکی مانند دیوارها، پالت ها و سایر وسایل نقلیه متحرک را تشخیص دهند. به عنوان مثال، الفلیفتراک هدایت لیزری AGVمجهز به یک اسکنر لیزری پیشرفته می تواند موانع را تا چند متری تشخیص دهد و به AGV زمان کافی برای کاهش سرعت یا تغییر مسیر خود می دهد.

با این حال، اسکنرهای لیزری نیز محدودیت هایی دارند. آنها می توانند تحت تأثیر عوامل محیطی مانند گرد و غبار، مه و نور شدید خورشید قرار گیرند که ممکن است دقت تشخیص را کاهش دهد. علاوه بر این، آنها در مقایسه با برخی از فناوری های تشخیص دیگر نسبتاً گران هستند.

سنسورهای اولتراسونیک

سنسورهای اولتراسونیک بر اساس اصل انتشار امواج اولتراسونیک و اندازه گیری زمان لازم برای برگشت امواج از یک جسم کار می کنند. این حسگرها معمولاً برای تشخیص موانع با برد کوتاه، معمولاً در فاصله چند متری استفاده می‌شوند.

مزیت اصلی سنسورهای اولتراسونیک ارزان بودن و سادگی آنهاست. نصب و نگهداری آنها آسان است و آنها را به یک انتخاب محبوب برای برخی از برنامه های Stacking Forklift AGV تبدیل می کند. به عنوان مثال، در یک انبار در مقیاس کوچک که در آن AGV با سرعت های نسبتاً پایین کار می کند، حسگرهای اولتراسونیک می توانند قابلیت های کافی شناسایی موانع را فراهم کنند.

از جنبه منفی، سنسورهای اولتراسونیک محدوده تشخیص محدودی دارند و ممکن است به اندازه اسکنرهای لیزری دقیق نباشند. آنها همچنین می توانند تحت تأثیر شکل و مواد موانع و همچنین صدای پس زمینه در محیط قرار گیرند.

سیستم های ویژن

سیستم‌های بینایی، مانند دوربین‌ها و حسگرهای عمق، به طور فزاینده‌ای در Stacking Lift AGV محبوب می‌شوند. این سیستم ها تصاویر یا اطلاعات عمقی محیط اطراف را می گیرند و از الگوریتم های بینایی کامپیوتری برای شناسایی موانع استفاده می کنند.

یکی از مزایای کلیدی سیستم های بینایی توانایی آنها در ارائه اطلاعات بصری غنی است. آنها می توانند نه تنها وجود موانع بلکه شکل، اندازه و رنگ آنها را نیز تشخیص دهند. این به AGV اجازه می دهد تا هنگام برخورد با موانع پیچیده تصمیمات آگاهانه تری بگیرد. به عنوان مثال، الفلیفتراک AGV در انباربا یک سیستم بینایی به راحتی می توان بین یک پالت و یک فرد تمایز قائل شد و بر این اساس اقدامات مناسب را انجام داد.

با این حال، سیستم های بینایی نیز با چالش هایی روبرو هستند. آنها به توان محاسباتی قابل توجهی برای پردازش حجم زیادی از داده های بصری نیاز دارند و عملکرد آنها می تواند تحت تأثیر شرایط نور ضعیف قرار گیرد.

فیوژن چند سنسور برای تشخیص پیشرفته مانع

برای غلبه بر محدودیت‌های فناوری‌های تشخیص فردی، بسیاری از Stacking Lift AGV اکنون از همجوشی چند سنسوری استفاده می‌کنند. این رویکرد داده‌های حسگرهای مختلف مانند اسکنرهای لیزری، سنسورهای اولتراسونیک و سیستم‌های بینایی را ترکیب می‌کند تا دید جامع‌تر و دقیق‌تری از محیط ارائه دهد.

با ادغام داده‌های چند سنسور، AGV می‌تواند از نقاط قوت هر سنسور و در عین حال جبران نقاط ضعف آنها استفاده کند. به عنوان مثال، اطلاعات فاصله با دقت بالا از اسکنر لیزری را می توان با جزئیات بصری سیستم بینایی ترکیب کرد. اگر اسکنر لیزری یک شی را تشخیص دهد اما نتواند نوع آن را تعیین کند، سیستم بینایی می تواند اطلاعات بیشتری را برای کمک به AGV در تصمیم گیری بهتر ارائه دهد.

همجوشی چند سنسوری همچنین قابلیت اطمینان تشخیص موانع را بهبود می بخشد. اگر یکی از سنسورها از کار بیفتد یا داده های نادرست ارائه دهد، سنسورهای دیگر همچنان می توانند اطلاعات مفیدی را برای اطمینان از عملکرد ایمن AGV ارائه دهند.

نرم افزار - الگوریتم های اجتناب از موانع مبتنی بر موانع

علاوه بر سنسورهای سخت‌افزاری، الگوریتم‌های اجتنابی مبتنی بر مانع از طریق نرم‌افزار نقش مهمی در فرآیند شناسایی موانع Stacking Lift AGVs دارند. این الگوریتم ها داده های حسگرها را تجزیه و تحلیل می کنند و دستورات کنترلی مناسب برای AGV تولید می کنند.

یکی از انواع رایج الگوریتم، الگوریتم مسیر - برنامه ریزی است. این الگوریتم مسیر بهینه AGV را برای رسیدن به مقصد محاسبه می کند و در عین حال از موانع اجتناب می کند. موقعیت فعلی AGV، محل موانع و چیدمان انبار را در نظر می گیرد. به عنوان مثال، اگر مانعی در مسیر اصلی شناسایی شود، الگوریتم مسیر - برنامه ریزی می تواند به سرعت مسیر جدیدی را برای AGV محاسبه کند.

الگوریتم مهم دیگر، الگوریتم پیش بینی برخورد است. این الگوریتم بر اساس حرکت فعلی AGV و موقعیت موانع احتمال برخورد را پیش بینی می کند. اگر احتمال برخورد زیاد باشد، الگوریتم می تواند اقدامات اضطراری مانند توقف AGV یا تغییر سرعت آن را آغاز کند.

تست و اعتبارسنجی سیستم های تشخیص موانع

قبل از استقرار Stacking Lift AGV در یک انبار، سیستم تشخیص موانع آن باید به طور کامل آزمایش و تأیید شود. این شامل هر دو آزمایش آزمایشگاهی و آزمایش میدانی است.

در آزمایشگاه، AGV در یک محیط کنترل شده با انواع موانع آزمایش می شود. عملکرد سیستم تشخیص مانع از نظر دقت تشخیص، زمان پاسخگویی و قابلیت اطمینان ارزیابی می شود. سپس آزمایش میدانی در یک محیط انبار واقعی انجام می شود تا اطمینان حاصل شود که سیستم می تواند در یک محیط پویا و پیچیده به طور مؤثر کار کند.

نگهداری و کالیبراسیون منظم سنسورهای تشخیص مانع نیز برای اطمینان از عملکرد طولانی مدت آنها ضروری است. برای مثال، اسکنرهای لیزری باید به طور دوره‌ای کالیبره شوند تا دقت خود را حفظ کنند و سیستم‌های بینایی باید با جدیدترین الگوریتم‌های بینایی کامپیوتری به روز شوند تا با انواع جدیدی از موانع سازگار شوند.

نتیجه گیری

تشخیص موانع یک جنبه حیاتی از عملکرد AGV های لیفتراک پشته ای است. با استفاده از فناوری‌های پیشرفته حسگر، ترکیب چند سنسور و الگوریتم‌های نرم‌افزاری پیچیده، این وسایل نقلیه هوشمند می‌توانند به طور موثر موانع موجود در یک انبار را شناسایی کرده و از آن اجتناب کنند. ما به عنوان یک تامین کننده Stacking Lift AGV، متعهد به ارائه محصولات با بالاترین کیفیت با سیستم های تشخیص موانع قابل اعتماد هستیم.

اگر به دنبال یکلیفتراک AGV برای پالتیا انواع دیگر AGV های لیفتراک انباشته برای بهبود عملیات انبار خود، از شما دعوت می کنیم تا برای بحث دقیق با ما تماس بگیرید. تیم کارشناسان ما خوشحال خواهند شد که شما را در یافتن مناسب ترین راه حل برای نیازهای خاص خود یاری کنند.

مراجع

• Raol, JR, Patel, V., & Lakshminarayanan, R. (2005). اصول برنامه ریزی و کنترل حرکت ربات. انتشارات امپریال کالج.
• Thrun, S., Burgard, W., & Fox, D. (2005). رباتیک احتمالی مطبوعات MIT.
• سیسیلینو، بی.، سیاویکو، ال.، ویلانی، ال.، و اوریولو، جی. (2010). رباتیک: مدل سازی، برنامه ریزی و کنترل. اسپرینگر.