2026-06-19T13:30:20Zhttps://riubu.ubu.es/oai/request

oai:riubu.ubu.es:10259/95342024-09-11T07:32:58Zcom_10259_2699col_10259_9310

Bayona Blanco, Eduardo Sierra Garcia, Jesús Enrique Universidad de Burgos. Departamento de Digitalización Path Planning AGV Optimization Fitness Function Design Trajectory Tracking Planificación de trayectorias Optimización Diseño de función de coste Seguimiento de trayectorias 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. 2024-09-05 2024-09-05 2024 2024-07-19 info:eu-repo/semantics/doctoralThesis http://hdl.handle.net/10259/9534 10.36443/10259/9534 eng http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess Attribution-NonCommercial-NoDerivatives 4.0 Internacional