中国报告大厅网讯，在2025年的压铸机行业，市场竞争愈发激烈。随着行业的快速发展，众多企业纷纷投入到这一领域，试图抢占更多市场份额。对于中小型压铸机企业而言，提高生产效率、降低成本成为了在竞争中脱颖而出的关键。而自动导引小车(AGV)在装配车间的路径规划是否合理，直接影响着物料配送效率和生产的稳定性，因此对AGV路径规划的研究与优化显得尤为重要。

  一、压铸机装配车间 AGV 路径规划的重要性与算法选择

  《2025-2030年全球及中国压铸机行业市场现状调研及发展前景分析报告》指出，压铸机装配作为中小型压铸机制造过程的关键环节，涵盖机架部装、电气部装等6个步骤，物料配送主要依靠 AGV 从暂存区运送至装配工位。装配车间内，区域情况复杂，暂存区及工位间可行区域大小不一，单个装配工位零部件摆放密集。并且，AGV配送的零部件大多体积大、重量重，在密集区域和转弯处，对AGV行驶稳定性要求极高。

  路径规划是实现 AGV 自主导航的核心部分，合理的路径规划对提升配送效率和安全性意义重大。当前，针对特定环境的路径规划算法主要分为两类。一类是基于已知环境模型的全局路径规划算法，如 A算法、Dijkstra 算法和遗传算法等;另一类是基于传感器信息的局部避障算法，包括动态窗口方法(DWA)算法、TEB 算法和人工势场法等。考虑到 A算法凭借启发式评价函数能确保搜索方向与目标一致，可快速实现最短路径规划，所以将其作为全局路径算法。而 DWA 算法综合考虑 AGV 运动模型与环境因素，更契合实际运行需求，因此被选作局部路径算法。

  二、压铸机装配车间 AGV 全局路径规划算法改进

  (一)A * 算法基本原理

  A * 算法依据给定的起点和终点信息，通过搜索和评价可行节点来求解最短路径。在节点搜索过程中，已确定为路径的节点存储于 Closed 集合(父节点)，与父节点相邻且可达的节点(子节点)存于 Open 集合。是当前子节点到终点的成本估计值，成本值最小的子节点会被视为新的父节点。其具体步骤如下：首先初始化 Open 集合和 Closed 集合，将起点添加到 Open 集合;接着获取起点邻近可达节点作为子节点加入 Open 集合，并把起点从 Open 集合移至 Closed 集合;选取值最小的点作为新父节点并转移至 Closed 集合;之后检查新父节点邻近节点，按规则处理;重复上述步骤，直到 Open 集合出现目标点或集合为空。

  (二)改进 A * 算法

  A算法规划的路径常存在大量拐点，平滑度低，影响 AGV 平稳运行。经仿真对比，改进后的 A * 算法将路径从 8.66cm 缩短到 8.3cm，最大转角从 45° 缩小到 30°。

  三、压铸机装配车间 AGV 局部路径规划算法改进

  (一)动态窗口算法基本原理

  DWA 算法把满足约束的速度采样空间定义为动态窗口，遍历窗口中的线速度和角速度，结合运动模型推算多条路径，再用评价函数评分，选取得分最高的路径作为最优路径。

  (二)改进动态窗口评价函数

  在压铸机装配车间，对 AGV 行驶平稳性要求高，而 DWA 算法路径规划效果取决于评价函数设定。

  四、压铸机装配车间 AGV 路径规划算法实例验证

  以某压铸机装配车间作为 AGV 应用环境，该车间各装配工位有物料车装载零部件，由 AGV 从暂存区配送至装配区。考虑到 AGV 转弯和避障时路径平滑度的重要性，采用 SLAM 创建栅格地图，白色为可通行区域，黑色为不可通行区域，灰色为未知区域。

  全局路径规划结果显示，改进后的路径比优化前更加平滑。局部路径规划方面，改进前局部路径与全局路径方向不一致，小车易绕行;改进后二者更贴合，转角幅度更小。从角速度变化曲线来看，改进后角速度集中在 0.00 - 0.25 区间，突变情况减少。在密集环境测试中，将 AGV 小车置于其中，对改进前后算法分别执行 50 次，改进前算法成功率为 30%，改进后提升至 76%。

  总结

  为应对2025年压铸机行业激烈的竞争，中小型压铸机企业在提升生产效率方面不断探索。本文针对压铸机装配车间 AGV 路径规划问题，提出基于 A算法和 DWA 算法的优化方案。通过改进 A算法，识别并去除冗余路径，增加节点密度、调整转角大的节点坐标，有效提高了路径平滑度;改进 DWA 算法的评价函数，引入全局方向成本函数，弥补了 AGV 易绕行的缺陷。实例验证表明，优化后的路径规划算法使 AGV 在运输物料时行驶更平稳，在车间密集区域的成功通过率提高了 46%。不过，该方法仍存在不足，未来还需全面考虑更多影响因素，进一步提升 AGV 在车间环境中的适用性，助力中小型压铸机企业在竞争中取得优势。