基于激光雷达货车定位的成品烟智能出库解决方案( 二 ) 前烟草行业的成品烟出库作业

文章图片
AGV的SLAM导航模式在行业内已经广泛应用，该模式采用自动识别技术，该解决方案主要偏重变地图模式。
除主作业区域的运行地图外，在该解决方案中，会为每种规格的货车车厢，增加相应独立的运行地图，使得每款货车车型均有一套理论的运行线路，作为货车定位偏差基准线路。
AGV系统根据现有车厢类型，自动切换到对应车厢地图，且该方式同时适应将来新增的车型。只需要针对新型的货车，增加一套独立的运行地图即可。应用的方式参考图3 ，其中“货车1拼接地图” ， “货车2拼接地图” ， “货车3拼接地图”分别代表不同货车类型所对应的AGV线路。蓝色区域为AGV主运行地图。

文章图片
AGV系统会根据货车车型切换至对应的车厢内AGV运行地图，从而实现不同车型切换不同线路，并自动拼接到AGV系统主运行线路中。
另外，该解决方案的SLAM算法，针对本项目大场景与场景切换的特点，采用多态约束卡尔曼滤波的线性滤波与约束滤波。在大场景情况下，线性滤波可以更加稳定地进行SLAM定位。在场景切换的情况下，约束滤波可以更加快速地切换到不同地图中，从而使AGV可以更加准确地进出货车车厢。
因货车装车都是将两托盘货物并一起后，摆放到货车车厢内，根据现场的生产环境，因此为AGV设计了一套双工位的货叉（如图4），使得原本每台货车装运的次数减少一半，节约了AGV运行至车厢内的往返次数。

文章图片
此外，每次当货车停靠稳定后，通过货车自动泊车辅助系统，将货车停靠的累计偏差值，直接换算到对应货车的地图定位中， AGV车体只需要一次即可完成多次车厢内往返的车厢识别，而不用每次进车厢前做一次车厢定位识别，也不用进车厢后再做环境识别，大大节约因车厢及环境识别所需的时间。结合上述方法实际的测算数据（表2），完全满足生产所需流量。

文章图片
传统的AGV运行主要由驱动惰轮，辅助轮组成，对地面的平整度要求较高，一般采用环氧树脂模式，新的AGV车体驱动，借鉴人工叉车的驱动模式，轮子采用橡胶轮胎，对地面的要求大大降低。因主驱动轮也不再是传统的树脂轮胎，而是借鉴三点式支撑的电动叉车轮胎驱动方式，因此能完好地应用在各种粗糙的地面。新型AGV轮胎样板图，如图5 。

文章图片
成品烟智能出库系统是基于SLAM导航的AGV无人自动装车系统，为工业烟草的成品烟整托出库生产模式，提供了一种可行性解决方案，将出库的WMS仓库管理和MES生产管理数据，无缝衔接到成品烟工厂输送环节；同时，出库环节的智能化替代人工作业模式，避免了人工追踪导致的生产和质量数据安全风险，这也为将来的烟草成品输送接入物联网系统，打下坚实基础。
自主研发的货车自动定位辅助系统，能精确计算货车的相对停车位数据，并提供给AGV交通调度系统，弥补了工业卷烟厂货车停车自动定位的技术难点；根据现有场景及可利用空间，采用双货叉的场景应用模式，结合现有货车装载方式，及货车定位识别，大幅度地提升了系统流量，而不再单纯依靠AGV车辆的数量来提升流量。