CN110174111A - 基于时间窗的任务分段式的多agv路径规划算法 - Google Patents

基于时间窗的任务分段式的多agv路径规划算法 Download PDF

Info

Publication number
CN110174111A
CN110174111A CN201910470067.4A CN201910470067A CN110174111A CN 110174111 A CN110174111 A CN 110174111A CN 201910470067 A CN201910470067 A CN 201910470067A CN 110174111 A CN110174111 A CN 110174111A
Authority
CN
China
Prior art keywords
task
agv
node
time window
path
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.)
Withdrawn
Application number
CN201910470067.4A
Other languages
English (en)
Inventor
陈超
韩易轩
朱忠成
刘剑
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.)
Shandong Huarui Intelligent Technology Co Ltd
Original Assignee
Shandong Huarui Intelligent 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 Shandong Huarui Intelligent Technology Co Ltd filed Critical Shandong Huarui Intelligent Technology Co Ltd
Priority to CN201910470067.4A priority Critical patent/CN110174111A/zh
Publication of CN110174111A publication Critical patent/CN110174111A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the transport system
    • G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/60—Electric or hybrid propulsion means for production processes

Abstract

本发明涉及一种路径规划方法，具体涉及一种基于时间窗的任务分段式的多AGV路径规划算法，第一步，生成AGV工作环境模型，第二步，任务生成，根据不同的任务类型将任务分解成多个子阶段；第三步、任务分配，任务分配模块按照任务优先级进行任务分配，调度系统从高优先级队列取出任务后，首先判断任务执行到哪个阶段，如果任务未执行，需要采用改进的A*算法将任务分配给距离最近的AGV，任务状态设置为第一子阶段；如果任务执行到第二或者之后的阶段，调度系统采用时间窗算法给任务绑定的AGV规划无冲突的最短路径。本发明通过改进的A*算法和时间窗算法实现最短和最快的路径规划，提高工作效率，减小计算误差。

Description

基于时间窗的任务分段式的多AGV路径规划算法
技术领域
本发明涉及一种路径规划方法，具体涉及一种基于时间窗的任务分段式的多AGV路径规划算法。
背景技术
随着柔性制造系统的广泛应用，传统人力和半机械化的工厂物流方式已无法满足现代化装备制造业的物流需求，国内工厂对自动引导车(Automated Guided Vehicle，AGV)的需求量大幅度增长，目前工厂内常用的AGV主要分为牵引式、潜伏式、叉车式。在整个自动化工厂系统中，AGV系统问题划分为路径规划、任务分配和调度算法，其中路径规划成为首要解决的问题，AGV路径规划指的是通过系统程序员编写上位机系统，对携带任务的AGV实时规划完成任务所要经过的路径，来使所有AGV拥有最短的路径代价。AGV路径规划还包括对行驶过程中AGV避障问题，也就是工厂内AGV的交通规则问题，得到一个无冲突的代价最小的路径，最后使得AGV之间协调完成任务，实现多AGV的路径实时规划和动态调优。对于多AGV系统的路径规划，目前常采用基于边时间窗的动态路径规划方法。首先采用A*算法、蚁群算法、遗传算法等启发式方法计算出静态路径，然后计算AGV通过每条边的时间窗，最后根据每辆AGV通过的时间排布时间窗或者调整路径来避免冲突。A*算法是目前为止最快的一种计算最短路径的算法，具有实时性高，算法复杂度低的特性，因此一般采用A*算法规划动态时间窗算法的静态路径。但A*算法仍存在以下问题：
(1)现有的基于时间窗的动态路径规划方法基本上都是基于边的，即一条边只能被一台AGV占用，对于工厂中AGV，行走的边一般较长，效率太低；
(2)规划的路径转弯过多，运行时间长，同时通过节点过多，容易导致冲突产生；
(3)AGV在路径上行走时时间窗比较好估计，但是在上货点或者卸货点时间不好确定，计算时间窗时误差很大。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种基于时间窗的任务分段式的多AGV路径规划算法，通过改进的A*算法和时间窗算法实现最短和最快的路径规划，提高工作效率，减小计算误差。
本发明为解决其技术问题所采用的技术方案为：
所述基于时间窗的任务分段式的多AGV路径规划算法，包括以下步骤：
第一步，采用拓扑地图生成AGV工作环境模型，拓扑地图包括点和边，边分为直线边和弧线边；
第二步，任务生成，根据不同的任务类型将任务分解成多个子阶段；
第三步、任务分配，任务分配模块按照任务优先级进行任务分配，调度系统从高优先级队列取出任务后，首先判断任务执行到哪个阶段，如果任务未执行，需要采用改进的A*算法确定距离任务起点最近的AGV，将任务分配给该AGV，并该AGV设置为工作状态，任务状态设置为第一子阶段；如果任务执行到第二或者之后的阶段，调度系统采用时间窗算法给任务绑定的AGV规划无冲突的最短路径，并将任务状态设置为对应的子阶段号，直至任务完成。
其中，优选方案为：
所述第一步中，AGV工作环境模型对交通路网和AGV进行如下处理：
S11、所有AGV速度相同，避免发生赶超；
S12、所有道路宽度只能容纳一台AGV通过；
S13、所有节点同一时刻只允许一台AGV通过；
S14、一台AGV同一时刻只能执行一个任务；
S15、AGV只允许和上位机发生通信，集中式管理，AGV之间不允许通信。
所述任务类型包括取货任务、取货-卸货任务、充电任务和移动任务，所述取货任务分割为前往取货点-取货两个子阶段，所述取货-卸货任务分割成前往取货点-取货-前往卸货点-卸货四个子阶段，充电任务分割成前往充电点-充电两个子阶段，移动任务分割成启动-加速-均速-减速-停止五个子阶段。
任务优先级从低到高依次为一般任务、重要任务和紧急任务，任务分配模块按照任务优先级进行分配，任务分配线程不停的从紧急任务队列队头取任务，如果紧急任务队列没有任务了，再从重要任务队列队头取任务，如果重要任务队列空了再从一般任务队列队头取任务。当所有队列都没有任务时，任务分配线程将被阻塞，直到用户新建的任务添加到任务队列中
第三步中，改进的A*算法具体步骤为：
S311、初始化，创建OPEN表和CLOSE表，OPEN表存放待检测的边集合，CLOSE表存放已访问过的边集合，将以任务起点s为起点的边添加到OPEN表中，将其父节点设置为0，计算OPEN表中各边的f(ei)，g(ei)和h(ei)，i＝1,2，…，n，n表示以任务起点s为起点的边的数量，同时CLOSE表初始化为空，其中，
f(ei)为当前边ei的启发函数，用来从所有备选路径中选择最优的标准，f(ei)＝g(ei)+h(ei)，
g(ei)代表从任务起点s所在的边到边ei的路径代价，g(ei+1)＝g(ei)+Len(ei+1)*g0+g1,
式中，g(ei)表示截止到上一条边ei的路径代价，Len(ei+1)表示当前边ei+1的长度，g0表示通过节点费用，g1表示转弯费用，由于转弯时AGV速度会降低，一次设置g0为1.2，g1设置为10，
h(ei)代表从当前边ei到任务终点的启发值，h(ei)＝∣xi-x0∣+∣yi-y0∣，式中(xi,yi)为当前边ei终点的坐标，(x0,y0)为任务终点的坐标；
S312、判断OPEN表是否为空，如果OPEN表没有边，路径规划失败，算法结束；如果有边，从OPEN表中找出启发函数值最小的边emin，如果emin的终点是任务终点，路径规划成功，按照emin的父节点依次回推直到父节点为0，得出最短边路径，根据最短边路径中各边的起点和终点得出最后的最短节点路径，算法结束，否则转步骤S313；
S313、扩展节点：将emin放入CLOSED表中，同时查找地图中所有以边emin终点为起点的边ej，j＝1,2，…，m，m表示以emin终点为起点的边的数量，如果ej已经在CLOSED表中，表示已经访问过不做操作，继续查看剩余边；计算emin与ej的夹角，如果夹角大于30°，不做操作；否则计算f(ej)，g(ej)和h(ej)并转向步骤S314，其中f(ej)为当前边ej的启发函数，g(ej)代表从边emin到边ej的路径代价，h(ej)代表从当前边ej到任务终点的启发值；
S314、如果边ej不在OPEN表中，将边ej添加到OPEN表中，并设置边ej的父节点为边emin，转向步骤S312；如果边ej在OPEN表中，转向步骤S315；
S315、比较新计算的启发函数与OPEN表中的启发函数值，若新计算的启发函数值小，更新OPEN表中边ej的启发函数值，并将父节点更新为emin，转向步骤S313；若新计算的启发函数值大，转向步骤S312。
步骤S313计算emin与ej的夹角α的计算方法为：
如果相邻两边emin和ej都为直线边，则夹角
如果emin为直边和ej为弧线边，则计算直线emin与弧线边ej切线的夹角；
如果相邻两边emin和ej都为两条都是弧线边，则计算两弧线边切线的夹角。
其特征在于，所述时间窗算法为：
定义AGV车长Lagv，AGV直线速度为vs，转弯速度为vc，设置AGV提前到达和延迟离开节点距离为Lrec，当AGV距离节点小于Lrec距离时，认为AGV达到节点，当AGV离开节点大于Lrec时，认为AGV离开节点，AGV通过节点q的时间窗可以表示为其中，t0表示AGV进入节点q的时间，tp为AGV通过节点q的时间，te为允许误差；
AGV到达下一个节点u的时间：
当AGV在节点q执行取货或者卸货子阶段时，将设置该节点直到AGV离开该节点，小车向调度系统发送结束命令，调度系统释放掉该节点AGV占用的时间窗。
所述AGV通过节点q的时间还包括以下四种情况：
1、AGV径直通过节点的时间为：
2、AGV从启动径直通过节点的时间为：
3、AGV转弯通过节点的时间为：
4、AGV通过路径边的时间为：
上式中AGV车长为Lagv，AGV直线速度为vs，转弯速度为vc，AGV提前到达和延迟离开节点距离为Lrec，Lrec＝1.5Lagv。
第三步计算时间窗的过程中需要预测各AGV之间直是否存在冲突，如果存在，需确定冲突类型并选择最优的冲突解决策略解决冲突。
多AGV之间的冲突主要分为四类：相向冲突，相遇冲突，占用冲突和赶超冲突。由于本系统所有小车速度一样，不会出现赶超冲突，因此只分析前三种。相遇冲突，两辆AGV在交叉口相遇，但是两者路径不完全相反，预测这类冲突，即观察路径上是否有相同节点，同时相同节点是否存在时间窗重叠；占位冲突即前一辆AGV由于上下货或者故障等原因停在后一辆AGV的行驶路径上，这时前一辆AGV会无限占用该节点，预测这种冲突时，观察两条路径是否有相同节点，同时一条路径上该节点占用的时间窗为无穷大；相向冲突即两辆AGV的行驶路径完全相反，而且在交叉口或者边上相遇，预测这类冲突检测两辆AGV是否有连续2个及以上相同的节点，同时这些节点之间存在时间窗上的交叉或重叠。
冲突解决策略包括两种：一种是等待策略，一种是修改路径策略。
等待策略为，如果在某个节点发现冲突，将该节点优先级低的任务时间窗向后平移，即在该节点的空闲时间窗队列中向后寻找可用的空闲时间窗，保证该空闲时间窗的大小允许小车通过节点，然后对重新规划的时间窗路径继续冲突检测和解决，直到时间窗路径中不存在冲突。
修改路径策略为，重新调用改进A*算法规划静态路径，避免通过发生冲突的路段或者节点，如果重新规划的路径检测仍然有冲突，再次重新规划路径，使其避免通过所有发生冲突的节点，重复操作直到规划好的时间窗路径不存在冲突。
对于相遇冲突，直接采用等待策略修改时间窗路径；对于相向冲突，分别采用等待策略和修改路径方式。动态调整时，由于高优先级任务的时间窗路径已规划好，所以只调整正在规划路径任务的时间窗，也就是优先级低的任务。通过比较两种解决策略得到的时间窗路径到达终点的时间，选择到达时间短的时间窗路径；对于节点占用冲突，直接采用修改路径方式。同时为了避免修改后的路径出现二次或更多次冲突，设置迭代最大值为3，即如果修改三次路径后仍然有冲突，则调度系统暂时跳过该任务的分配，优先分配下一个任务。
第三步执行过程中，每个子阶段任务完成后，调度系统会将任务重新添加到优先级队列中，当调度系统取出的任务状态子阶段号比存储任务时列表最后一个node号大时，表示任务已完成，调度系统解除任务绑定的AGV，将AGV状态设置为空闲状态，并将任务放到已完成任务队列中。
与现有技术相比，本发明具有以下有益效果：
本发明采用基于节点的时间窗算法排布时间窗,允许一条道路能被多台AGV占用，效率更高；在规划静态路径时，在启发函数中添加通过节点费用，减少通过节点数，减少冲突的发生，同时添加转弯费用，能够解决转弯较多的问题，在计算邻边的时候通过计算邻边的夹角，保证在交叉点能够顺利转弯；将任务分解为多个阶段的子任务，将取货、卸货、充电这类阶段单独规划时间窗，减少计时间窗的误差；通过对冲突进行分类，在解决冲突时根据不同类型，提出不同的解决方式，比较采用等待和修改路径策略完成任务时间，选用完成任务时间最短的策略。
附图说明
图1是本发明流程图。
图2是相邻边夹角计算示意图。
图3是时间窗计算示意图。
图4是AGV冲突类型。
图5是AGV冲突时间窗。
具体实施方式
下面结合附图对本发明实施例做进一步描述：
实施例1：
如图1所示，本发明所述基于时间窗的任务分段式的多AGV路径规划算法，包括以下步骤：
第一步，采用拓扑地图生成AGV工作环境模型，拓扑地图包括点和边，边分为直线边和弧线边；
第二步，任务生成，根据不同的任务类型将任务分解成多个子阶段；
第三步、任务分配，任务分配模块按照任务优先级进行任务分配，调度系统从高优先级队列取出任务后，首先判断任务执行到哪个阶段，如果任务未执行，需要采用改进的A*算法确定距离任务起点最近的AGV，将任务分配给该AGV，并该AGV设置为工作状态，任务状态设置为第一子阶段；如果任务执行到第二或者之后的阶段，调度系统采用时间窗算法给任务绑定的AGV规划无冲突的最短路径，并将任务状态设置为对应的子阶段号，直至任务完成。
其中，第一步中，AGV工作环境模型对交通路网和AGV进行如下处理：
S11、所有AGV速度相同，避免发生赶超；
S12、所有道路宽度只能容纳一台AGV通过；
S13、所有节点同一时刻只允许一台AGV通过；
S14、一台AGV同一时刻只能执行一个任务；
S15、AGV只允许和上位机发生通信，集中式管理，AGV之间不允许通信。
所述任务类型包括取货任务、取货-卸货任务、充电任务和移动任务，所述取货任务分割为前往取货点-取货两个子阶段，所述取货-卸货任务分割成前往取货点-取货-前往卸货点-卸货四个子阶段，充电任务分割成前往充电点-充电两个子阶段，移动任务分割成启动-加速-均速-减速-停止五个子阶段。
任务优先级从低到高依次为一般任务、重要任务和紧急任务，任务分配模块按照任务优先级进行分配，任务分配线程不停的从紧急任务队列队头取任务，如果紧急任务队列没有任务了，再从重要任务队列队头取任务，如果重要任务队列空了再从一般任务队列队头取任务。当所有队列都没有任务时，任务分配线程将被阻塞，直到用户新建的任务添加到任务队列中
第三步中，改进的A*算法具体步骤为：
S311、初始化，创建OPEN表和CLOSE表，OPEN表存放待检测的边集合，CLOSE表存放已访问过的边集合，将以任务起点s为起点的边添加到OPEN表中，将其父节点设置为0，计算OPEN表中各边的f(ei)，g(ei)和h(ei)，i＝1,2，…，n，n表示以任务起点s为起点的边的数量，同时CLOSE表初始化为空，其中，
f(ei)为当前边ei的启发函数，用来从所有备选路径中选择最优的标准，f(ei)＝g(ei)+h(ei)，
g(ei)代表从任务起点s所在的边到边ei的路径代价，g(ei+1)＝g(ei)+Len(ei+1)*g0+g1,
式中，g(ei)表示截止到上一条边ei的路径代价，Len(ei+1)表示当前边ei+1的长度，g0表示通过节点费用，g1表示转弯费用，由于转弯时AGV速度会降低，一次设置g0为1.2，g1设置为10，h(ei)代表从当前边ei到任务终点的启发值，h(ei)＝∣xi-x0∣+∣yi-y0∣，式中(xi,yi)为当前边ei终点的坐标，(x0,y0)为任务终点的坐标；
S312、判断OPEN表是否为空，如果OPEN表没有边，路径规划失败，算法结束；如果有边，从OPEN表中找出启发函数值最小的边emin，如果emin的终点是任务终点，路径规划成功，按照emin的父节点依次回推直到父节点为0，得出最短边路径，根据最短边路径中各边的起点和终点得出最后的最短节点路径，算法结束，否则转步骤S313；
S313、扩展节点：将emin放入CLOSED表中，同时查找地图中所有以边emin终点为起点的边ej，j＝1,2，…，m，m表示以emin终点为起点的边的数量，如果ej已经在CLOSED表中，表示已经访问过不做操作，继续查看剩余边；计算emin与ej的夹角，如果夹角大于30°，不做操作；否则计算f(ej)，g(ej)和h(ej)并转向步骤S314，其中f(ej)为当前边ej的启发函数，g(ej)代表从边emin到边ej的路径代价，h(ej)代表从当前边ej到任务终点的启发值；
S314、如果边ej不在OPEN表中，将边ej添加到OPEN表中，并设置边ej的父节点为边emin，转向步骤S312；如果边ej在OPEN表中，转向步骤S315；
S315、比较新计算的启发函数与OPEN表中的启发函数值，若新计算的启发函数值小，更新OPEN表中边ej的启发函数值，并将父节点更新为emin，转向步骤S313；若新计算的启发函数值大，转向步骤S312。
传统的A*算法属于启发式搜索算法，搜索速度快，但是有时路径转弯较多。对于AGV路径规划，通过节点越多，产生冲突的可能性越高，转弯越多，运行时间越长。基于此，改进了传统的A*算法，在计算启发函数时增加节点通过费用和转弯费用，减少路径的节点数和转弯次数。
由于AGV在转弯时并不能直接90°转弯，而是走弧线，如图2，A-D路线只能是A-E-F-G-D，而不能是A-H-F-K-G-D，所以在计算邻边时需要判断邻边能否通行。在这通过计算两邻边夹角，当夹角小于30°时认为能够通行，否则不能算作邻边。
对于相邻两边EH和HF都为直线边，则夹角
对于邻边AE和有一条是弧线边，则计算直线与弧线边切线的夹角，直线AE与相交与E，在点E所在的切线方向为EH方向，则夹角
对于邻边和两条都是弧线边，则计算两弧线边切线的夹角，与相交与E，在点F所在的切线方向为FK方向，在点E所在的切线方向为FK方向，则夹角
第三步中，所述时间窗算法为：
定义AGV车长Lagv，AGV直线速度为vs，转弯速度为vc，设置AGV提前到达和延迟离开节点距离为Lrec，当AGV距离节点小于Lrec距离时，认为AGV达到节点，当AGV离开节点大于Lrec时，认为AGV离开节点，AGV通过节点q的时间窗可以表示为其中，t0表示AGV进入节点q的时间，tp为AGV通过节点q的时间，te为允许误差；
AGV到达下一个节点u的时间：
当AGV在节点q执行取货或者卸货子阶段时，将设置该节点直到AGV离开该节点，小车向调度系统发送结束命令，调度系统释放掉该节点AGV占用的时间窗。
如图3所示，AGV通过节点q的时间还包括以下四种情况：
图3(a)中AGV径直通过节点的时间为：
图3(b)中AGV从启动径直通过节点的时间为：
图3(c)中AGV转弯通过节点的时间为：
图3(d)中AGV通过路径边的时间为：
上式中AGV车长为Lagv，AGV直线速度为vs，转弯速度为vc，AGV提前到达和延迟离开节点距离为Lrec，Lrec＝1.5Lagv。
第三步执行过程中，每个子阶段任务完成后，调度系统会将任务重新添加到优先级队列中，当调度系统取出的任务状态子阶段号比存储任务时列表最后一个node号大时，表示任务已完成，调度系统解除任务绑定的AGV，将AGV状态设置为空闲状态，并将任务放到已完成任务队列中。
第三步计算时间窗的过程中需要预测各AGV之间直是否存在冲突，如果存在，需确定冲突类型并选择最优的冲突解决策略解决冲突。如图4-5所示，多AGV之间的冲突主要分为四类：相向冲突，相遇冲突，占用冲突和赶超冲突。由于本系统所有小车速度一样，不会出现赶超冲突，因此只分析前三种。其中图4(a)和图5(a)为相遇冲突，AGV1与AGV2在交叉口相遇，但是两者路径不完全相反，预测这类冲突，即观察路径上是否有相同节点，同时相同节点是否存在时间窗重叠；图4(b)和图5(b)为占位冲突，AGV2由于上下货或者故障等原因停在AGV1的行驶路径上，这时AGV2会无限占用该节点。预测这种冲突时，观察两条路径是否有相同节点，同时一条路径上该节点占用的时间窗为无穷大；图4(c-d)和图5(c-d)为相向冲突，AGV1和AGV2的行驶路径完全相反，而且在交叉口或者边上相遇。预测这类冲突检测是否有连续2个及以上相同的节点，同时这些节点之间存在时间窗上的交叉或重叠。
可采用两种策略解决冲突：一种是等待策略，如果在某个节点发现冲突，将该节点优先级低的任务时间窗向后平移，即在该节点的空闲时间窗队列中向后寻找可用的空闲时间窗，保证该空闲时间窗的大小允许小车通过节点，然后对重新规划的时间窗路径继续冲突检测和解决，直到时间窗路径中不存在冲突；另一种是修改路径策略，重新调用改进A*算法规划静态路径，避免通过发生冲突的路段或者节点，如果重新规划的路径检测仍然有冲突，再次重新规划路径，使其避免通过所有发生冲突的节点，重复操作直到规划好的时间窗路径不存在冲突。
本系统对于相遇冲突，直接采用等待策略修改时间窗路径；对于相向冲突，分别采用等待策略和修改路径方式。动态调整时，由于高优先级任务的时间窗路径已规划好，所以只调整正在规划路径任务的时间窗，也就是优先级低的任务。通过比较两种解决策略得到的时间窗路径到达终点的时间，选择到达时间短的时间窗路径；对于节点占用冲突，直接采用修改路径方式。同时为了避免修改后的路径出现二次或更多次冲突，设置迭代最大值为3，即如果修改三次路径后仍然有冲突，则调度系统暂时跳过该任务的分配，优先分配下一个任务。

Claims (10)

1.一种基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，包括以下步骤：
第一步，采用拓扑地图生成AGV工作环境模型，拓扑地图包括点和边，边分为直线边和弧线边；
第二步，任务生成，根据不同的任务类型将任务分解成多个子阶段；
第三步、任务分配，任务分配模块按照任务优先级进行任务分配，调度系统从高优先级队列取出任务后，首先判断任务执行到哪个阶段，如果任务未执行，需要采用改进的A*算法确定距离任务起点最近的AGV，将任务分配给该AGV，并该AGV设置为工作状态，任务状态设置为第一子阶段；如果任务执行到第二或者之后的阶段，调度系统采用时间窗算法给任务绑定的AGV规划无冲突的最短路径，并将任务状态设置为对应的子阶段号，直至任务完成。
2.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，所述第一步中，AGV工作环境模型对交通路网和AGV进行如下处理：
S11、所有AGV速度相同，避免发生赶超；
S12、所有道路宽度只能容纳一台AGV通过；
S13、所有节点同一时刻只允许一台AGV通过；
S14、一台AGV同一时刻只能执行一个任务；
S15、AGV只允许和上位机发生通信，集中式管理，AGV之间不允许通信。
3.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，所述任务类型包括取货任务、取货-卸货任务、充电任务和移动任务，所述取货任务分割为前往取货点-取货两个子阶段，所述取货-卸货任务分割成前往取货点-取货-前往卸货点-卸货四个子阶段，充电任务分割成前往充电点-充电两个子阶段，移动任务分割成启动-加速-均速-减速-停止五个子阶段。
4.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，任务优先级从低到高依次为一般任务、重要任务和紧急任务。
5.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，改进的A*算法具体步骤为：
S311、初始化，创建OPEN表和CLOSE表，OPEN表存放待检测的边集合，CLOSE表存放已访问过的边集合，将以任务起点s为起点的边添加到OPEN表中，将其父节点设置为0，计算OPEN表中各边的f(ei)，g(ei)和h(ei)，i＝1,2，…，n，n表示以任务起点s为起点的边的数量，同时CLOSE表初始化为空，其中，
f(ei)为当前边ei的启发函数，f(ei)＝g(ei)+h(ei)，
g(ei)代表从任务起点s所在的边到边ei的路径代价，g(ei+1)＝g(ei)+Len(ei+1)*g0+g1,
式中，g(ei)表示截止到上一条边ei的路径代价，Len(ei+1)表示当前边ei+1的长度，g0表示通过节点费用，g1表示转弯费用，h(ei)代表从当前边ei到任务终点的启发值，h(ei)＝∣xi-x0∣+∣yi-y0∣，式中(xi,yi)为当前边ei终点的坐标，(x0,y0)为任务终点的坐标；
S312、判断OPEN表是否为空，如果OPEN表没有边，路径规划失败，算法结束；如果有边，从OPEN表中找出启发函数值最小的边emin，如果emin的终点是任务终点，路径规划成功，按照emin的父节点依次回推直到父节点为0，得出最短边路径，根据最短边路径中各边的起点和终点得出最后的最短节点路径，算法结束，否则转步骤S313；
S313、扩展节点：将emin放入CLOSED表中，同时查找地图中所有以边emin终点为起点的边ej，j＝1,2，…，m，m表示以emin终点为起点的边的数量，如果ej已经在CLOSED表中，表示已经访问过不做操作，继续查看剩余边；计算emin与ej的夹角，如果夹角大于30°，不做操作；否则计算f(ej)，g(ej)和h(ej)并转向步骤S314，其中f(ej)为当前边ej的启发函数，g(ej)代表从边emin到边ej的路径代价，h(ej)代表从当前边ej到任务终点的启发值；
S314、如果边ej不在OPEN表中，将边ej添加到OPEN表中，并设置边ej的父节点为边emin，转向步骤S312；如果边ej在OPEN表中，转向步骤S315；
S315、比较新计算的启发函数与OPEN表中的启发函数值，若新计算的启发函数值小，更新OPEN表中边ej的启发函数值，并将父节点更新为emin，转向步骤S313；若新计算的启发函数值大，转向步骤S312。
6.根据权利要求5所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，步骤S313计算emin与ej的夹角α的计算方法为：
如果相邻两边emin和ej都为直线边，则夹角
如果emin为直边和ej为弧线边，则计算直线emin与弧线边ej切线的夹角；
如果相邻两边emin和ej都为两条都是弧线边，则计算两弧线边切线的夹角。
7.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，所述时间窗算法为：
定义AGV车长Lagv，AGV直线速度为vs，转弯速度为vc，设置AGV提前到达和延迟离开节点距离为Lrec，当AGV距离节点小于Lrec距离时，认为AGV达到节点，当AGV离开节点大于Lrec时，认为AGV离开节点，AGV通过节点q的时间窗可以表示为其中，t0表示AGV进入节点q的时间，tp为AGV通过节点q的时间，te为允许误差；
AGV到达下一个节点u的时间：
当AGV在节点q执行取货或者卸货子阶段时，将设置该节点直到AGV离开该节点，小车向调度系统发送结束命令，调度系统释放掉该节点AGV占用的时间窗。
8.根据权利要求7所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，所述AGV通过节点q的时间还包括以下四种情况：
1、AGV径直通过节点的时间为：
2、AGV从启动径直通过节点的时间为：
3、AGV转弯通过节点的时间为：
4、AGV通过路径边的时间为：
上式中AGV车长为Lagv，AGV直线速度为vs，转弯速度为vc，AGV提前到达和延迟离开节点距离为Lrec。
9.根据权利要求7或8所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，Lrec＝1.5Lagv。
10.根据权利要求1所述的基于时间窗的任务分段式的多AGV路径规划算法，其特征在于，第三步计算时间窗的过程中需要预测各AGV之间直是否存在冲突，如果存在，需确定冲突类型并选择最优的冲突解决策略解决冲突。
CN201910470067.4A 2019-05-31 2019-05-31 基于时间窗的任务分段式的多agv路径规划算法 Withdrawn CN110174111A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910470067.4A CN110174111A (zh) 2019-05-31 2019-05-31 基于时间窗的任务分段式的多agv路径规划算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910470067.4A CN110174111A (zh) 2019-05-31 2019-05-31 基于时间窗的任务分段式的多agv路径规划算法

Publications (1)

Publication Number Publication Date
CN110174111A true CN110174111A (zh) 2019-08-27

Family

ID=67696164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910470067.4A Withdrawn CN110174111A (zh) 2019-05-31 2019-05-31 基于时间窗的任务分段式的多agv路径规划算法

Country Status (1)

Country Link
CN (1) CN110174111A (zh)

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110715662A (zh) * 2019-10-09 2020-01-21 浙江大华技术股份有限公司 段路径的下发方法及装置、存储介质、电子装置
CN110794832A (zh) * 2019-10-21 2020-02-14 同济大学 一种基于强化学习的移动机器人路径规划方法
CN110989582A (zh) * 2019-11-26 2020-04-10 北京卫星制造厂有限公司 基于路径预先占用的多agv自动避让式智能调度方法
CN110989570A (zh) * 2019-10-15 2020-04-10 浙江工业大学 一种多agv防碰撞协同路径规划方法
CN110986975A (zh) * 2019-11-05 2020-04-10 中山大学 基于时空路网模型的最优路径规划的处理方法及系统
CN110986989A (zh) * 2019-12-24 2020-04-10 广东嘉腾机器人自动化有限公司 混合车型路径规划方法和相关装置
CN111007862A (zh) * 2019-12-27 2020-04-14 芜湖哈特机器人产业技术研究院有限公司 一种多agv协同工作的路径规划方法
CN111103887A (zh) * 2020-01-14 2020-05-05 大连理工大学 一种基于多传感器的多移动机器人调度系统设计方法
CN111289007A (zh) * 2020-03-23 2020-06-16 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN111426326A (zh) * 2020-01-17 2020-07-17 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111459108A (zh) * 2020-04-08 2020-07-28 北京理工大学 拖挂式多agv系统的任务分配及无冲突路径规划方法
CN111638717A (zh) * 2020-06-06 2020-09-08 浙江科钛机器人股份有限公司 一种分布式自主机器人交通协调机制的设计方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
CN111815032A (zh) * 2020-06-18 2020-10-23 浙江大华技术股份有限公司 自动导引车调度方法及其相关装置
CN112000113A (zh) * 2020-06-19 2020-11-27 南京理工大学 一种基于中药房的多agv仓储管理系统及方法
CN112068563A (zh) * 2020-09-07 2020-12-11 上海擎朗智能科技有限公司 故障提示方法、装置、机器人、系统和介质
CN112148009A (zh) * 2020-09-23 2020-12-29 北京智远弘业机器人科技有限公司 Agv集群调度方法、装置、电子设备及计算机可读存储介质
CN112286151A (zh) * 2020-10-21 2021-01-29 山东华锐智能技术有限公司 基于微服务的多种类集群agv导航调度系统及方法
CN112598316A (zh) * 2020-12-30 2021-04-02 杭州电子科技大学 一种同轨双agv的物料分配及协同调度方法
CN112665603A (zh) * 2020-12-16 2021-04-16 的卢技术有限公司 一种基于带时间窗a*改进的多车路径规划方法
CN112819370A (zh) * 2021-02-24 2021-05-18 一汽物流(天津)有限公司 循环取货的时间窗口排布控制方法
CN113031603A (zh) * 2021-03-05 2021-06-25 湖南大学 一种基于任务优先级的多物流机器人协同路径规划方法
CN113064436A (zh) * 2021-03-31 2021-07-02 翁嘉琦 一种agv系统中动态路径规划和去中心化避障方法
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN113542151A (zh) * 2021-06-18 2021-10-22 新华三大数据技术有限公司 一种流量调度方法及装置、计算机可读存储介质
CN113532443A (zh) * 2021-09-15 2021-10-22 浙江凯乐士科技集团股份有限公司 路径规划方法、装置、电子设备及介质
CN113592158A (zh) * 2021-07-13 2021-11-02 华中科技大学 多agv路径规划和多agv智能生产线中agv与机器联合调度方法
CN113741443A (zh) * 2021-08-26 2021-12-03 北京京东乾石科技有限公司 有轨制导车辆的控制方法、装置、存储介质及电子设备
CN114063612A (zh) * 2021-10-20 2022-02-18 深圳市优必选科技股份有限公司 一种路径规划方法、路径规划装置及电子设备
CN114220282A (zh) * 2021-11-15 2022-03-22 三一专用汽车有限责任公司 车辆调度控制方法、装置及电子设备
CN114355904A (zh) * 2021-12-20 2022-04-15 广东嘉腾机器人自动化有限公司 基于提前预判的复杂路径交管方法及电子设备及存储介质
CN114489062A (zh) * 2022-01-18 2022-05-13 北京理工大学 面向车间物流的多自动导引车分布式动态路径规划方法
CN114879614A (zh) * 2022-04-29 2022-08-09 济南大学 一种柔性制造的agv调度方法
CN115083139A (zh) * 2021-03-12 2022-09-20 上海交通大学 多车辆调度方法
CN115406443A (zh) * 2021-05-27 2022-11-29 中国科学院沈阳自动化研究所 一种基于行驶线的两阶段多agv路径规划方法
WO2024001021A1 (zh) * 2022-06-29 2024-01-04 弥费科技(上海)股份有限公司 基于冲突消解的天车运输路径规划方法
WO2024016457A1 (zh) * 2022-07-18 2024-01-25 北京大学 基于自主绕障的异构型多智能体网联协同调度规划方法
CN117634858A (zh) * 2024-01-26 2024-03-01 中国人民解放军军事科学院国防科技创新研究院 基于即时优势窗口的人机混合方案生成方法和装置

Cited By (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110715662A (zh) * 2019-10-09 2020-01-21 浙江大华技术股份有限公司 段路径的下发方法及装置、存储介质、电子装置
CN110715662B (zh) * 2019-10-09 2021-06-18 浙江华睿科技有限公司 段路径的下发方法及装置、存储介质、电子装置
CN110989570A (zh) * 2019-10-15 2020-04-10 浙江工业大学 一种多agv防碰撞协同路径规划方法
CN110989570B (zh) * 2019-10-15 2022-11-15 浙江工业大学 一种多agv防碰撞协同路径规划方法
CN110794832A (zh) * 2019-10-21 2020-02-14 同济大学 一种基于强化学习的移动机器人路径规划方法
CN110794832B (zh) * 2019-10-21 2021-11-09 同济大学 一种基于强化学习的移动机器人路径规划方法
CN110986975A (zh) * 2019-11-05 2020-04-10 中山大学 基于时空路网模型的最优路径规划的处理方法及系统
CN110989582A (zh) * 2019-11-26 2020-04-10 北京卫星制造厂有限公司 基于路径预先占用的多agv自动避让式智能调度方法
CN110989582B (zh) * 2019-11-26 2023-06-09 北京卫星制造厂有限公司 基于路径预先占用的多agv自动避让式智能调度方法
CN110986989A (zh) * 2019-12-24 2020-04-10 广东嘉腾机器人自动化有限公司 混合车型路径规划方法和相关装置
CN111007862B (zh) * 2019-12-27 2022-07-26 芜湖哈特机器人产业技术研究院有限公司 一种多agv协同工作的路径规划方法
CN111007862A (zh) * 2019-12-27 2020-04-14 芜湖哈特机器人产业技术研究院有限公司 一种多agv协同工作的路径规划方法
CN111103887A (zh) * 2020-01-14 2020-05-05 大连理工大学 一种基于多传感器的多移动机器人调度系统设计方法
CN111103887B (zh) * 2020-01-14 2021-11-12 大连理工大学 一种基于多传感器的多移动机器人调度系统设计方法
CN111426326A (zh) * 2020-01-17 2020-07-17 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111426326B (zh) * 2020-01-17 2022-03-08 深圳市镭神智能系统有限公司 一种导航方法、装置、设备、系统及存储介质
CN111289007A (zh) * 2020-03-23 2020-06-16 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN111459108A (zh) * 2020-04-08 2020-07-28 北京理工大学 拖挂式多agv系统的任务分配及无冲突路径规划方法
CN111638717A (zh) * 2020-06-06 2020-09-08 浙江科钛机器人股份有限公司 一种分布式自主机器人交通协调机制的设计方法
CN111638717B (zh) * 2020-06-06 2023-11-07 浙江科钛机器人股份有限公司 一种分布式自主机器人交通协调机制的设计方法
CN111815032A (zh) * 2020-06-18 2020-10-23 浙江大华技术股份有限公司 自动导引车调度方法及其相关装置
CN112000113A (zh) * 2020-06-19 2020-11-27 南京理工大学 一种基于中药房的多agv仓储管理系统及方法
CN111721297A (zh) * 2020-06-19 2020-09-29 重庆大学 一种智能车库多agv的路径规划方法
CN112068563A (zh) * 2020-09-07 2020-12-11 上海擎朗智能科技有限公司 故障提示方法、装置、机器人、系统和介质
CN112148009A (zh) * 2020-09-23 2020-12-29 北京智远弘业机器人科技有限公司 Agv集群调度方法、装置、电子设备及计算机可读存储介质
CN112148009B (zh) * 2020-09-23 2023-09-26 上典科技(北京)有限公司 Agv集群调度方法、装置、电子设备及计算机可读存储介质
CN112286151B (zh) * 2020-10-21 2022-04-15 济南蓝图士智能技术有限公司 基于微服务的多种类集群agv导航调度系统及方法
CN112286151A (zh) * 2020-10-21 2021-01-29 山东华锐智能技术有限公司 基于微服务的多种类集群agv导航调度系统及方法
CN112665603A (zh) * 2020-12-16 2021-04-16 的卢技术有限公司 一种基于带时间窗a*改进的多车路径规划方法
CN112665603B (zh) * 2020-12-16 2022-03-25 的卢技术有限公司 一种基于带时间窗a*改进的多车路径规划方法
CN112598316A (zh) * 2020-12-30 2021-04-02 杭州电子科技大学 一种同轨双agv的物料分配及协同调度方法
CN112598316B (zh) * 2020-12-30 2023-10-13 杭州电子科技大学 一种同轨双agv的物料分配及协同调度方法
CN112819370A (zh) * 2021-02-24 2021-05-18 一汽物流(天津)有限公司 循环取货的时间窗口排布控制方法
CN113074728B (zh) * 2021-03-05 2022-07-22 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN113031603A (zh) * 2021-03-05 2021-06-25 湖南大学 一种基于任务优先级的多物流机器人协同路径规划方法
CN113074728A (zh) * 2021-03-05 2021-07-06 北京大学 基于跳点寻路与协同避障的多agv路径规划方法
CN115083139A (zh) * 2021-03-12 2022-09-20 上海交通大学 多车辆调度方法
CN115083139B (zh) * 2021-03-12 2023-11-24 上海交通大学 多车辆调度方法
CN113064436A (zh) * 2021-03-31 2021-07-02 翁嘉琦 一种agv系统中动态路径规划和去中心化避障方法
CN115406443B (zh) * 2021-05-27 2024-04-26 中国科学院沈阳自动化研究所 一种基于行驶线的两阶段多agv路径规划方法
CN115406443A (zh) * 2021-05-27 2022-11-29 中国科学院沈阳自动化研究所 一种基于行驶线的两阶段多agv路径规划方法
CN113542151A (zh) * 2021-06-18 2021-10-22 新华三大数据技术有限公司 一种流量调度方法及装置、计算机可读存储介质
CN113592158B (zh) * 2021-07-13 2024-03-22 华中科技大学 多agv路径规划和多agv智能生产线中agv与机器联合调度方法
CN113592158A (zh) * 2021-07-13 2021-11-02 华中科技大学 多agv路径规划和多agv智能生产线中agv与机器联合调度方法
CN113741443A (zh) * 2021-08-26 2021-12-03 北京京东乾石科技有限公司 有轨制导车辆的控制方法、装置、存储介质及电子设备
CN113532443B (zh) * 2021-09-15 2021-12-21 浙江凯乐士科技集团股份有限公司 路径规划方法、装置、电子设备及介质
CN113532443A (zh) * 2021-09-15 2021-10-22 浙江凯乐士科技集团股份有限公司 路径规划方法、装置、电子设备及介质
CN114063612A (zh) * 2021-10-20 2022-02-18 深圳市优必选科技股份有限公司 一种路径规划方法、路径规划装置及电子设备
CN114220282B (zh) * 2021-11-15 2022-12-02 三一专用汽车有限责任公司 车辆调度控制方法、装置及电子设备
CN114220282A (zh) * 2021-11-15 2022-03-22 三一专用汽车有限责任公司 车辆调度控制方法、装置及电子设备
CN114355904A (zh) * 2021-12-20 2022-04-15 广东嘉腾机器人自动化有限公司 基于提前预判的复杂路径交管方法及电子设备及存储介质
CN114489062A (zh) * 2022-01-18 2022-05-13 北京理工大学 面向车间物流的多自动导引车分布式动态路径规划方法
CN114489062B (zh) * 2022-01-18 2023-03-21 北京理工大学 面向车间物流的多自动导引车分布式动态路径规划方法
CN114879614A (zh) * 2022-04-29 2022-08-09 济南大学 一种柔性制造的agv调度方法
WO2024001021A1 (zh) * 2022-06-29 2024-01-04 弥费科技(上海)股份有限公司 基于冲突消解的天车运输路径规划方法
WO2024016457A1 (zh) * 2022-07-18 2024-01-25 北京大学 基于自主绕障的异构型多智能体网联协同调度规划方法
CN117634858A (zh) * 2024-01-26 2024-03-01 中国人民解放军军事科学院国防科技创新研究院 基于即时优势窗口的人机混合方案生成方法和装置

Similar Documents

Publication Publication Date Title
CN110174111A (zh) 基于时间窗的任务分段式的多agv路径规划算法
CN110989570B (zh) 一种多agv防碰撞协同路径规划方法
WO2021254415A1 (zh) 一种基于时间窗的agv智能调度方法
CN107203190B (zh) 一种基于复杂路径的惯性导航agv调度方法及系统
Le-Anh et al. A review of design and control of automated guided vehicle systems
CN113074728B (zh) 基于跳点寻路与协同避障的多agv路径规划方法
CN111596658A (zh) 一种多agv无碰撞运行的路径规划方法及调度系统
CN110530369A (zh) 基于时间窗的agv任务调度方法
CN109991977A (zh) 机器人的路径规划方法及装置
CN107633375A (zh) 一种人机协作仓储分拣方法
CN113075927A (zh) 基于预约表的仓储潜伏式多agv路径规划方法
CN110119861A (zh) 调度无人车的方法、装置及计算机可读存储介质
CN114489062A (zh) 面向车间物流的多自动导引车分布式动态路径规划方法
Fan et al. Time window based path planning of multi-AGVs in logistics center
Hvězda et al. Context-aware route planning for automated warehouses
CN113919543A (zh) 一种基于5g物联网的agv调度路径优化方法
CN114326610A (zh) 一种基于双层时空网结构的agv运行优化系统及方法
WO2022135088A1 (zh) 仓储机器人的控制方法、装置、设备及存储介质
CN114625140A (zh) 基于改进时间窗的多智能体网联协同调度规划方法及系统
WO2022032444A1 (zh) 一种多智能主体避障方法、系统和计算机可读存储介质
Tai et al. A time-efficient approach to solve conflicts and deadlocks for scheduling AGVs in warehousing applications
CN115638804B (zh) 一种无死锁的无人车辆在线路径规划方法
CN111832816A (zh) 一种基于调度算法的医用agv群体物流调控系统及方法
CN111620023A (zh) 基于动态边权值拓扑图实现密集库设备路径规划的方法
CN110533234A (zh) 结合避碰策略的agv优化控制方法、终端设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190827