This thesis develops an optimization strategy for designing safe and efficient paths for Automated
Guided Vehicles (AGVs) in industrial environments. By leveraging the mathematical model of
Frenet curves, trajectory planning and control are addressed, including modeling the occupancy
map and identifying potential collision points with environmental obstacles. An optimization
framework is established, incorporating metaheuristic techniques like genetic algorithms, particle
swarm optimization, and pattern search to generate optimized trajectories. Core contributions
include developing a refined fitness function for AGVs trajectories, a comparative analysis of three
metaheuristic methods to identify the most effective approaches for different scenarios, and
designing and validating a hybrid control system combining nonlinear Lyapunov control with
conventional PID controllers. Simulation and experimental results confirm the robustness and
adaptability of the proposed methods, advancing AGV trajectory planning and control. This research contributes to the theoretical foundations of AGV path planning and offers practical
solutions for improving the safety, efficiency, and reliability of AGV operations in industrial
environments.
Esta tesis desarrolla una estrategia de optimización para diseñar trayectorias seguras y eficientes
para Vehículos Guiados Automatizados (AGV) en entornos industriales. Aprovechando el modelo
matemático de curvas de Frenet, se abordan la planificación y el control de trayectorias,
incluyendo la modelización del mapa de ocupación y la identificación de posibles puntos de
colisión con obstáculos. Se establece un marco de optimización que incorpora técnicas
metaheurísticas como algoritmos genéticos, optimización por enjambre de partículas y búsqueda
de patrones para generar trayectorias optimizadas. Las contribuciones principales incluyen el
desarrollo de una función de aptitud refinada para trayectorias de AGV, un análisis comparativo
de tres métodos metaheurísticos para identificar los enfoques más efectivos para diferentes
escenarios, y el diseño y validación de un sistema de control híbrido que combina el control no
lineal de Lyapunov con controladores PID convencionales. Los resultados de simulación y
experimentales confirman la robustez y adaptabilidad de los métodos propuestos, avanzando en
la planificación y control de trayectorias de AGV. Esta investigación contribuye a las bases
teóricas de la planificación de rutas de AGV y ofrece soluciones prácticas para mejorar la
seguridad, eficiencia y fiabilidad de las operaciones de AGV en entornos industriales.
