1.一种面向物料传输平台的运动学建模与路径规划方法，其特征在于，所述方法包括以下步骤：(1)采用多运动学建模策略，完成控制用运动学模型库的建立；

(2)上位机中配置总单元模块数目，包括六边形模块的边长及X、Y轴方向数目，规定物料传输速度；

(3)通过RFID获取传输物料的地理位置信息，并反馈给上位机；

(4)采用改进蚁群算法规划全局传输路径；

(5)采用改进人工势场法规划局部传输路径；

(5.1)首先以物品中心r为圆心，障碍物作用的最大距离ρ0为半径画圆R1；构造同时经过距离r最近障碍物点F与起点O的直线l1；记录l1与x轴的夹角θ；判定落在圆R1内的障碍物个数c；若c＝1执行步骤(5.2)，若c＝i(i＝2,3,4...)则执行步骤(5.3)；

(5.2)障碍物个数为1个；求出物品与F之间距离L1；随后以r为圆心，L1为半径画圆R2；将l1以圆心r为基准，正或逆时针旋转θ角度构造直线l2；l2与圆R2的交点中距离F较远的节点为模糊斥力点Q；

(5.3)障碍物个数为多个；记录距离物品中心r最近的2个障碍物之间的距离L2之间的中心点f及物品轮廓最大尺寸h；同时求出F与r之间的距离Lmin；以r为圆心，Lmin为半径画圆R3；

若h

若h≥L2，则构造经过F与r的直线l4，将l4以圆心r为基准，正或逆时针旋转θ角度构造直线l5；l5与圆R3的交点中距离F较远的节点为模糊斥力点Q；

(6)在规划后的传输路径上，实现多运动学模型的动态切换，并解算出相关全向轮对应的转速及转向；

该物料传输平台通过Wi‑Fi模块接入物联网，可通过移动终端对物料整个传输过程进行远程监测。

2.根据权利要求1所述的一种面向物料传输平台的运动学建模与路径规划方法，其特征在于，所述步骤(1)中，对两个模块参与传输时相邻轮子存在不对称分布的情况下建立运动学模型的步骤为：(1.1)选取中心点o(l)建立世界坐标系，x(l)轴从下到上依次增大，y(l)轴从左到右依次增大，vox(l)表示vo(l)在x(l)轴上的分速度，voy(l)表示vo(l)在y(l)轴上的分速度，vo(l)表示点o(l)的线速度，wo(l)表示点o(l)的角速度，θ(l)表示vo(l)与x(l)轴夹角，其中l＝1,2,3，表示物料传输时参与的模块个数；x(l)o(l)y(l)为世界坐标系；Xq(l)Oq(l)Yq(l)为全向轮本体坐标系；o(l)为三轮各自中心连线构成的等边三角形的几何中心，也是世界坐标系的原点；Oq(l)为各全向轮中心点，也是本体坐标系的原点；x(l)、y(l)分别为世界坐标系的x轴、y轴；Xq(l)、Yq(l)分别为本体坐标系的X轴、Y轴；vo(l)、wo(l)分别为点o(l)的线速度和点o(l)的角速度；θ(l)为vo(l)与x(l)轴之间的夹角；vox(l)、voy(l)分别为vo(l)在x(l)、y(l)轴上的速度分量；vqx(l)、vqy(l)分别为vo(l)在Xq(l)、Yq(l)轴上的速度分量；wq(l)为q号全向轮的角速度；R为全向轮的等效半径；r(l)为点o(l)到等边三角形各边的垂直距离；l为物料传输时参与的模块个数，l＝1,2,3；q为全向轮序号，q＝1,2,3；

(1.2)建立三个全向轮速度v1(2)、v2(2)、v3(2)在本体坐标系xq(2)轴、yq(2)轴的速度分量vx(2)、vy(2)与世界坐标系中线速度vo(2)的关系：式中r(2)表示点o(2)到等边三角形各边的垂直距离，为常量；

(1.3)由vqy(2)＝wq(2)R(q＝1,2,3)解算出各轮转速wq(2)与角速度wo(2)之间的关系式：式中R表示全向轮的等效半径；

(1.4)将公式(4)写成矩阵形式，即逆运动学方程：

所述步骤(1)中，对三个模块参与传输时相邻轮子都不对称分布的情况下建立运动学模型：逆运动学方程：

基于3个全向轮的转速计算点o(l)的速度，形成正运动学方程：

3.根据权利要求1所述的一种面向物料传输平台的运动学建模与路径规划方法，其特征在于，所述步骤(4)具体为：(4.1)环境建模：地形图采用矩形栅格化的0/1方式，0表示可通过位置，1表示障碍物位置，左上角方块为起始点位置，右下角方块为目标点位置，建立直角坐标系：x轴、y轴数值分别从左到右、从上到下依次递增，自定义栅格为20×20比例，即x＝y＝i，其中i∈[1,20]且i∈N，并放置一代蚂蚁；

(4.2)改进蚁群算法的启发函数，通过引入当前模块位置与下一模块位置之间的距离和下一模块位置与目标模块位置距离之和，并且加入权重因子λ1和λ2对启发函数进行改进，使得算法搜索过程更有针对性，并降低陷入局部极小值概率，具体改进方法如下：式中m为物料当前模块位置，n为物料可能传输的下个模块位置，D为物料传输目标点位置，η′mn为改进后的距离启发函数，dnD为n与D之间的欧几里得距离，且考虑到本平台结构的独特性，设定λ1+λ2＝2，且λ1、λ2>0；

(4.3)改进蚁群算法的信息素启发因子与距离期望函数因子，考虑到早期路径中信息素含量过低，增加了蚂蚁搜索路径的盲目性，而后期由于信息素积累过多，又缩小了路径的可选择范围，导致算法陷入局部最优，设计因子自适应更新策略，具体改进方法如下：式中K为算法总迭代次数，k为当前迭代次数，α为初始信息素启发因子，β为初始距离期望函数因子，其中u为常量，考虑到本平台结构的独特性，设定u＝2e/3；

(4.4)确定当前可行模块道路集，引入轮盘赌算法建立并更新传输模块间的优化概率模型，优化后的概率模型 具体表达式为：式中Aj表示物料下一步可达到的模块集合， 为优化后的传输路径上的信息素浓度， 为改进后的距离启发函数；

(4.5)更新传输路径上的信息素含量，具体表达式为：

τmn(t+1)＝(1‑ρ)τmn(t)+Δτmn(t)     (13)式中ρ为信息素挥发系数，Δτmn为两相邻模块释放的信息素的和， 为两相邻模块的信息素增量，Lj为蚂蚁j经过的路径长度，Q为信息素增强系数；

(4.6)计算当前迭代得到的可行解，并与前代所得到的可行解进行对比，记录最优解，待迭代次数结束后，规划出物料传输的全局最短路径。