CN108985497B - 一种智能运输车数量及充电桩数量的规划方法及系统 - Google Patents

一种智能运输车数量及充电桩数量的规划方法及系统 Download PDF

Info

Publication number
CN108985497B
CN108985497B CN201810671250.6A CN201810671250A CN108985497B CN 108985497 B CN108985497 B CN 108985497B CN 201810671250 A CN201810671250 A CN 201810671250A CN 108985497 B CN108985497 B CN 108985497B
Authority
CN
China
Prior art keywords
agv
vehicles
probability
lower limit
transportation
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.)
Active
Application number
CN201810671250.6A
Other languages
English (en)
Other versions
CN108985497A (zh
Inventor
羊铭雨
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.)
Shenzhen Yuhetian Smart City Operation Group Co ltd
Original Assignee
Shenzhen Qifeng Intelligent Robot 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 Shenzhen Qifeng Intelligent Robot Technology Co ltd filed Critical Shenzhen Qifeng Intelligent Robot Technology Co ltd
Priority to CN201810671250.6A priority Critical patent/CN108985497B/zh
Publication of CN108985497A publication Critical patent/CN108985497A/zh
Application granted granted Critical
Publication of CN108985497B publication Critical patent/CN108985497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种AGV智能运输车数量及充电桩数量的规划方法及系统，其中，该方法包括步骤：获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；根据所述AGV运输车数量计算所需充电桩数量。通过计算车间所需AGV智能运输车的数量以合理规划AGV智能运输车数量及充电桩数量，为AGV智能运输车提供更加灵活的运输策略和充电策略，优化AGV智能运输车的充电过程，以提高AGV智能运输车的工作效率，节约成本。

Description

一种智能运输车数量及充电桩数量的规划方法及系统
技术领域
本发明涉及AGV智能运输车领域，尤其涉及一种智能运输车数量及充电桩数量的规划方法及系统。
背景技术
21世纪制造业将进入一个新阶段，敏捷制造将成为企业的主导模式。要减小生产成本对生产批量的依赖，就要发展敏捷制造装备。由于机器人具有自主规划、可编程、可协调作业和基于传感器控制等特点，它将成为可重组的敏捷制造生产装备及系统的重要组成部分，为传统制造企业向敏捷制造企业跨越发展提供重要的技术支持。
自动导向小车((Automated Guided Vehicle简称AGV)是移动机器人的一种，是现代制造企业物流系统中的重要设备，主要用来储运各类物料，为系统柔性化、集成化、高效运行提供了重要保证。AGV主要有两类形式，一种是固定路径AGV，它的运行路径是固定的，且有轨道，所以导引技术相对简单；另一种是自由路径AGV，由于没有轨道，它为AGV自由运行提供了最大可能，但由于技术限制，AGV沿任意路径自由运行仍是一个有待解决的技术难题。
随着生产车间智能化的提高，导向式AGV明显降低了AGV的柔性。因此，非导向式AGV将成为敏捷制造物流系统中的主要选择。在非导向式AGV系统中，AGV的运行路径不需要由附加设备决定，而且当车间的布局变化后，只要及时改变规划系统的软件参数即可满足路径规划要求。自动导引小车AGV适应性好、柔性程度高、可靠性好、可实现生产和搬运功能的集成化和自动化，在各国的许多行业都得到广泛的应用。
目前，在我国某些汽车、烟草行业，AGV已投入使用，并取得了良好的经济效益。但从使用形式来看，大都采用属于固定路径导向范畴的电磁导引AGV无固定路径自主导向的AGV。由于诸多问题未能完全解决，还没有达到实用。因此进行自由路径导向式AGV的研究，不仅对敏捷物流设备的研制和应用有现实的工程意义，而且对移动机器人路径规划有重要的理论意义。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种智能运输车数量及充电桩数量的规划方法及系统，可以优化AGV智能运输车的充电过程，以提高AGV智能运输车的工作效率，节约成本。
为了实现以上目的，本发明采用以下技术方案：
一种智能运输车数量及充电桩数量的规划方法，包括步骤：
获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；
根据所述AGV运输车数量计算所需充电桩数量；
优选的，所述AGV智能运输车单次运输的平均路程计算为：
S1＝aX+bY，
其中，S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
所述AGV智能运输车运输的平均速度计算为：
Figure 847897DEST_PATH_IMAGE001
其中，T总＝(Tc+Tw+Ts+Te)/K；S2表示AGV智能运输车单次运输的总路程，T总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料时间，K表示AGV智能运输车每天的有效工作系数。
优选的，计算所需的AGV智能运输车的数量具体为：
Figure 358513DEST_PATH_IMAGE002
其中，C表示AGV智能运输车每天运输的次数。
优选的，所述根据所述AGV运输车数量获得所需充电桩数量包括步骤：
根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断所述不同运行中的车辆数同时到达电量下限值需充电状态的各个概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
根据所述工作效率的取值获取最高效率对应的充电桩数量。
优选的，所述根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值具体为：
Figure 607091DEST_PATH_IMAGE003
其中，P表示运行中的车辆同时到达电量下限值需充电状态的概率，
Figure 595776DEST_PATH_IMAGE004
表示AGV运 输车任一时间内达到电量下限值的概率，
Figure 878990DEST_PATH_IMAGE005
表示AGV运输车未达到电量下限值的概率；m表 示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车的数量。
相应的，还提供一种智能运输车数量及充电桩数量的规划系统，包括：
获取模块，用于获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；第一计算模块，用于根据所述AGV运输车数量计算所需充电桩数量。
优选的，还包括：
第二计算模块，用于根据所述车间的长宽计算所述AGV智能运输车单次运输的平均路程，其中，计算公式包括：S1＝aX+bY，S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
第三计算模块，用于根据所述AGV智能运输车的单次运输总时长和单次运输总路程计算所述AGV智能运输车运输的平均速度，具体为：
Figure 542532DEST_PATH_IMAGE006
T总＝(Tc+Tw+Ts+Te)/K；其中，S2表示AGV智能运输车单次运输的总路程，T 总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料 时间，K表示AGV智能运输车每天的有效工作系数。
优选的，所述获取模块包括第一预设公式：
所述第一预设公式为
Figure 278407DEST_PATH_IMAGE007
其中，C表示AGV智能运输车每天运输的次数。
优选的，所述第一计算模块包括：
概率计算单元，用于根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断选取单元，用于判断所述不同运行中的车辆数同时到达电量下限值需充电状态的概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
效率计算单元，用于计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
充电桩数量获取单元，用于根据所述工作效率的取值获取最高效率对应的充电桩数量。
优选的，所述概率计算单元计算具体为：
Figure 70782DEST_PATH_IMAGE008
其中，P表示运行中的车辆同时到达电量下限值需充电状态的概率，
Figure 208502DEST_PATH_IMAGE004
表示AGV运 输车任一时间内达到电量下限值的概率，
Figure 795342DEST_PATH_IMAGE005
表示AGV运输车未达到电量下限值的概率；m表 示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车的数量。
与现有技术相比，本发明通过合理规划AGV智能运输车数量及充电桩数量，为AGV智能运输车提供更加灵活的运输及充电策略，优化AGV智能运输车的充电过程，以提高AGV智能运输车的工作效率，节约成本。
附图说明
图1为实施例一提供的一种智能运输车数量及充电桩数量的规划方法流程图；
图2为实施例一提供的一种智能运输车数量及充电桩数量的规划系统结构图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
本实施例提供一种AGV智能运输车数量及充电桩数量的规划方法，如图1所示，包括步骤：
S11、获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；
S12、根据所述AGV运输车数量计算所需充电桩数量。
目前，现有技术中没有为AGV智能运输车提供很好的充电方案，本实施例通过合理规划充电桩数量，为AGV提供灵活的充电策略，以使AGV智能运输车的运输效率最大化。本实施例通过步骤S11计算车间所需的AGV智能运输车的数量再通过步骤S12根据AGV数量计算获得所需的充电桩数量。
优选的，所述AGV智能运输车单次运输的平均路程计算为：S1＝aX+bY，S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
根据所述AGV智能运输车的单次运输总时长和单次运输总路程计算所述AGV智能运输车运输的平均速度，具体为：
T总＝(Tc+Tw+Ts+Te)/K；
其中，S2表示AGV智能运输车单次运输的总路程，T总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料时间，K表示AGV智能运输车每天的有效工作系数。
由于AGV系统的小车数量配置很大程度上会受到AGV系统中小车任务调度方式的影响，规划人员通过对比分析企业总成本，平衡生产物流模式及考虑车间内AGV送料系统与部分人工送料岗位互相协同工作，将AGV系统看作一个随机服务系统，当物料需求产生时，若有空闲小车，便立即相应服务，若无，则排队等待。以最低总成本作为目标函数，以AGV小车数量作为决策变量，基于AGV系统中与小车数量存在密切联系的AGV系统使用成本与物料拉动需求因排队而无法及时响应所产生的等待损失两者的总成本统筹考虑建立起相关数学模型。AGV数量可根据该车间的日工作时间及AGV的日工作工时确定，受车间面积、仓库出货量以及AGV各技术参数的影响，可建立模型进行求解：
假设在X*Y的车间中，设置一个取货点，每辆AGV工作量为C/天，假设每辆AGV行驶的路线是等可能的，取AGV执行任务平均运行速度为V，行驶路程取均值S1，例如a＝1/2，b＝1/4，则位置点在车间1/2宽和1/4长的地方，每辆AGV的平均路程即为S1＝aX+bY，再通过AGV总路程除以总时间获得AGV的平均速度，每辆AGV的总路程已知，总时间T总包括主要包括：运料时间Te、取料时间Tw、充电时间Tc、空闲时间Ts，K为每天有效工作的系数，T总＝Tc+Tw+Ts+Te；AGV的运行为加速度运行，根据公式s＝1/2at2+vt ,AGV执行一次任务即运一次料的速度的变化曲线如图2所示，其中，0～t1表示顶升，t1～t2运行，t2～t3转弯，t3～t4运行，t4～t5进行取货，t5～t6运行，t6～t7转弯，t7～t8运行，t8～t9降落，因此单辆AGV每天的运料时间即有效工时为Te＝C*t9。
优选的，计算所需的AGV智能运输车的数量具体为：
Figure 815250DEST_PATH_IMAGE009
其中，C表示AGV智能运输车每天运输的次数。
计算得出平均执行一次任务所需的时间，即可求出较为精确的平均速度值V，得到 车间所需AGV数量N为：
Figure 21104DEST_PATH_IMAGE010
优选的，所述根据所述AGV运输车数量获得所需充电桩数量包括步骤：
根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断所述不同运行中的车辆数同时到达电量下限值需充电状态的各个概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
根据所述工作效率的取值获取最高效率对应的充电桩数量。
优选的，根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值具体为：
Figure 137964DEST_PATH_IMAGE011
，其中，P表示运行中的车辆同时到达电量下限值需充电状态的 概率，
Figure 36650DEST_PATH_IMAGE012
表示AGV运输车任一时间内达到电量下限值的概率，
Figure 576478DEST_PATH_IMAGE013
表示AGV运输车未达到电量 下限值的概率；m表示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车的 数量。
考虑到实际情况，车间中每辆AGV运行状态(包括载重、路径等)必定有所不同，则 耗电量也会有所不同。基于统计学原理，计算出运行中的车辆同时到达需充电电量状态 (SOC)的概率P，即：
Figure 445077DEST_PATH_IMAGE011
。随着运行车辆的增加，配适当数量的充电桩可以提高 车间的工作效率。
m表示正在运行AGV的数量，n表示达到电量下限值AGV的数量，其中，m+n＝N,
Figure 557389DEST_PATH_IMAGE012
表 示任一时间段AGV达到电量下限值的概率，
Figure 486031DEST_PATH_IMAGE013
表示车辆未达到电量下限值的概率，假设到达 低电量的车辆数服从正态分布，具体数值可根据正态分布表求出。就AGV所使用的磷酸铁锂 电池，电池充放电时间比满足n:1，即每n台AGV配1台充电桩。但为使得效益最大化，其配比 可以进一步优化。假定P0表示n0辆车同时到达低电量这一事件发生的最小值(统计值)，P是n台车同时没电的概率，Q表示所需充电桩的数量。当几辆车同时没电的概率小于P0时，认为 其发生的概率很小(具体数值应经过大量实地测试确定，此时所需充电桩的最大值Qm＝n0。
根据电池实际充电数据变化特性，电池充电时间与电压值大致满足线性关系。为简化模型、优化车辆与充电桩配比，假设有效工时等于总工时-充电时间。
假设有10台车且每天需工作8小时，1台充电桩充电，日工作效率为80％。取P0＝0.1，即10辆车工作时3台同时没电的可能性较大：若3台车需充电1.6+1.2+0.8h，则工作效率75.5％；若增加1台充电桩：若3台车需充电2.8h，则工作效率76.5％。以下是电量-充电时间对应表：
Figure 683794DEST_PATH_IMAGE015
即每增加1台充电桩，其工作效率会有提升，但成本也会有所增加，整个系统可以稳定运行的工作效率由不同的工作条件、效率需求决定。因此，通过合理设置工作效率的最低值或者根据工作效率的值选择相应合适的充电桩数量有利于AGV运输车的高运输效率和低成本运作。
相应的，本实施例还提供一种智能运输车数量及充电桩数量的规划系统，如图2所示，包括：
获取模块11，用于获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；
第一计算模块12，用于根据所述AGV运输车数量计算所需充电桩数量。
优选的，还包括：
第二计算模块，用于根据所述车间的长宽计算所述AGV智能运输车单次运输的平均路程，其中，计算公式包括：S1＝aX+bY，S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
第三计算模块，用于根据所述AGV智能运输车的单次运输总时长和单次运输总路程计算所述AGV智能运输车运输的平均速度，具体为：
Figure 356084DEST_PATH_IMAGE016
T总＝(Tc+Tw+Ts+Te)/K；
其中，S2表示AGV智能运输车单次运输的总路程，T总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料时间，K表示AGV智能运输车每天的有效工作系数。
优选的，所述获取模块包括第一预设公式：
所述第一预设公式为
Figure 322903DEST_PATH_IMAGE007
其中，C表示AGV智能运输车每天运输的次数。
优选的，所述第一计算模块包括：
概率计算单元，用于根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断选取单元，用于判断所述不同运行中的车辆数同时到达电量下限值需充电状态的概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
效率计算单元，用于计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
充电桩数量获取单元，用于根据所述工作效率的取值获取最高效率对应的充电桩数量。
优选的，所述概率计算单元计算具体为：
Figure 189490DEST_PATH_IMAGE017
其中，P表示运行中的车辆同时到达电量下限值需充电状态 的概率，
Figure 405708DEST_PATH_IMAGE018
表示AGV运输车任一时间内达到电量下限值的概率，
Figure DEST_PATH_IMAGE019
表示AGV运输车未达到电 量下限值的概率；m表示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车 的数量。
本实施例通过计算车间所需AGV智能运输车的数量合理规划AGV智能运输车数量及充电桩数量，为AGV智能运输车提供更加灵活的运输及充电策略，优化AGV智能运输车的充电过程，以提高AGV智能运输车的工作效率，节约成本。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种智能运输车数量及充电桩数量的规划方法，其特征在于，包括步骤：
获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；
根据所述AGV运输车数量计算所需充电桩数量；
所述AGV智能运输车单次运输的平均路程计算为：
S1＝aX+bY，
其中S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
所述AGV智能运输车运输的平均速度计算为：
Figure 841116DEST_PATH_IMAGE001
其中，T总＝(Tc+Tw+Ts+Te)/K；S2表示AGV智能运输车单次运输的总路程，T总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料时间，K表示AGV智能运输车每天的有效工作系数；
计算所需的AGV智能运输车的数量具体为：
Figure 326060DEST_PATH_IMAGE002
其中，C表示AGV智能运输车每天运输的次数；
根据所述AGV运输车数量获得所需充电桩数量包括步骤：
根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断所述不同运行中的车辆数同时到达电量下限值需充电状态的各个概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
根据所述工作效率的取值获取最高效率对应的充电桩数量；
所述根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值具体为：
Figure 665905DEST_PATH_IMAGE003
，
其中，P表示运行中的车辆同时到达电量下限值需充电状态的概率，
Figure 538047DEST_PATH_IMAGE004
表示AGV运输车任一时间内达到电量下限值的概率，
Figure 62569DEST_PATH_IMAGE005
表示AGV运输车未达到电量下限值的概率；m表示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车的数量，m+n＝N。
2.一种智能运输车数量及充电桩数量的规划系统，其特征在于，包括：
获取模块，用于获取AGV智能运输车单次运输的平均速度和平均路程以计算车间所需的AGV智能运输车数量；第一计算模块，用于根据所述AGV运输车数量计算所需充电桩数量；
还包括：
第二计算模块，用于根据所述车间的长宽计算所述AGV智能运输车单次运输的平均路程，其中，计算公式包括：S1＝aX+bY，S1表示平均路程，X表示车间宽，Y表示车间长，a ,b为常数；
第三计算模块，用于根据所述AGV智能运输车的单次运输总时长和单次运输总路程计算所述AGV智能运输车运输的平均速度，具体为：
Figure 161106DEST_PATH_IMAGE006
T总＝(Tc+Tw+Ts+Te)/K；
其中，S2表示AGV智能运输车单次运输的总路程，T总表示单次运输总时长，Tc表示充电时间，Tw表示取料时间，Ts表示空闲时间，Te表示运料时间，K表示AGV智能运输车每天的有效工作系数；
所述获取模块包括第一预设公式：
所述第一预设公式为
Figure 429276DEST_PATH_IMAGE007
其中，C表示AGV智能运输车每天运输的次数；
所述第一计算模块包括：
概率计算单元，用于根据所述AGV运输车辆数量计算不同运行中的车辆数同时到达电量下限值需充电状态的不同概率值；
判断选取单元，用于判断所述不同运行中的车辆数同时到达电量下限值需充电状态的概率值是否小于概率阈值，若是，则选取与所述概率阈值最接近的概率值对应的同时到达电量下限值的运行中车辆数；
效率计算单元，用于计算所述运行中车辆数对应不同充电桩数量的不同工作效率；
充电桩数量获取单元，用于根据所述工作效率的取值获取最高效率对应的充电桩数量；
其特征在于，概率计算单元计算具体为：
Figure 890345DEST_PATH_IMAGE008
其中，P表示运行中的车辆同时到达电量下限值需充电状态的概率，
Figure 461134DEST_PATH_IMAGE009
表示AGV运输车任一时间内达到电量下限值的概率，
Figure 640443DEST_PATH_IMAGE010
表示AGV运输车未达到电量下限值的概率；m表示正在运行的AGV运输车的数量，n表示达到电量下限值的AGV运输车的数量，m+n＝N。
CN201810671250.6A 2018-06-26 2018-06-26 一种智能运输车数量及充电桩数量的规划方法及系统 Active CN108985497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810671250.6A CN108985497B (zh) 2018-06-26 2018-06-26 一种智能运输车数量及充电桩数量的规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810671250.6A CN108985497B (zh) 2018-06-26 2018-06-26 一种智能运输车数量及充电桩数量的规划方法及系统

Publications (2)

Publication Number Publication Date
CN108985497A CN108985497A (zh) 2018-12-11
CN108985497B true CN108985497B (zh) 2021-11-02

Family

ID=64538781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810671250.6A Active CN108985497B (zh) 2018-06-26 2018-06-26 一种智能运输车数量及充电桩数量的规划方法及系统

Country Status (1)

Country Link
CN (1) CN108985497B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109977527B (zh) * 2019-03-21 2021-04-16 华北电力大学 一种城市公共充电站网络的充电桩配置方法
CN110065488B (zh) * 2019-05-15 2024-02-02 大连华锐重工焦炉车辆设备有限公司 一种重型agv框架运输车智能控制系统及控制方法
CN111768629B (zh) * 2019-11-04 2022-04-12 北京京东乾石科技有限公司 车辆调度方法、装置和系统
CN111983480B (zh) * 2020-08-19 2023-02-28 华晟（青岛）智能装备科技有限公司 一种基于马氏过程的agv电量状态预测方法及系统
CN112379607B (zh) * 2021-01-18 2021-04-13 中联重科股份有限公司 模拟运行方法及装置、数量规划方法、装置及系统
CN113978298B (zh) * 2021-08-24 2024-01-12 天津港第二集装箱码头有限公司 一种考虑无人集卡侧方位充电的智能充电桩动态分配方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463701A (zh) * 2014-12-07 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种配电系统与电动汽车充电网络的协调规划方法
CN104836293A (zh) * 2015-05-08 2015-08-12 杭州南江机器人股份有限公司 自动导引运输车(agv)的充电方法和移动充电桩、充电系统
CN106682766A (zh) * 2016-12-06 2017-05-17 国网北京市电力公司 充电桩的布局方法和装置
CN107179769A (zh) * 2017-06-06 2017-09-19 泉州装备制造研究所 一种基于实时调度仿真和排队论的agv数量配置方法
CN107379994A (zh) * 2017-08-01 2017-11-24 安徽福的信息技术服务有限公司 一种无人搬运车供电管理方法
CN107727099A (zh) * 2017-09-29 2018-02-23 山东大学 一种工厂内物料运输多agv调度及路径规划方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6571213B1 (en) * 1999-12-30 2003-05-27 Pitney Bowes Inc. Router utility for a parcel shipping system
US20180060776A1 (en) * 2016-08-29 2018-03-01 Ford Global Technologies, Llc Optimizing Selection of Battery Electric Vehicles to Perform Delivery Tasks

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463701A (zh) * 2014-12-07 2015-03-25 国网浙江省电力公司电动汽车服务分公司 一种配电系统与电动汽车充电网络的协调规划方法
CN104836293A (zh) * 2015-05-08 2015-08-12 杭州南江机器人股份有限公司 自动导引运输车(agv)的充电方法和移动充电桩、充电系统
CN106682766A (zh) * 2016-12-06 2017-05-17 国网北京市电力公司 充电桩的布局方法和装置
CN107179769A (zh) * 2017-06-06 2017-09-19 泉州装备制造研究所 一种基于实时调度仿真和排队论的agv数量配置方法
CN107379994A (zh) * 2017-08-01 2017-11-24 安徽福的信息技术服务有限公司 一种无人搬运车供电管理方法
CN107727099A (zh) * 2017-09-29 2018-02-23 山东大学 一种工厂内物料运输多agv调度及路径规划方法

Also Published As

Publication number Publication date
CN108985497A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN108985497B (zh) 一种智能运输车数量及充电桩数量的规划方法及系统
CN111091238B (zh) 一种自动化集装箱码头agv智能化调度方法
CN107256469A (zh) 基于叉车式agv小车的优化出入库管理系统及其方法
CN110598928B (zh) 一种基于多工位agv的智能调度系统及其调度方法
CN111882215B (zh) 一种含有agv的个性化定制柔性作业车间调度方法
CN108470238B (zh) 基于图论km匹配算法的agv自动调度方法
CN111563672B (zh) 一种多载agv数量配置方法
CN104944092A (zh) 一种轮胎厂自动化输送系统及输送方法
CN109435760B (zh) Agv叉车自主充电控制装置及方法
CN110942203B (zh) 一种自动化集装箱码头agv路径优化方法
CN114852572A (zh) 一种立体仓库用货物智能运输装置
CN111768155A (zh) 一种调度控制方法、智能移动设备、服务器和存储介质
CN116090799A (zh) 一种针对复杂散粮作业的码头生产调度方法及系统
CN116954179B (zh) 一种仓储用自动搬运小车的控制方法和系统
CN113762597A (zh) 一种基于云平台管理的智能agv调度系统和方法
Xu et al. Research on open-pit mine vehicle scheduling problem with approximate dynamic programming
CN114565133A (zh) 一种露天矿车辆调度方法及装置
Sai-nan Optimization problem for AGV in automated warehouse system
CN112455991A (zh) 线头无人化搬运系统的方法
Hu et al. An energy saving scheduling method for just in time material handling in mixed-model assembly line
Wang et al. An AGV scheduling algorithm for smart workshops with limited logistics capacity
Ge et al. Research on online scheduling method for flexible assembly workshop of multi-agv system based on assembly island mode
CN117273606B (zh) 一种基于智能仓库的无人搬运车调度方法及系统
Nielsen et al. Scheduling part-feeding tasks for a single robot with feeding quantity consideration
US20230021793A1 (en) An electric machine with hybrid energy storage devices

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190410

Address after: 201616 No. 3666 Sixian Road, Songjiang District, Shanghai

Applicant after: PHICOMM (SHANGHAI) Co.,Ltd.

Address before: 610100 125 Longquan Street Park Road, Longquanyi District, Chengdu, Sichuan.

Applicant before: Sichuan fixun Information Technology Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201123

Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Jiji Intellectual Property Operation Co.,Ltd.

Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666

Applicant before: Phicomm (Shanghai) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211019

Address after: 304a, 3rd floor, Qinghai building, 7043 Beihuan Avenue, Kangxin community, Lianhua street, Futian District, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Qifeng Intelligent Robot Technology Co.,Ltd.

Address before: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: Hangzhou Jiji Intellectual Property Operation Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220624

Address after: 518000 a-1801, a1802, a1803, Haisong building, Tairan 9th Road, chegongmiao, Futian District, Shenzhen City, Guangdong Province (office only)

Patentee after: Shenzhen yuhetian smart city operation group Co.,Ltd.

Address before: 304a, 3rd floor, Qinghai building, 7043 Beihuan Avenue, Kangxin community, Lianhua street, Futian District, Shenzhen, Guangdong 518000

Patentee before: Shenzhen Qifeng Intelligent Robot Technology Co.,Ltd.

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: C315, Building C, Huafeng International Robot Industrial Park, Hangcheng Avenue, Nanchang Community, Xixiang Street, Baoan District, Shenzhen City, Guangdong Province, 518100

Patentee after: Shenzhen yuhetian smart city operation group Co.,Ltd.

Address before: 518000 a-1801, a1802, a1803, Haisong building, Tairan 9th Road, chegongmiao, Futian District, Shenzhen City, Guangdong Province (office only)

Patentee before: Shenzhen yuhetian smart city operation group Co.,Ltd.