CN107092265A - 一种适用于矩阵式仓库的分拣小车路径规划方法 - Google Patents

一种适用于矩阵式仓库的分拣小车路径规划方法 Download PDF

Info

Publication number
CN107092265A
CN107092265A CN201710478304.2A CN201710478304A CN107092265A CN 107092265 A CN107092265 A CN 107092265A CN 201710478304 A CN201710478304 A CN 201710478304A CN 107092265 A CN107092265 A CN 107092265A
Authority
CN
China
Prior art keywords
node
dolly
adjoint point
mrow
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710478304.2A
Other languages
English (en)
Inventor
付明磊
胡炜杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Co Ltd Of Yiwu Scientific And Technical Research Institute Of Zhejiang Polytechnical University
Yiwu Wen Shuo Photoelectric Technology Co Ltd
Original Assignee
Co Ltd Of Yiwu Scientific And Technical Research Institute Of Zhejiang Polytechnical University
Yiwu Wen Shuo Photoelectric Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Co Ltd Of Yiwu Scientific And Technical Research Institute Of Zhejiang Polytechnical University, Yiwu Wen Shuo Photoelectric Technology Co Ltd filed Critical Co Ltd Of Yiwu Scientific And Technical Research Institute Of Zhejiang Polytechnical University
Priority to CN201710478304.2A priority Critical patent/CN107092265A/zh
Publication of CN107092265A publication Critical patent/CN107092265A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)

Abstract

一种适用于矩阵式仓库的分拣小车路径规划方法，首先抽象出矩阵式仓库的数学模型，在该数学模型中标明了各个节点的子节点在特定时间的转向车辆数。在规划路径的过程中，考虑小车转向、直线行进所花的时间以及小车等待其他车辆转向所花的时间，优先搜索所花时间少，行进速度快的路线。搜索出路径后，将路径信息导入仓库的数学模型中，并进行下一轮的路径规划。本发明抽象了含有时间项T的矩阵式仓库模型，提出了一种分拣效率较高的适用于该仓库的分拣小车路径的规划方法。

Description

一种适用于矩阵式仓库的分拣小车路径规划方法
技术领域
本发明涉及分拣小车路径规划领域，尤其是一种适用于矩阵式仓库的分拣小车的路径规划方法。
背景技术
随着电商业以及物流业的迅猛发展，快递的分拣已经成为限制物流发展的一个重要环节。传统的快递分拣采用人工分拣的模式，但是人工分拣存在成本高、错误率高，以及效率低等问题。因此，采用新型的快递分拣方式，提高快递分拣效率已经成为具有较强学术意义和实际应用价值的研究问题。
为了解决上述问题，孟超在论文《具备自动优化拣货路径功能的仓库管理系统的设计与实现》中，介绍了一种有自动分拣货物功能的仓库模型，并对拣货路径的优化作了相关研究。文生平等人在论文《基于遗传算法的分拣机器人最优路径规划》中，采用遗传算法对分拣机器人的路径进行了优化。记者钱童心在第一财经日报《进击的“小橙人”》一文中，报道了一种能够在矩阵式仓库中自动分拣货物的机器人。禹鑫燚等人在专利《适用于仓库环境的改进A*机器人最优路径规划方法》中，通过引入改进的A*算法对机器人的路径进行了优化。李江抒在论文《多移动机器人路径规划算法与导航系统研究》中，研究了多移动机器人路径规划算法。吴晓雨在论文《物流系统中AGV路径规划算法的研究》中，对多AGV路径规划算法进行了研究。颜波在论文《车载自主导航系统中的动态最优路径规划》中，对地图模型的建立方法以及小车的动态最优路径规划方法进行了研究。史恩秀等人在论文《基于蚁群算法的移动机器人全局路径规划方法研究》中，采用蚁群算法对分拣机器人的路径进行了规划。朱大奇等人在论文《移动机器人路径规划技术综述》中，介绍了模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术等路径规划方法。
经文献调研分析，目前已提出的分拣机器人的行进路径主要通过A*算法、蚁群算法、遗传算法等来进行优化。但是在大量分拣机器人同时行进的过程中，通过以上算法优化出的路径并没有充分考虑其他分拣机器人行进路径对当前机器人路径规划产生的影响，从而增加了分拣机器人行进过程出现拥堵现象的概率，造成分拣效率的降低。
发明内容
为了克服现有机器人路径规划算法引起机器人行进过程出现拥堵现象，从而造成分拣效率降低的不足，本发明抽象了含有时间项T的矩阵式仓库模型，提出了一种分拣效率较高的适用于该仓库的分拣小车路径的规划方法。
本发明解决其技术问题所采用的技术方案是：
一种适用于矩阵式仓库的分拣小车路径规划方法，所述方法包括如下步骤：
步骤1、建立仓库模型A[M,N,K,T]，所述A[M,N,K,T]为一四维数组；
所述A[M,N,K,T]中的M,N分别代表实际矩阵式仓库的横向维度和纵向维度，所述A[M,N,K,T]中K代表每个网格节点上的子节点数，所述A[M,N,K,T]中T代表时间项；
步骤2、小车路线信息导入仓库模型A[M,N,K,T]，过程如下：
步骤2.1、接收小车路线信息，所述小车路线信息用一结构体数组R[P_N]表示；
结构体r中包含m、n、k、t四个数据，所述P_N表示小车路线中经过的网格节点数；所述结构体r中的m表示横向坐标，所述结构体r中的n表示纵向坐标，所述结构体r中的t表示到达节点时间，所述结构体r中的k表示转向信息，当小车由西转向南或由北转向东时，k取1；当小车由南转向东或由北转向西时，k取2；当小车由北转向西或由东转向南时，k取3；当小车由东转向北或由南转向西时，k取4；
步骤2.2、导入小车路线信息到仓库数学模型中，过程如下：
步骤2.2.1、取一临时变量tp＝0；
步骤2.2.2、判断tp<P_N是否成立，若不成立则结束步骤2，若成立则向下执行；
步骤2.2.3、取一临时变量i，从0开始以增量1递增取值，依次执行公式(1)，直到i的值等于A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]；公式(1)如下：
A[R[tp].m,R[tp].n,R[tp].k,R[tp].t+i]＝A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]+1-i (1)
步骤2.2.4、临时变量tp自增1，跳转到步骤2.2.2；
步骤3、搜索小车路径，具体过程如下：
步骤3.1、确定分拣小车的起点坐标Q(x_q，y_q)和终点坐标E(x_e，y_e)；
步骤3.2、建立两个列表J、Y，所述列表J存放将要访问的节点，所述列表Y存放已经访问过的节点；
步骤3.3、将起点存入列表J，并将所述起点的到达时间t以及平均速度v设为0，将所述起点的方向设为向东；
步骤3.4、取列表J中平均速度v最大的节点M(x_m，y_m)；
步骤3.5、以节点M(x_m，y_m)为中心，取其水平以及垂直方向上的满足条件(2)或条件(3)并且不包含在列表Y中的邻点N(x_n,y_n)，条件(2)和条件(3)的公式如下：
上式中，x_q和y_q分别为起点的横、纵坐标，x_n和y_n分别为邻点的横、纵坐标，x_e和y_e分别为终点的横、纵坐标；
步骤3.6、设定邻点N的方向，所述邻点N的方向具体表示邻点N相对于节点M的方向；
步骤3.7、依次计算邻点的到达时间t_n。邻点到达时间t_n的具体计算公式如下：
上式中，t_m为节点M的到达时间，四维数组值A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(t_m+a[x_m,y_m,k_1,INT(t_m)]+t_a/t_z)]为仓库数学模型A[M,N,K,T]中指定坐标的值，k_3为转向因子，当邻点N的方向与节点M的方向相同、相反或相垂直时，k_3分别取0、2、1；t_z为分拣小车旋转90°所花的时间，t_a为分拣小车在不出现拥堵的情况下向前行进一个节点所花的时间；
所述A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(...)]中的x_m和y_m为节点M的横纵坐标，INT()表示取整运算，k_1和k_2根据节点M和邻点N的方向取值；当节点M向东或者向南，并且邻点N向北或向东时，k_1和k_2取1和2；当节点M向西或者向北，并且邻点N向南或向西时，k_1和k_2取4和3；当节点M向南，并且邻点N向南或向西时，k_1和k_2取1和3；当节点M向北，并且邻点N向北或向东时，k_1和k_2取4和2；
步骤3.8、依次计算邻点的到达平均速度，平均速度具体计算公式如下：
N_v＝t_n/(|x_q-x_e|+|y_q-y_e|) (5)
步骤3.9、将邻点N的父节点设为节点M；
步骤3.10、判断邻点N是否为终点E，若是则结束步骤3，并得到路径；
步骤3.11、遍历列表J，若列表J中没有包含邻点N，或者列表J中已经包含邻点N并且列表J中邻点N的平均速度比新计算的邻点N的平均速度小，则添加新计算的邻点N到列表J中，若列表J中以及包含邻点N，则覆盖原列表J中的邻点N；
步骤3.12、将节点M存入列表Y中并跳转到步骤3.4；
步骤4、更新仓库模型A[M,N,K,T]，所述仓库模型A[M,N,K,T]每隔时间t_z更新一次，所述t_z为小车实际转向所花时间，处理公式如下：
A[m,n,k,0]＝0 (6)
A[m,n,k,t]＝A[m,n,k,t+1] (7)
以上两式中，m依次取0到M，n依次取0到N，k依次取0到K，t依次取0到T；
步骤5、将小车路线信息存入结构体数组R[P_N]中，并返回至步骤2；
步骤6、输出小车路径信息。
本发明的技术构思为：首先抽象出矩阵式仓库的数学模型，在该数学模型中标明了各个节点的子节点在特定时间的转向车辆数。在规划路径的过程中，考虑小车转向、直线行进所花的时间以及小车等待其他车辆转向所花的时间，优先搜索所花时间少，行进速度快的路线。搜索出路径后，将路径信息导入仓库的数学模型中，并进行下一轮的路径规划。
本发明的有益效果主要表现在：本发明的技术方案提出的路径规划方法能够有效的减少小车在行进过程中转向所花的时间以及等待其他车辆转向所花的时间，降低小车的拥堵概率，提高小车的分拣效率。
附图说明
图1是矩阵式仓库模型示意图。
图2是一种适用于矩阵式仓库的分拣小车路径规划方法示意图。
图3是小车路径搜索的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种适用于矩阵式仓库的分拣小车路径规划方法，所述方法包括如下步骤：
步骤1、建立仓库模型A[M,N,K,T]，所述A[M,N,K,T]为一四维数组。
进一步，所述A[M,N,K,T]中的M,N分别代表实际矩阵式仓库的横向维度和纵向维度。所述A[M,N,K,T]中K代表每个网格节点上的子节点数，K取4。所诉A[M,N,K,T]中T代表时间项，T取[30,120]间的整数。
本实施例中，M和N为20和15，K为4，T为120，仓库模型为A[20,15,4,120]。
步骤2、小车路线信息导入仓库模型A[M,N,K,T]，过程如下：
步骤2.1、接收小车路线信息，所述小车路线信息用一结构体数组R[P_N]表示。
进一步，结构体r中包含m、n、k、t四个数据，所述P_N表示小车路线中经过的网格节点数。
更进一步，所述结构体r中的m表示横向坐标，所述结构体r中的n表示纵向坐标，所述结构体r中的t表示到达节点时间，所述结构体r中的k表示转向信息。当小车由西转向南或由北转向东时，k取1。当小车由南转向东或由北转向西时，k取2。当小车由北转向西或由东转向南时，k取3。当小车由东转向北或由南转向西时，k取4。
步骤2.2、导入小车路线信息到仓库数学模型中，过程如下：
步骤2.2.1、取一临时变量tp＝0。
步骤2.2.2、判断tp<P_N是否成立，若不成立则结束步骤2，若成立则向下执行。
步骤2.2.3、取一临时变量i，从0开始以增量1递增取值，依次执行公式(1)，直到i的值等于A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]；
公式(1)如下：
A[R[tp].m,R[tp].n,R[tp].k,R[tp].t+i]＝A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]+1-i (1)
步骤2.2.4、临时变量tp自增1，跳转到步骤2.2.2。
步骤3、搜索小车路径，具体过程如下：
步骤3.1、确定分拣小车的起点坐标Q(x_q，y_q)和终点坐标E(x_e，y_e)。
步骤3.2、建立两个列表J、Y，所述列表J存放将要访问的节点，所述列表Y存放已经访问过的节点。
本实施例中计算三辆小车的路径，三辆小车的发车时间紧挨，起点都为Q(0，0)，终点为E(7，8)。
步骤3.3、将起点存入列表J，并将所述起点的到达时间t以及平均速度v设为0，将所述起点的方向设为向东。
步骤3.4、取列表J中平均速度v最大的节点M(x_m，y_m)。
步骤3.5、以节点M(x_m，y_m)为中心，取其水平以及垂直方向上的满足条件(2)或条件(3)并且不包含在列表Y中的邻点N(x_n,y_n)，条件(2)和条件(3)的公式如下：
上式中，x_q和y_q分别为起点的横、纵坐标，x_n和y_n分别为邻点的横、纵坐标，x_e和y_e分别为终点的横、纵坐标。
步骤3.6、设定邻点N的方向，所述邻点N的方向具体表示邻点N相对于节点M的方向。
步骤3.7、依次计算邻点的到达时间t_n，邻点到达时间t_n的计算公式如下：
上式中，t_m为节点M的到达时间，四维数组值A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(t_m+a[x_m,y_m,k_1,INT(t_m)]+t_a/t_z)]为仓库数学模型A[M,N,K,T]中指定坐标的值，k_3为转向因子，当邻点N的方向与节点M的方向相同、相反或相垂直时，k_3分别取0、2、1。t_z为分拣小车旋转90°所花的时间，t_a为分拣小车在不出现拥堵的情况下向前行进一个节点所花的时间。
进一步，所诉A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(...)]中的x_m和y_m为节点M的横纵坐标，INT()表示取整运算，k_1和k_2根据节点M和邻点N的方向取值。当节点M向东或者向南，并且邻点N向北或向东时，k_1和k_2取1和2。当节点M向西或者向北，并且邻点N向南或向西时，k_1和k_2取4和3。当节点M向南，并且邻点N向南或向西时，k_1和k_2取1和3。当节点M向北，并且邻点N向北或向东时，k_1和k_2取4和2。
步骤3.8、依次计算邻点的到达平均速度，平均速度计算公式如下：
N_v＝t_n/(|x_q-x_e|+|y_q-y_e|) (5)
步骤3.9、将邻点N的父节点设为节点M。
步骤3.10、判断邻点N是否为终点E，若是则结束步骤3，并得到路径。
步骤3.11、遍历列表J，若列表J中没有包含邻点N，或者列表J中已经包含邻点N并且列表J中邻点N的平均速度比新计算的邻点N的平均速度小，则添加新计算的邻点N到列表J中，若列表J中以及包含邻点N，则覆盖原列表J中的邻点N。
步骤3.12、将节点M存入列表Y中并跳转到步骤3.4。
步骤4、更新仓库模型A[M,N,K,T]，所述仓库模型A[M,N,K,T]每隔时间t_z更新一次，所述t_z为小车实际转向所花时间，体处理公式如下：
A[m,n,k,0]＝0 (6)
A[m,n,k,t]＝A[m,n,k,t+1] (7)
以上两式中，m依次取0到M，n依次取0到N，k依次取0到K，t依次取0到T。
步骤5、将小车路线信息存入结构体数组R[P_N]中，并返回至步骤2。
步骤6、输出小车路径信息。
在本实施例中，一号小车的路径信息为(0，0)—>(1，0)—>(2，0)—>(3，0)—>(4，0)—>(5，0)—>(6，0)—>(7，0)—>(7，1)—>(7，2)—>(7，3)—>(7，4)—>(7，5)—>(7，6)—>(7，7)—>(7，8)。二号小车的路径信息为(0，0)—>(1，0)—>(2，0)—>(3，0)—>(4，0)—>(5，0)—>(6，0)—>(7，0)—>(7，1)—>(7，2)—>(7，3)—>(7，4)—>(7，5)—>(7，6)—>(7，7)—>(7，8)。三号小车的路径信息为(0，0)—>(0，1)—>(0，2)—>(0，3)—>(0，4)—>(0，5)—>(0，6)—>(0，7)—>(0，8)—>(1，8)—>(2，8)—>(3，8)—>(4，8)—>(5，8)—>(6，8)—>(7，8)。一号小车和二号小车的路径信息相同，二号小车在节点(7，0)上等待了一号小车转向，发生了轻度拥堵。所以当三号小车规划路径时，选择了与一号小车和二号小车不同的路径，避开了拥堵节点，减轻了道路拥堵。

Claims (1)

1.一种适用于矩阵式仓库的分拣小车路径规划方法，其特征在于：所述方法包括如下步骤：
步骤1、建立仓库模型A[M,N,K,T]，所述A[M,N,K,T]为一四维数组；
所述A[M,N,K,T]中的M,N分别代表实际矩阵式仓库的横向维度和纵向维度，所述A[M,N,K,T]中K代表每个网格节点上的子节点数，所述A[M,N,K,T]中T代表时间项；
步骤2、小车路线信息导入仓库模型A[M,N,K,T]，过程如下：
步骤2.1、接收小车路线信息，所述小车路线信息用一结构体数组R[P_N]表示；
结构体r中包含m、n、k、t四个数据，所述P_N表示小车路线中经过的网格节点数；所述结构体r中的m表示横向坐标，所述结构体r中的n表示纵向坐标，所述结构体r中的t表示到达节点时间，所述结构体r中的k表示转向信息，当小车由西转向南或由北转向东时，k取1；当小车由南转向东或由北转向西时，k取2；当小车由北转向西或由东转向南时，k取3；当小车由东转向北或由南转向西时，k取4；
步骤2.2、导入小车路线信息到仓库数学模型中，过程如下：
步骤2.2.1、取一临时变量tp＝0；
步骤2.2.2、判断tp<P_N是否成立，若不成立则结束步骤2，若成立则向下执行；
步骤2.2.3、取一临时变量i，从0开始以增量1递增取值，依次执行公式(1)，
直到i的值等于A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]；公式(1)如下：
A[R[tp].m,R[tp].n,R[tp].k,R[tp].t+i]＝A[R[tp].m,R[tp].n,R[tp].k,R[tp].t]+1-i (1)
步骤2.2.4、临时变量tp自增1，跳转到步骤2.2.2；
步骤3、搜索小车路径，具体过程如下：
步骤3.1、确定分拣小车的起点坐标Q(x_q，y_q)和终点坐标E(x_e，y_e)；
步骤3.2、建立两个列表J、Y，所述列表J存放将要访问的节点，所述列表Y存放已经访问过的节点；
步骤3.3、将起点存入列表J，并将所述起点的到达时间t以及平均速度v设为0，将所述起点的方向设为向东；
步骤3.4、取列表J中平均速度v最大的节点M(x_m，y_m)；
步骤3.5、以节点M(x_m，y_m)为中心，取其水平以及垂直方向上的满足条件(2)或条件(3)并且不包含在列表Y中的邻点N(x_n,y_n)，条件(2)和条件(3)的公式如下：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>x</mi> <mo>_</mo> <mi>q</mi> <mo>&amp;le;</mo> <mi>x</mi> <mo>_</mo> <mi>n</mi> <mo>&amp;le;</mo> <mi>x</mi> <mo>_</mo> <mi>e</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>y</mi> <mo>_</mo> <mi>q</mi> <mo>&amp;le;</mo> <mi>y</mi> <mo>_</mo> <mi>n</mi> <mo>&amp;le;</mo> <mi>y</mi> <mo>_</mo> <mi>e</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>x</mi> <mo>_</mo> <mi>e</mi> <mo>&amp;le;</mo> <mi>x</mi> <mo>_</mo> <mi>n</mi> <mo>&amp;le;</mo> <mi>x</mi> <mo>_</mo> <mi>q</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>y</mi> <mo>_</mo> <mi>e</mi> <mo>&amp;le;</mo> <mi>y</mi> <mo>_</mo> <mi>n</mi> <mo>&amp;le;</mo> <mi>y</mi> <mo>_</mo> <mi>q</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
上式中，x_q和y_q分别为起点的横、纵坐标，x_n和y_n分别为邻点的横、纵坐标，x_e和y_e分别为终点的横、纵坐标；
步骤3.6、设定邻点N的方向，所述邻点N的方向具体表示邻点N相对于节点M的方向；
步骤3.7、依次计算邻点的到达时间t_n。邻点到达时间t_n的计算公式如下：
t_n＝t_m+A[x_m,y_m,k_1,INT(t_m)]+k_3+t_a/t_z+A[x_m,y_m,k_2,INT(t_m+A[x_m,y_m,k_1,INT(t_m)]+t_a/t_z)] (4)
上式中，t_m为节点M的到达时间，四维数组值A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(t_m+a[x_m,y_m,k_1,INT(t_m)]+t_a/t_z)]为仓库数学模型A[M,N,K,T]中指定坐标的值，k_3为转向因子，当邻点N的方向与节点M的方向相同、相反或相垂直时，k_3分别取0、2、1；t_z为分拣小车旋转90°所花的时间，t_a为分拣小车在不出现拥堵的情况下向前行进一个节点所花的时间；
所述A[x_m,y_m,k_1,INT(t_m)]和A[x_m,y_m,k_2,INT(...)]中的x_m和y_m为节点M的横纵坐标，INT()表示取整运算，k_1和k_2根据节点M和邻点N的方向取值；当节点M向东或者向南，并且邻点N向北或向东时，k_1和k_2取1和2；当节点M向西或者向北，并且邻点N向南或向西时，k_1和k_2取4和3；当节点M向南，并且邻点N向南或向西时，k_1和k_2取1和3；当节点M向北，并且邻点N向北或向东时，k_1和k_2取4和2；
步骤3.8、依次计算邻点的到达平均速度，平均速度计算公式如下：
N_v＝t_n/(|x_q-x_e|+|y_q-y_e|) (5)
步骤3.9、将邻点N的父节点设为节点M；
步骤3.10、判断邻点N是否为终点E，若是则结束步骤3，并得到路径；
步骤3.11、遍历列表J，若列表J中没有包含邻点N，或者列表J中已经包含邻点N并且列表J中邻点N的平均速度比新计算的邻点N的平均速度小，则添加新计算的邻点N到列表J中，若列表J中以及包含邻点N，则覆盖原列表J中的邻点N；
步骤3.12、将节点M存入列表Y中并跳转到步骤3.4；
步骤4、更新仓库模型A[M,N,K,T]，所述仓库模型A[M,N,K,T]每隔时间t_z更新一次，所述t_z为小车实际转向所花时间，处理公式如下：
A[m,n,k,0]＝0 (6)
A[m,n,k,t]＝A[m,n,k,t+1] (7)
以上两式中，m依次取0到M，n依次取0到N，k依次取0到K，t依次取0到T；
步骤5、将小车路线信息存入结构体数组R[P_N]中，并返回至步骤2；
步骤6、输出小车路径信息。
CN201710478304.2A 2017-06-22 2017-06-22 一种适用于矩阵式仓库的分拣小车路径规划方法 Pending CN107092265A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710478304.2A CN107092265A (zh) 2017-06-22 2017-06-22 一种适用于矩阵式仓库的分拣小车路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710478304.2A CN107092265A (zh) 2017-06-22 2017-06-22 一种适用于矩阵式仓库的分拣小车路径规划方法

Publications (1)

Publication Number Publication Date
CN107092265A true CN107092265A (zh) 2017-08-25

Family

ID=59640769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710478304.2A Pending CN107092265A (zh) 2017-06-22 2017-06-22 一种适用于矩阵式仓库的分拣小车路径规划方法

Country Status (1)

Country Link
CN (1) CN107092265A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108897317A (zh) * 2018-06-14 2018-11-27 上海大学 一种自动导引小车agv的路径寻优方法、相关装置及存储介质
CN109146163A (zh) * 2018-08-07 2019-01-04 上海大学 自动分拣系统分拣距离的优化方法、设备及存储介质
CN109420617A (zh) * 2017-08-30 2019-03-05 杭州海康机器人技术有限公司 包裹分拣平台、包裹分拣系统、机器人调度方法及装置
CN109947120A (zh) * 2019-04-29 2019-06-28 西安电子科技大学 仓储系统中的路径规划方法
CN110398954A (zh) * 2018-04-24 2019-11-01 北京京东尚科信息技术有限公司 一种路径规划、存储方法及其装置
CN110871980A (zh) * 2018-08-29 2020-03-10 天津京东深拓机器人科技有限公司 储位分类方法和装置
CN111157000A (zh) * 2018-11-06 2020-05-15 北京京东尚科信息技术有限公司 用于生成路径信息的方法和装置
CN111367272A (zh) * 2018-12-07 2020-07-03 现代自动车株式会社 自动导引车辆控制系统及自动导引车辆控制方法
CN112116120A (zh) * 2019-06-20 2020-12-22 北京京东振世信息技术有限公司 物流路径规划方法和装置
CN116976542A (zh) * 2023-09-22 2023-10-31 天津万事达物流装备有限公司 一种用于物流自动分拣路径的优化方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103344248A (zh) * 2013-07-16 2013-10-09 长春理工大学 一种车辆导航系统的最佳路径计算方法
CN103383569A (zh) * 2013-05-31 2013-11-06 浙江工业大学 基于线性时序逻辑的移动机器人最优巡回路径设定方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
CN103528586A (zh) * 2013-10-31 2014-01-22 中国航天时代电子公司 基于故障网格的航迹规划算法设计
CN103697896A (zh) * 2014-01-13 2014-04-02 西安电子科技大学 一种无人机路径规划方法
JP2015045974A (ja) * 2013-08-28 2015-03-12 株式会社国際電気通信基礎技術研究所 経路算出装置、経路算出プログラムおよび経路算出方法
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN104834308A (zh) * 2015-04-10 2015-08-12 浙江工业大学 满足复杂需求的最优巡回控制方法
CN105467997A (zh) * 2015-12-21 2016-04-06 浙江工业大学 基于线性时序逻辑理论的仓储机器人路径规划方法
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN105738868A (zh) * 2016-04-15 2016-07-06 浙江工业大学义乌科学技术研究院有限公司 一种基于双图像传感器和可见光通信技术的高精度室内定位方法
CN106500697A (zh) * 2016-10-13 2017-03-15 浙江工业大学 适用于动态环境的ltl‑a*‑a*最优路径规划方法
CN106525047A (zh) * 2016-10-28 2017-03-22 重庆交通大学 一种基于floyd算法的无人机路径规划方法
RU2015143941A (ru) * 2015-10-13 2017-04-27 Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт Военно-воздушных сил" Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВВС Минобороны России") Способ обнаружения движущейся цели с различением скоростных и маневренных характеристик

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103383569A (zh) * 2013-05-31 2013-11-06 浙江工业大学 基于线性时序逻辑的移动机器人最优巡回路径设定方法
CN103344248A (zh) * 2013-07-16 2013-10-09 长春理工大学 一种车辆导航系统的最佳路径计算方法
CN103439972A (zh) * 2013-08-06 2013-12-11 重庆邮电大学 一种动态复杂环境下的移动机器人路径规划方法
JP2015045974A (ja) * 2013-08-28 2015-03-12 株式会社国際電気通信基礎技術研究所 経路算出装置、経路算出プログラムおよび経路算出方法
CN103528586A (zh) * 2013-10-31 2014-01-22 中国航天时代电子公司 基于故障网格的航迹规划算法设计
CN103697896A (zh) * 2014-01-13 2014-04-02 西安电子科技大学 一种无人机路径规划方法
CN104834309A (zh) * 2015-04-10 2015-08-12 浙江工业大学 基于目标跟踪控制策略的单移动机器人最优巡回控制方法
CN104834308A (zh) * 2015-04-10 2015-08-12 浙江工业大学 满足复杂需求的最优巡回控制方法
RU2015143941A (ru) * 2015-10-13 2017-04-27 Федеральное государственное бюджетное учреждение "Центральный научно-исследовательский институт Военно-воздушных сил" Министерства обороны Российской Федерации (ФГБУ "ЦНИИ ВВС Минобороны России") Способ обнаружения движущейся цели с различением скоростных и маневренных характеристик
CN105467997A (zh) * 2015-12-21 2016-04-06 浙江工业大学 基于线性时序逻辑理论的仓储机器人路径规划方法
CN105652876A (zh) * 2016-03-29 2016-06-08 北京工业大学 基于数组地图的移动机器人室内路径规划方法
CN105738868A (zh) * 2016-04-15 2016-07-06 浙江工业大学义乌科学技术研究院有限公司 一种基于双图像传感器和可见光通信技术的高精度室内定位方法
CN106500697A (zh) * 2016-10-13 2017-03-15 浙江工业大学 适用于动态环境的ltl‑a*‑a*最优路径规划方法
CN106525047A (zh) * 2016-10-28 2017-03-22 重庆交通大学 一种基于floyd算法的无人机路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
禹鑫燚等: "基于线性时序逻辑理论的仓储机器人路径规划", 《高技术通讯》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109420617A (zh) * 2017-08-30 2019-03-05 杭州海康机器人技术有限公司 包裹分拣平台、包裹分拣系统、机器人调度方法及装置
CN109420617B (zh) * 2017-08-30 2024-02-02 杭州海康机器人股份有限公司 包裹分拣平台、包裹分拣系统、机器人调度方法及装置
CN110398954A (zh) * 2018-04-24 2019-11-01 北京京东尚科信息技术有限公司 一种路径规划、存储方法及其装置
CN108897317B (zh) * 2018-06-14 2021-03-26 上海大学 一种自动导引小车agv的路径寻优方法、相关装置及存储介质
CN108897317A (zh) * 2018-06-14 2018-11-27 上海大学 一种自动导引小车agv的路径寻优方法、相关装置及存储介质
CN109146163A (zh) * 2018-08-07 2019-01-04 上海大学 自动分拣系统分拣距离的优化方法、设备及存储介质
CN109146163B (zh) * 2018-08-07 2021-12-07 上海大学 自动分拣系统分拣距离的优化方法、设备及存储介质
CN110871980B (zh) * 2018-08-29 2023-05-02 北京京东乾石科技有限公司 储位分类方法和装置
CN110871980A (zh) * 2018-08-29 2020-03-10 天津京东深拓机器人科技有限公司 储位分类方法和装置
CN111157000A (zh) * 2018-11-06 2020-05-15 北京京东尚科信息技术有限公司 用于生成路径信息的方法和装置
CN111367272A (zh) * 2018-12-07 2020-07-03 现代自动车株式会社 自动导引车辆控制系统及自动导引车辆控制方法
CN109947120B (zh) * 2019-04-29 2021-03-23 西安电子科技大学 仓储系统中的路径规划方法
CN109947120A (zh) * 2019-04-29 2019-06-28 西安电子科技大学 仓储系统中的路径规划方法
CN112116120A (zh) * 2019-06-20 2020-12-22 北京京东振世信息技术有限公司 物流路径规划方法和装置
CN116976542A (zh) * 2023-09-22 2023-10-31 天津万事达物流装备有限公司 一种用于物流自动分拣路径的优化方法及系统
CN116976542B (zh) * 2023-09-22 2023-12-01 天津万事达物流装备有限公司 一种用于物流自动分拣路径的优化方法及系统

Similar Documents

Publication Publication Date Title
CN107092265A (zh) 一种适用于矩阵式仓库的分拣小车路径规划方法
Sun et al. AGV path planning based on improved Dijkstra algorithm
CN112833905A (zh) 基于改进a*算法的分布式多agv无碰撞路径规划方法
Chao et al. Developed Dijkstra shortest path search algorithm and simulation
CN109491389A (zh) 一种具有速度约束的机器人轨迹跟踪方法
Bahabry et al. Low-altitude navigation for multi-rotor drones in urban areas
CN108932876B (zh) 一种引入黑区的a*和蚁群混合算法的快递无人机航迹规划方法
CN106371445A (zh) 一种基于拓扑地图的无人车规划控制方法
CN108827311B (zh) 一种制造车间无人搬运系统路径规划方法
CN107633375A (zh) 一种人机协作仓储分拣方法
CN106297357A (zh) 基于车联网的实时路径规划和poi信息检索系统及方法
CN101694749A (zh) 一种路径推测方法及装置
CN112001557B (zh) 基于tms系统的物流配送路径优化方法、存储介质和计算机设备
Jang et al. Optimal control-based UAV path planning with dynamically-constrained TSP with neighborhoods
CN111007862A (zh) 一种多agv协同工作的路径规划方法
CN105426992A (zh) 移动机器人旅行商优化方法
CN110488842A (zh) 一种基于双向内核岭回归的车辆轨迹预测方法
CN110007620A (zh) 一种设备控制方法及装置
CN115826586B (zh) 一种融合全局算法和局部算法的路径规划方法及系统
CN115079701A (zh) 一种无人车与无人机协同的路径规划方法
CN117553818A (zh) 一种基于改进a*算法的路径规划方法及系统
CN112508481A (zh) 一种智能仓储多agv调度方法
CN116858267A (zh) 一种烟草行业成品库平库盘点机器人的路径规划方法
CN209080876U (zh) 一种运输设备及运输系统
CN113885494B (zh) 电力系统机器人的路径规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170825