CN110471417A - 一种基于负载均衡的多agv避碰方法 - Google Patents

Abstract

本发明公布了一种基于负载均衡的多AGV避碰方法。其特征是：根据车间布局和路径信息，提取改变AGV前进方向的转向点，并通过转向点划分独立路段；通过独立路段记录点获取AGV通行路段次数，通过地图获取路段附近地图信息，分别设计惩罚项函数和惩罚系数，并且根据获取的惩罚项和惩罚系数，更新全局路段长度；调度系统根据任务列表获取任务被AGV执行先后顺序，根据AGV状态列表选出AGV执行任务，采用蚁群算法，根据任务起点和终点规划AGV执行任务路线，采用优先级法解决AGV之间冲突问题，保证系统安全平稳运行。本发明实现路段权值分布均匀，有效避免AGV行驶路线的相对集中，分散道路运行的压力，减少AGV之间冲突发生次数，从而提高调度系统完成任务效率。

Description

一种基于负载均衡的多AGV避碰方法

技术领域

本发明涉及多AGV协调避碰领域，具体地说是一种基于负载均衡的多AGV避碰方法。

背景技术

随着物流行业在国内外的快速发展，市场对高效的AGV调度系统的需求也越来越大，自动导引小车(Automated Guided Vehicle，AGV)成为物流行业实现自动化、信息化和实时化的重要手段。在早起的车间调度系统中，主要侧重于根据任务起点和目标点信息，采用路径规划算法精准的规划AGV行驶路线，考虑的是执行当前任务行驶路线的长度以及执行任务需要的时间，但是没有从系统整体完成任务效率的角度进行考虑，缺少考虑AGV之间发生冲突对执行任务效率的影响。随着物流智能化需求的日益增加，AGV调度系统不仅考虑精准地规划行驶路线，还要从全局提高系统运输效率，减少AGV之间冲突发生次数，降低作业运输成本，提高AGV调度效率。

发明内容

针对现有技术的不足，本发明提供一种基于负载均衡的多AGV避碰方法，以避免规划AGV路线相对集中，根据记录点记录路段AGV通行次数和路段临近地图信息，采取惩罚项和惩罚系数，实时更新全局地图路段长度信息，从系统整体执行任务的角度规划AGV执行任务路径，实现路段权值分布均匀，避免规划AGV行驶路线相对集中，减少AGV之间冲突发生次数，提高系统运行平稳性以及提高系统完成任务效率。本发明提出了一种基于确定性资源调度的无线远程数据实时传输方法，其技术方案为：

一种基于负载均衡的多AGV避碰方法，包括以下步骤：

步骤一：AGV调度系统根据获取的物流车间布局信息和AGV作业环境，建立AGV调度系统电子地图，根据AGV能否改变前进方向，提取AGV可转向点，并通过AGV可转向点进行独立路段的划分，所述AGV可转向点是指AGV能够改变前进方向的位置点，所述AGV可转向点包括L型转向点、T型转向点和十字型转向点，其中连通两个AGV可转向点之间的路段称为独立路段，连通两个AGV可转向点之间的长度称为独立路段长度；

步骤二：AGV调度系统实时刷新任务订单列表和AGV状态列表，根据任务优先级选出空闲AGV需要执行的任务订单，并获取待执行任务订单的起点和目标点，其中所述任务订单列表为空闲AGV执行任务订单的先后顺序列表，包含任务订单的优先级、任务下发时间、起点和目标点，所述AGV状态列表为记录AGV处于空闲状态或忙碌状态的列表；

步骤三：在AGV调度系统电子地图中，设置路段记录点，用于获取AGV通行次数和附近地图信息，如果某个独立路段在预设时间间隔内有AGV行驶过，则继续执行步骤四，否则没有AGV行驶过的独立路段的长度保持不变，所述的路段记录点为在每条独立路段中预先设置的用于识别AGV是否行驶过信息的区域点；

步骤四：建立惩罚系数函数和惩罚项函数，具体表述为：

1)当某个独立路段在预设时间间隔内有AGV行驶过时，路段记录点将所述AGV通行次数信息上传到AGV调度系统，同时装载在AGV上的导航系统自动搜索所经过的独立路段上的路段记录点附近的地图信息并上传至AGV调度系统，然后AGV调度系统根据所述路段记录点附近的地图信息获取所述独立路段的预设范围内独立路段总数目和不可通行的独立路段数目，并建立惩罚系数函数；

2)某个独立路段在预设时间间隔内有AGV行驶过时，AGV调度系统根据地图中路段记录点自动记录所在独立路段的AGV通行次数，并实时更新全局路段的通行次数，然后建立惩罚项函数；

3)根据所述的惩罚项函数和惩罚系数函数更新所述独立路段长度信息；

步骤五：AGV调度系统获取待执行任务订单的起点和目标点信息，根据获得的最新负载均衡电子地图模型，采用蚁群算法规划AGV执行任务路线，避免AGV行驶路线相对集中，采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务。

所述的步骤四中的惩罚系数函数为：

式中，α_i表示第i个独立路段的惩罚系数，M_i表示第i个独立路段预设范围内的独立路段的总数目，m_i表示第i个独立路段预设范围内的不可通行的独立路段的数目。

所述的步骤四中的惩罚项函数为：

式中，P_i表示第i个独立路段的惩罚项函数，n_i表示AGV经过第i个独立路段的次数，N表示AGV经过的所有独立路段的总数。

所述的步骤四中根据惩罚项函数和惩罚系数函数更新全局地图独立路段长度信息，具体表示为：

L_i＝α_iP_i

式中，L_i表示更新后的第i个独立路段的长度，α_i表示第i个独立路段的惩罚系数，P_i表示第i个独立路段的惩罚项函数。

所述的步骤五AGV调度系统获取待执行任务订单的起点和目标点信息，根据获得的最新负载均衡电子地图模型，采用蚁群算法规划AGV执行任务路线，避免AGV行驶路线相对集中，采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务，具体表述为：

1)建立负载均衡电子地图模型，获取AGV工作环境信息；

2)根据所述负载均衡电子地图模型中的路段记录点获取某个路段AGV通行次数和附近地图信息，并将获取的所述路段的AGV通行次数和附近地图信息传入到AGV调度系统；

3)根据获得的所述的最新全局路段的长度信息，采用步骤四建立的惩罚项函数和惩罚系数函数更新全局路段长度信息，用于蚁群算法规划AGV行驶路径，分散道路运行压力；

4)采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务。

所述的采用蚁群算法规划AGV行驶路径具体步骤为：

1)初始化蚁群算法参数，获取全局地图路段长度信息，获取待执行任务订单的起点和目标点；

2)通过转移概率函数计算蚂蚁将要访问的下一路段节点，所述转移概率函数表示为：

其中，τ_ij(t)表示电子地图中i点和j点之间路段上的蚂蚁释放信息素浓度；η_ij(t)表示电子地图i点和j点之间独立路段长度的倒数；α表示信息素启发因子；β表示期望启发因子；allowed_k表示允许蚂蚁k下一步访问节点的集合，所述节点集合不包括已经访问过的节点和障碍节点；

3)蚂蚁每前进一步，记录行走过的路段节点，更新执行任务路线长度；

4)重复步骤2)和步骤3)，直到所有蚂蚁到达所述待执行任务订单的目标点；

5)在所有蚂蚁到达所述待执行任务订单的目标点之后，更新全局地图路段的信息素浓度，具体表示为：

τ_ij(t+1)＝(1-ρ)*τ_ij(t)+△τ_ij(t)

其中，τ_ij(t+1)表示搜索更新之后连接i点和j点路段上的信息素浓度；τ_ij(t)表示当前连接i点和j点路段上的信息素浓度；ρ表示信息素挥发系数，且满足0<ρ<1；△τ_ij(t)表示在搜索过程中，经过i点和j点路段的所有蚂蚁留下的信息素浓度之和；表示在搜索过程中，蚂蚁k经过i点和j点路段时所释放的信息素浓度；Q表示蚂蚁到达目标点时所释放的信息素总量；m表示蚂蚁种群个数，L_k表示蚂蚁到达目标点时所搜索到的长度；

6)重复步骤3)至步骤5)，直到所有蚂蚁迭代结束。

本发明的有益效果：

本发明对AGV协调机制采用负载均衡方法，有效提高地图中各路段的利用率，分散道路运行的压力，减少AGV之间的冲突次数，提高调度系统运行效率，从而实现整个调度系统的安全平稳运行。

附图说明

图1为本发明实施例中的基于负载均衡的多AGV避碰方法的流程图。

图2为本发明实施例中的数据关联图。

图3为本发明实施例中的地图模型。

图4为本发明实施例中的路线冲突示意图。

图5为本发明实施例中的负载均衡规划示意图。

具体实施方式

下面是结合附图对本发明的技术方案进行详细说明。

如图1本发明实施例中的基于负载均衡的多AGV避碰方法的流程图所示，首先获取地图中能改变AGV前进方向的转向点，两转向点之间的路段为独立路段，在所有独立路段中安装位置传感器，用于记录路段AGV经过次数，同时也能反馈AGV位置信息。根据记录点记录路段通行AGV次数，并获取路段临近地图信息，设计惩罚项和惩罚系数函数，更新全局路段长度。根据获取的全局地图信息和地图更新之后的路段长度信息，采用蚁群算法规划AGV执行任务路线，减少AGV之间冲突发生次数，提高完成任务效率，也保证系统运行的稳定性。

一种基于负载均衡的多AGV避碰方法，如图1本发明实施例中的基于负载均衡的多AGV避碰方法的流程图所示，包括以下步骤：

步骤一：获取物流车间布局信息和AGV作业环境，通过MATLAB软件，采用栅格法建立AGV调度系统电子地图，根据AGV能否改变前进方向，提取AGV可转向点，并通过AGV可转向点进行独立路段的划分，所述AGV可转向点是指AGV能够改变前进方向的位置点，所述AGV可转向点包括L型转向点、T型转向点和十字型转向点，其中连通两个AGV可转向点之间的路段称为独立路段，连通两个AGV可转向点之间的长度称为独立路段长度；

AGV调度系统示例电子地图模型如图3所示，采用10行10列的矩阵模拟AGV运行地图环境，其中包括100个可转向点，两转向点之间即为独立路段。假设在本地图中，各AGV保持同一速度匀速运行，因此AGV运行时间与行走路线成正比，转向和在工作点停留时间忽略不计。AGV调度系统根据获取的任务起始点和目标点信息，采用蚁群算法在电子地图模型中，规划AGV执行任务路线，其中系统初始时路段长度L＝1。

步骤二：AGV调度系统实时刷新任务订单列表和AGV状态列表，根据任务优先级选出空闲AGV需要执行的任务订单，并获取待执行任务订单的起点和目标点，其中所述任务订单列表为空闲AGV执行任务订单的先后顺序列表，包含任务订单的优先级、任务下发时间、起点和目标点，所述AGV状态列表为记录AGV处于空闲状态或忙碌状态的列表；

步骤三：在AGV调度系统电子地图中，设置路段记录点，用于获取AGV通行次数和附近地图信息，如果某个独立路段在预设时间间隔内有AGV行驶过，则继续执行步骤四，否则没有AGV行驶过的独立路段的长度保持不变，所述的路段记录点为在每条独立路段中预先设置的用于识别AGV是否行驶过信息的区域点；

如图2本发明实施例中的数据关联图所示，在调度系统中，搜索全局路段通行AGV次数和路段临近地图信息，设计惩罚项和惩罚系数，更新全局地图路段长度。因路段AGV通行次数不同，对路段的惩罚程度不同，避免规划AGV路线相对集中，发生大规模路径堵塞。从任务列表中获取AGV执行任务的先后顺序、起点和目标点信息，从AGV状态列表中，获取AGV所处位置和状态信息，从空闲状态AGV中选出响应任务最快的去执行任务；根据全局路段长度更新之后的信息，采用蚁群算法规划AGV执行任务路线以及优先级法解决AGV之间冲突问题，保证系统安全高效完成任务，具体实施过程如以下步骤四和步骤五所示：

步骤四：建立惩罚系数函数和惩罚项函数，具体表述为：

1)当某个独立路段在预设时间间隔内有AGV行驶过时，路段记录点将AGV通行次数信息上传到AGV调度系统，同时装载在AGV上的导航系统自动搜索所经过的独立路段上的路段记录点附近的地图信息并上传至AGV调度系统，然后AGV调度系统根据所述路段记录点附近的地图信息获取所述独立路段的预设范围内独立路段总数目和不可通行的独立路段数目，并建立惩罚系数函数：

式中，α_i表示第i个独立路段的惩罚系数，M_i表示第i个独立路段预设范围内的独立路段的总数目，m_i表示第i个独立路段预设范围内的不可通行的独立路段的数目。

2)某个独立路段在预设时间间隔内有AGV行驶过时，AGV调度系统根据地图中路段记录点自动记录所在独立路段的AGV通行次数，并实时更新全局路段的通行次数，然后建立惩罚项函数，所述惩罚项函数为：

式中，P_i表示第i个独立路段的惩罚系数，n_i表示AGV经过第i个独立路段的次数，N表示AGV经过的所有独立路段的总次数。

3)根据所述的惩罚项函数和惩罚系数函数更新所述独立路段长度信息，具体表示为：

L_i＝α_iP_i

式中，L_i表示更新后的第i个独立路段的长度，α_i表示第i个独立路段的惩罚系数，P_i表示第i个独立路段的惩罚系数。

步骤五：AGV调度系统获取待执行任务订单的起点和目标点信息，根据获得的最新负载均衡电子地图模型，采用蚁群算法规划AGV执行任务路线，避免AGV行驶路线相对集中，采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务，具体表述为：

1)建立负载均衡电子地图模型，获取AGV工作环境信息；

2)根据所述负载均衡电子地图模型中的路段记录点获取某个路段AGV通行次数和附近地图信息，并将获取的所述路段的AGV通行次数和附近地图信息传入到AGV调度系统；

3)根据获得的所述的最新全局路段的长度信息，采用步骤四建立的惩罚项函数和惩罚系数函数更新全局路段长度信息，用于蚁群算法规划AGV行驶路径，分散道路运行压力；

4)采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务。

采用蚁群算法规划AGV行驶路径具体步骤为：

1)初始化蚁群算法参数，获取全局地图路段长度信息，获取待执行任务订单的起点和目标点；

2)通过转移概率函数计算蚂蚁将要访问的下一路段节点，所述转移概率函数表示为：

其中，τ_ij(t)表示电子地图中i点和j点之间路段上的蚂蚁释放信息素浓度；η_ij(t)表示电子地图i点和j点之间独立路段长度的倒数；α表示信息素启发因子；β表示期望启发因子；allowed_k表示允许蚂蚁k下一步访问节点的集合，所述节点集合不包括已经访问过的节点和障碍节点；

3)蚂蚁每前进一步，记录行走过的路段节点，更新执行任务路线长度；

4)重复步骤2)和步骤3)，直到所有蚂蚁到达所述待执行任务订单的目标点；

5)在所有蚂蚁到达所述待执行任务订单的目标点之后，更新全局地图路段的信息素浓度，具体表示为：

τ_ij(t+1)＝(1-ρ)*τ_ij(t)+△τ_ij(t)

其中，τ_ij(t+1)表示搜索更新之后连接i点和j点路段上的信息素浓度；τ_ij(t)表示当前连接i点和j点路段上的信息素浓度；ρ表示信息素挥发系数，且满足0<ρ<1；△τ_ij(t)表示在搜索过程中，经过i点和j点路段的所有蚂蚁留下的信息素浓度之和；表示在搜索过程中，蚂蚁k经过i点和j点路段时所释放的信息素浓度；Q表示蚂蚁到达目标点时所释放的信息素总量；m表示蚂蚁种群个数，L_k表示蚂蚁到达目标点时所搜索到的长度；

6)重复步骤3)至步骤5)，直到所有蚂蚁迭代结束。

采用优先级法解决AGV冲突的具体步骤为：

1)分配AGV优先级，执行任务AGV的优先级高于空闲AGV优先级，如果AGV都执行任务，则任务优先级高的AGV优先级高，如果任务优先级相同，则根据执行任务的先后顺序，谁先谁优先级高；

2)当调度系统预测下一路口即将发生冲突时，高优先级AGV先行驶通过，低优先级进行避让，保证AGV顺利达到目标点；

3)直至AGV到达任务目标点。

如图4本发明实施例中的路线冲突示意图所示，以两台AGV调度情况为例，图中AGV1和AGV2同时接收到任务，如表1所示，AGV1从A33点运行到A56点，AGV2从A42点运行到A66点。针对调度系统下发的给定起点和终点的任务，使用蚁群算法规划路径，在原始地图路段长度上进行搜索，规划执行任务路线。从表1中可以看出，两辆AGV在8t时刻，于地图路段A46-A56重叠，出现了路线冲突。

表1 AGV行驶路段和通行时间表

如图5本发明实施例中的负载均衡规划示意图所示，在AGV2执行任务中，因A45-A46路段更新之后，路段长度增加，因此蚁群算法规划路径时，选择其他较优路线，避免行走路线集中路段，采用蚁群算法重新规划的新路线如表2所示，路段A42—A52—A62—A63—A64—A65—A76。

表2 AGV行驶路段和通行时间表

AGV2重新规划路径之后，避免行走路段A46-A56，进而实现避免与AGV1发生冲突，提高完成任务效率，也保证系统运行的稳定性。

Claims (6)

1.一种基于负载均衡的多AGV避碰方法，其特征在于，包括以下步骤：

步骤一：AGV调度系统根据获取的物流车间布局信息和AGV作业环境，建立AGV调度系统电子地图，根据AGV能否改变前进方向，提取AGV可转向点，并通过AGV可转向点进行独立路段的划分，所述AGV可转向点是指AGV能够改变前进方向的位置点，所述AGV可转向点包括L型转向点、T型转向点和十字型转向点，其中连通两个AGV可转向点之间的路段称为独立路段，连通两个AGV可转向点之间的长度称为独立路段长度；

步骤二：AGV调度系统实时刷新任务订单列表和AGV状态列表，根据任务优先级选出空闲AGV需要执行的任务订单，并获取待执行任务订单的起点和目标点，其中所述任务订单列表为空闲AGV执行任务订单的先后顺序列表，包含任务订单的优先级、任务下发时间、起点和目标点，所述AGV状态列表为记录AGV处于空闲状态或忙碌状态的列表；

步骤三：在AGV调度系统电子地图中，设置路段记录点，用于获取AGV通行次数和附近地图信息，如果某个独立路段在预设时间间隔内有AGV行驶过，则继续执行步骤四，否则没有AGV行驶过的独立路段的长度保持不变，所述的路段记录点为在每条独立路段中预先设置的用于识别AGV是否行驶过信息的区域点；

步骤四：建立惩罚系数函数和惩罚项函数，具体表述为：

1)当某个独立路段在预设时间间隔内有AGV行驶过时，路段记录点将所述AGV通行次数信息上传到AGV调度系统，同时装载在AGV上的导航系统自动搜索所经过的独立路段上的路段记录点附近的地图信息并上传至AGV调度系统，然后AGV调度系统根据所述路段记录点附近的地图信息获取所述独立路段的预设范围内独立路段总数目和不可通行的独立路段数目，并建立惩罚系数函数；

2)某个独立路段在预设时间间隔内有AGV行驶过时，AGV调度系统根据地图中路段记录点自动记录所在独立路段的AGV通行次数，并实时更新全局路段的通行次数，然后建立惩罚项函数；

3)根据所述的惩罚项函数和惩罚系数函数更新所述独立路段长度信息；

步骤五：AGV调度系统获取待执行任务订单的起点和目标点信息，根据获得的最新负载均衡电子地图模型，采用蚁群算法规划AGV执行任务路线，避免AGV行驶路线相对集中，采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务。

2.根据权利要求1所述的一种基于负载均衡的多AGV避碰方法，其特征在于，所述的步骤四中的惩罚系数函数为：

式中，α_i表示第i个独立路段的惩罚系数，M_i表示第i个独立路段预设范围内的独立路段的总数目，m_i表示第i个独立路段预设范围内的不可通行的独立路段的数目。

3.根据权利要求1所述的一种基于负载均衡的多AGV避碰方法，其特征在于，所述的步骤四中的惩罚项函数为：

式中，P_i表示第i个独立路段的惩罚项函数，n_i表示AGV经过第i个独立路段的次数，N表示AGV经过的所有独立路段的总数。

4.根据权利要求1所述的一种基于负载均衡的多AGV避碰方法，其特征在于，所述的步骤四中根据惩罚项函数和惩罚系数函数更新全局地图独立路段长度信息，具体表示为：

L_i＝α_iP_i

式中，L_i表示更新后的第i个独立路段的长度，α_i表示第i个独立路段的惩罚系数，P_i表示第i个独立路段的惩罚项函数。

5.根据权利要求1所述的一种基于负载均衡的多AGV避碰方法，其特征在于，所述的步骤五AGV调度系统获取待执行任务订单的起点和目标点信息，根据获得的最新负载均衡电子地图模型，采用蚁群算法规划AGV执行任务路线，避免AGV行驶路线相对集中，采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务，具体表述为：

1)建立负载均衡电子地图模型，获取AGV工作环境信息；

2)根据所述负载均衡电子地图模型中的路段记录点获取某个路段AGV通行次数和附近地图信息，并将获取的所述路段的AGV通行次数和附近地图信息传入到AGV调度系统；

3)根据获得的所述的最新全局路段的长度信息，采用步骤四建立的惩罚项函数和惩罚系数函数更新全局路段长度信息，用于蚁群算法规划AGV行驶路径，分散道路运行压力；

4)采用优先级法解决AGV之间冲突问题，保证AGV顺利完成任务。

6.根据权利要求1或5任意一项所述的一种基于负载均衡的多AGV避碰方法，其特征在于，所述的采用蚁群算法规划AGV行驶路径具体步骤为：

1)初始化蚁群算法参数，获取全局地图路段长度信息，获取待执行任务订单的起点和目标点；

2)通过转移概率函数计算蚂蚁将要访问的下一路段节点，所述转移概率函数表示为：

其中，τ_ij(t)表示电子地图中i点和j点之间路段上的蚂蚁释放信息素浓度；η_ij(t)表示电子地图i点和j点之间独立路段长度的倒数；α表示信息素启发因子；β表示期望启发因子；allowed_k表示允许蚂蚁k下一步访问节点的集合，所述节点集合不包括已经访问过的节点和障碍节点；

3)蚂蚁每前进一步，记录行走过的路段节点，更新执行任务路线长度；

4)重复步骤2)和步骤3)，直到所有蚂蚁到达所述待执行任务订单的目标点；

5)在所有蚂蚁到达所述待执行任务订单的目标点之后，更新全局地图路段的信息素浓度，具体表示为：

τ_ij(t+1)＝(1-ρ)*τ_ij(t)+△τ_ij(t)

其中，τ_ij(t+1)表示搜索更新之后连接i点和j点路段上的信息素浓度；τ_ij(t)表示当前连接i点和j点路段上的信息素浓度；ρ表示信息素挥发系数，且满足0<ρ<1；△τ_ij(t)表示在搜索过程中，经过i点和j点路段的所有蚂蚁留下的信息素浓度之和；表示在搜索过程中，蚂蚁k经过i点和j点路段时所释放的信息素浓度；Q表示蚂蚁到达目标点时所释放的信息素总量；m表示蚂蚁种群个数，L_k表示蚂蚁到达目标点时所搜索到的长度；

6)重复步骤3)至步骤5)，直到所有蚂蚁迭代结束。