CN110543980B - 基于分段充电规划的仓储机器人管理方法及装置 - Google Patents

基于分段充电规划的仓储机器人管理方法及装置 Download PDF

Info

Publication number
CN110543980B
CN110543980B CN201910765410.8A CN201910765410A CN110543980B CN 110543980 B CN110543980 B CN 110543980B CN 201910765410 A CN201910765410 A CN 201910765410A CN 110543980 B CN110543980 B CN 110543980B
Authority
CN
China
Prior art keywords
task
robot
charging
sequence
planning
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
CN201910765410.8A
Other languages
English (en)
Other versions
CN110543980A (zh
Inventor
王景川
胥敬文
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201910765410.8A priority Critical patent/CN110543980B/zh
Publication of CN110543980A publication Critical patent/CN110543980A/zh
Application granted granted Critical
Publication of CN110543980B publication Critical patent/CN110543980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种基于分段充电规划的仓储机器人管理方法及装置,基于本发明的方法,在通过任务分配方法,得到多机器人的任务序列后,进行机器人的优先级确认;然后,根据优先级,对机器人当前任务序列进行分段,并对分段后的任务序列进行考虑充电的规划,根据规划结果,更新机器人的状态信息,并对规划完成的任务序列进行路径规划。本发明有利于减少多机器人相同时刻在同一充电的等待充电时间,提高机器人的充电效率;有利于减少多机器人的任务执行时间,提高生产效率。本发明在保证规划优化性的基础上,降低了规划时间成本,有利于提高多机器人系统运行效率。

Description

基于分段充电规划的仓储机器人管理方法及装置
技术领域
本发明涉及机器人技术领域,具体地,涉及一种基于分段充电规划的仓储机器人管理方法及装置。
背景技术
仓储场景中,机器人的效率直接取决于它们执行任务的时间长短。受制于电量限制,仓储机器人在一个固定电量周期内只能执行有限的任务,因此,当机器人在执行多任务序列时,必须考虑充电管理问题。国外学者定义机器人的充电管理问题主要解决机器人的充电时刻选择,充电桩选择及充电方式。过去的研究中,国外学者对机器人的充电管理问题研究中,主要针对机器人的充电时刻选择,或机器人的充电桩选择两个子问题之一进行研究。而在充电方式的研究中,国外学者开发了一种可同时为多个小型机器人充电的移动式充电站,另外,国外学者开发了一种可持续更新其位置从而协调工作机器人,为其进行充电的移动式充电机器人,然而,在仓储场景中,固定式充电桩依然是当前实际场景下机器人的主要充电方式。传统的如专利文献CN108711775B所公开的一种用于架空输电线路巡检机器人的充电装置及充电方法,包括设置在杆塔上的带状轨道、设置在巡检机器人上的压紧轮、可充电电源、控制系统,所述带状轨道中设置有供巡检机器人充电的充电电极,所述巡检机器人还包括行走轮,所述巡检机器人通过行走轮在所述带状轨道上行走,所述压紧轮由导电材料制成;当控制系统监测到巡检机器人的行走轮或压紧轮行走至带状轨道中的充电电极时,巡检机器人依靠将所述压紧轮抵压在所述充电电极上,从而对可充电电源进行充电。
为解决机器人的充电时刻选择问题,实际场景中广泛采用的是一种基于固定阈值的方法,然而此方法并未同时考虑机器人位置,任务信息,充电桩位置等,因此在部分场景中,此方法的优化性不佳,甚至有可能导致机器人在到达充电桩前电量耗竭。为解决上述问题,国外学者提出了一种基于穷举充电规划的问题,针对机器人的一个固定任务序列,穷举搜索出机器人所有可能的充电时刻并取最优方案执行,然而此方法的不足是,随任务数目增多,搜索范围扩大,时间成本影响算法效率。另外,上述方法均只考虑机器人充电管理问题中的子问题之一,因而在研究中,理想化充电桩数目,足够且与机器人一一对应,此设定也与实际仓储场景有一定的差异。为解决机器人的充电桩选择问题,国外学者提出一种基于贪婪搜索的充电桩选择方法,但在此问题中,机器人的充电时刻选择是固定的,研究重点在于解决机器人因充电桩选择而产生的冲突,而不是协调机器人的充电时刻与充电桩选择从而避免冲突产生。因此,当多个机器人在某一充电桩排队轮流等待充电时,此方法无法规划出有效的求解方法。为解决上述问题,国外学者提出了一种基于“推理逻辑”的方法,在此研究中,机器人根据当前的剩余电量,充电桩距离与理想充电时间“推理”出充电桩选择的优先级。然而此方法中,剩余电量的大小,充电桩距离的远近等数值的“逻辑转化”主要依靠经验推断,具有一定主观性。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于分段充电规划的仓储机器人管理方法及装置。
根据本发明提供的一种基于分段充电规划的仓储机器人管理方法,包括如下步骤:
步骤1:任务分配并确定机器人优先级:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;
步骤2:基于机器人电量的任务序列分段:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段;
步骤3:基于分段任务序列的充电规划:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;
步骤4:基于任务序列的路径规划:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划。
优选地,所述任务分配并确定机器人优先级的步骤中,包括如下步骤:
步骤2.1:根据机器人接收任务的初始时刻确定机器人的优先级,初始时刻越早者优先级越高;
步骤2.2:对初始时刻相同的机器人,根据机器人分配任务数目的多少确定优先级,分配任务数目越多、优先级越高;
步骤2.3:当任务数目相同时,则根据总任务距离确定剩余机器人的优先级大小,任务距离越长、优先级越高。
优选地,所述基于机器人电量的任务序列分段步骤中,任务序列的分段依据为:
确定机器人的初始状态,包括机器人的初始位置s0,初始剩余电量E0,未分段任务序列[task1,task2...taskn];利用机器人的电量消耗模型,及任务序列中完成所有任务的最短距离,确定机器人初始位置出发,沿最短路径依次执行上述任务序列中的执行任务;机器人在完成某任务时,根据机器人的电量消耗模型,机器人剩余电量无法继续前往下一任务点执行任务,必须在此任务点之前,前往充电桩充电,则机器人需进行充电规划的分段任务序列确定,剩余任务序列确定为待规划任务序列,等待当前分段任务序列规划完成后再进行下次的任务序列分段;Model表示输入参数为距离的电量消耗模型,判断分段任务序列的下界公式为:
Figure BDA0002171770510000031
Figure BDA0002171770510000032
表示从任务点taski到任务点taski+1的最短距离;
k表示根据上式所得,分段后的任务子序列中的任务数;
i表示在分段任务子序列中,从初始任务到最终任务的任务次序索引。
优选地,所述基于分段任务序列的充电规划步骤中,包括以下步骤:
常量计算步骤;确定决策变量步骤;确定约束条件步骤;基于目标函数的规划求解步骤;机器人状态更新步骤。
优选地,所述常量计算步骤,计算如下常量:
从任务点taski到下一任务点taski+1的最短距离,以
Figure BDA0002171770510000033
表示;
从任务点taski到充电桩s的最短距离,以dtaski-s表示;
充电桩时间矩阵,利用矩阵的形式表示充电桩未被占用的时间区间;此常量避免了当前机器人的充电规划同之前其他机器人的充电规划在时间空间上的重叠,保证了多机器人的无冲突充电规划;充电桩s的矩阵表示为一个m×2维矩阵形式TWs,其中TWs(i,1)表示未被占用时间区间的起始时刻,TWs(i,2)表示未被占用时间区间的结束时刻,充电桩时间矩阵表示如下:
Figure BDA0002171770510000034
机器人的初始剩余电量E0
机器人任务规划的初始时刻T0
TWs表示充电桩s的时间窗矩阵,它包含m行与2列,矩阵中的每一个行向量表示充电桩的空闲时间区间;
a表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的起始时刻;
b表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的终止时刻;
c表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的起始时刻;
d表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的终止时刻;
if表示在上述公式中,若要使if之前的等式成立,需满足if之后的公式;
m表示充电桩s的时间窗TWs行数,即充电桩时间窗的空闲时间区间数目。
优选地,所述确定决策变量步骤,计算如下决策变量:
分段序列中的充电时刻选择、充电桩选择,决策变量表示为Xtaski-s,此决策变量为0,1的变量,当变量为1时,表示机器人在执行完任务taski后,前往充电桩s充电,当变量为0时,表示不进行充电。
优选地,所述确定约束条件步骤中,约束条件主要包括如下:
充电任务数约束,对当前任务规划的分段,只规划若干次充电任务,公式表达如下:
Figure BDA0002171770510000041
Figure BDA0002171770510000042
表示分段序列中的,代表在完成任务taski后,选择前往充电桩s进行充电的决策变量;n表示需要规划的充电任务次数;
电量约束,充电规划的结果应该能保证机器人在电量耗尽前可到达充电桩充电;设分段任务序列的任务数为N,设选中充电桩为s,设Mlode表示输入为距离的电量消耗模型,则公式表达如下:
Figure BDA0002171770510000043
Figure BDA0002171770510000044
Figure BDA0002171770510000045
表示任务点taski与下一任务点taski+1之间的最短距离;
Figure BDA0002171770510000046
表示任务点taskn与充电桩s之间的最短距离;
Figure BDA0002171770510000047
表示任务点taskn+1与充电桩s之间的最短距离;
完成当前分段任务序列后的剩余电量约束,保证在当前的充电规划结果下,整体任务序列的总充电任务数不超过充电任务估计次数,其中,充电任务估计次数表示机器人在初始状态下,完成整体任务序列可能需要的最大充电次数;约束公式如下:
Figure BDA0002171770510000051
上式中,Num为充电任务估计次数,M为总任务序列任务数,m表示当前充电规划为第m次规划,Model为输入参数为距离的电量消耗模型,充电任务估计次数Num计算如下式:
Figure BDA0002171770510000052
上式中,Estart表示机器人未进行充电规划时的初始剩余电量,χ为系统调节正系数,表示对机器人执行任务序列中途,因往返充电桩而产生的额外电量消耗的估计补偿,[]为取整符号。
优选地,所述基于目标函数的规划求解步骤包括:
充电规划的目标函数为,机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小,目标函数公式如下:
Figure BDA0002171770510000053
其中
Figure BDA0002171770510000054
表示表示在当前充电规划结果下,机器人完成分段任务序列的时间;
F表示当前充电规划的目标函数,即令机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小。
优选地,所述机器人状态更新步骤,包括:
充电桩的时间矩阵:根据分段任务序列的充电规划结果,结合电量模型,更新被选中充电桩的时间矩阵;机器人完成分段任务序列时的剩余电量、初始位置。
根据本发明提供的一种基于分段充电规划的仓储机器人管理装置,包括如下模块:
任务分配并确定机器人优先级模块:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;任务序列包括机器人执行任务的全部任务点与任务次序;根据任务序列,对机器人进行充电规划;机器人的规划优先级依据起始时间,执行任务数量与距离确定;
基于机器人电量的任务序列分段模块:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段,分为待规划分段任务序列与未规划任务序列;
基于分段任务序列的充电规划模块:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;根据充电规划结果,更新完成分段任务序列后的剩余电量与初始位置,同时根据分段任务序列的充电任务信息,更新充电桩的空闲时间矩阵;
基于任务序列的路径规划模块:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划。
与现有技术相比,本发明具有如下的有益效果:
1、本发明有利于减少多机器人相同时刻在同一充电的等待充电时间,提高机器人的充电效率。
2、本发明有利于减少多机器人的任务执行时间,提高生产效率。
3、本发明在保证规划优化性的基础上,降低了规划时间成本,有利于提高多机器人系统运行效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的一种基于分段充电规划的仓储机器人管理方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,根据本发明提供的一种基于分段充电规划的仓储机器人管理方法,包括如下步骤:
步骤1:任务分配并确定机器人优先级:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;优选地,任务序列包括机器人执行任务的全部任务点与任务次序;根据任务序列,对机器人进行充电规划;机器人的规划优先级依据起始时间,执行任务数量与距离确定;
步骤2:基于机器人电量的任务序列分段:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段;优选地,分为待规划分段任务序列与未规划任务序列;
步骤3:基于分段任务序列的充电规划:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;优选地,根据充电规划结果,更新完成分段任务序列后的剩余电量与初始位置,同时根据分段任务序列的充电任务信息,更新充电桩的空闲时间矩阵;
步骤4:基于任务序列的路径规划:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划。
优选地,所述步骤1的任务分配并确定机器人优先级过程包括以下步骤:
步骤1.1:任务分配:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列,任务序列包括机器人执行任务的全部任务点与任务次序。
步骤1.2:确定机器人优先级:
首先,根据机器人接收任务的初始时刻确定机器人的优先级,初始时刻越早者优先级越高;其次,对初始时刻相同的机器人,根据机器人分配任务数目的多少确定优先级,分配任务数目越多、优先级越高;再次,当任务数目相同时,则根据总任务距离确定剩余机器人的优先级大小,任务距离越长、优先级越高。
进一步地,所述基于机器人电量的任务序列分段步骤中,任务序列的分段依据为:
确定机器人的初始状态,包括机器人的初始位置s0,初始剩余电量E0,未分段任务序列[task1,task2...taskn];利用机器人的电量消耗模型,及任务序列中完成所有任务的最短距离,确定机器人初始位置出发,沿最短路径依次执行上述任务序列中的执行任务;机器人在完成某任务时,根据机器人的电量消耗模型,机器人剩余电量无法继续前往下一任务点执行任务,必须在此任务点之前,前往充电桩充电,则机器人需进行充电规划的分段任务序列确定,剩余任务序列确定为待规划任务序列,等待当前分段任务序列规划完成后再进行下次的任务序列分段;Model表示输入参数为距离的电量消耗模型,判断分段任务序列的下界公式为:
Figure BDA0002171770510000081
Figure BDA0002171770510000082
表示从任务点taski到任务点taski+1的最短距离;
k表示根据上式所得,分段后的任务子序列中的任务数;
i表示在分段任务子序列中,从初始任务到最终任务的任务次序索引。
进一步地,所述基于分段任务序列的充电规划步骤中,包括以下步骤:
步骤3.1,常量计算步骤;确定决策变量步骤;确定约束条件步骤;基于目标函数的规划求解步骤;机器人状态更新步骤;
将分段任务序列的充电规划问题转化为一个整数规划问题,列举出整数规划问题中所包含的常量、决策变量、约束条件及目标函数;目标函数通过常量表示,并在约束条件范围内进行求解寻优,得到机器人在此分段任务序列中执行充实任务时的充电时刻与选择的充电桩。
进一步地,所述常量计算步骤,计算如下常量:
从任务点taski到下一任务点taski+1的最短距离,以
Figure BDA0002171770510000083
表示;
从任务点taski到充电桩s的最短距离,以dtaski-s表示;
充电桩时间矩阵,利用矩阵的形式表示充电桩未被占用的时间区间;此常量避免了当前机器人的充电规划同之前其他机器人的充电规划在时间空间上的重叠,保证了多机器人的无冲突充电规划;充电桩s的矩阵表示为一个m×2维矩阵形式TWs,其中TWs(i,1)表示未被占用时间区间的起始时刻,TWs(i,2)表示未被占用时间区间的结束时刻,充电桩时间矩阵表示如下:
Figure BDA0002171770510000084
机器人的初始剩余电量E0
机器人任务规划的初始时刻T0
TWs表示充电桩s的时间窗矩阵,它包含m行与2列,矩阵中的每一个行向量表示充电桩的空闲时间区间;
a表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的起始时刻;
b表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的终止时刻;
c表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的起始时刻;
d表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的终止时刻;
if表示在上述公式中,若要使if之前的等式成立,需满足if之后的公式;
m表示充电桩s的时间窗TWs行数,即充电桩时间窗的空闲时间区间数目。
步骤3.2,所述确定决策变量步骤,计算如下决策变量:
分段序列中的充电时刻选择、充电桩选择,决策变量表示为Xtaski-s,此决策变量为0,1的变量,当变量为1时,表示机器人在执行完任务taski后,前往充电桩s充电,当变量为0时,表示不进行充电。
步骤3.3,所述确定约束条件步骤中,约束条件主要包括如下:
充电任务数约束,对当前任务规划的分段,只规划若干次充电任务,公式表达如下:
Figure BDA0002171770510000091
Figure BDA0002171770510000092
表示分段序列中的,代表在完成任务taski后,选择前往充电桩s进行充电的决策变量;n表示需要规划的充电任务次数;
电量约束,充电规划的结果应该能保证机器人在电量耗尽前可到达充电桩充电。设分段任务序列的任务数为N,设选中充电桩为s,设Mlode表示输入为距离的电量消耗模型,则公式表达如下:
Figure BDA0002171770510000093
Figure BDA0002171770510000094
Figure BDA0002171770510000095
表示任务点taski与下一任务点taski+1之间的最短距离;
Figure BDA0002171770510000096
表示任务点taskn与充电桩s之间的最短距离;
Figure BDA0002171770510000097
表示任务点taskn+1与充电桩s之间的最短距离;
完成当前分段任务序列后的剩余电量约束,保证在当前的充电规划结果下,整体任务序列的总充电任务数不超过充电任务估计次数,其中,充电任务估计次数表示机器人在初始状态下,完成整体任务序列可能需要的最大充电次数;约束公式如下:
Figure BDA0002171770510000098
上式中,Num为充电任务估计次数,M为总任务序列任务数,m表示当前充电规划为第m次规划,Model为输入参数为距离的电量消耗模型,充电任务估计次数Num计算如下式:
Figure BDA0002171770510000101
上式中,Estart表示机器人未进行充电规划时的初始剩余电量,χ为系统调节正系数,表示对机器人执行任务序列中途,因往返充电桩而产生的额外电量消耗的估计补偿,[]为取整符号。
步骤3.4,所述基于目标函数的规划求解步骤包括:
充电规划的目标函数为,机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小,目标函数公式如下:
Figure BDA0002171770510000102
其中
Figure BDA0002171770510000103
表示表示在当前充电规划结果下,机器人完成分段任务序列的时间;
F表示当前充电规划的目标函数,即令机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小。
更进一步地,所述机器人状态更新步骤,包括:
根据分段任务序列的充电规划结果,结合电量模型,更新被选中充电桩的时间矩阵;机器人完成分段任务序列时的剩余电量、初始位置。若此器机器人的全部任务序列的充电规划完成,则转入下一机器人的充电规划,否则继续对当前机器人的未规划任务序列进行分段充电规划。若全部机器人均完成充电规划,则采用路径规划方法,为机器人规划路径、完成全部任务。
根据本发明提供的一种基于分段充电规划的仓储机器人管理装置,包括如下模块:
任务分配并确定机器人优先级模块:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;任务序列包括机器人执行任务的全部任务点与任务次序;根据任务序列,对机器人进行充电规划;机器人的规划优先级依据起始时间,执行任务数量与距离确定;
基于机器人电量的任务序列分段模块:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段,分为待规划分段任务序列与未规划任务序列;
基于分段任务序列的充电规划模块:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;根据充电规划结果,更新完成分段任务序列后的剩余电量与初始位置,同时根据分段任务序列的充电任务信息,更新充电桩的空闲时间矩阵;
基于任务序列的路径规划模块:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。

Claims (9)

1.一种基于分段充电规划的仓储机器人管理方法,其特征在于,包括如下步骤:
步骤1:任务分配并确定机器人优先级:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;
步骤2:基于机器人电量的任务序列分段:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段;
步骤3:基于分段任务序列的充电规划:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;
步骤4:基于任务序列的路径规划:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划;
所述基于机器人电量的任务序列分段步骤中,任务序列的分段依据为:
确定机器人的初始状态,包括机器人的初始位置s0,初始剩余电量E0,未分段任务序列[task1,task2...taskn];利用机器人的电量消耗模型,及任务序列中完成所有任务的最短距离,确定机器人初始位置出发,沿最短路径依次执行上述任务序列中的执行任务;机器人在完成某任务时,根据机器人的电量消耗模型,机器人剩余电量无法继续前往下一任务点执行任务,必须在此任务点之前,前往充电桩充电,则机器人需进行充电规划的分段任务序列确定,剩余任务序列确定为待规划任务序列,等待当前分段任务序列规划完成后再进行下次的任务序列分段;Model表示输入参数为距离的电量消耗模型,判断分段任务序列的下界公式为:
Figure FDA0003509174290000011
Figure FDA0003509174290000012
表示从任务点taski到任务点taski+1的最短距离;
k表示根据上式所得,分段后的任务子序列中的任务数;
i表示在分段任务子序列中,从初始任务到最终任务的任务次序索引。
2.根据权利要求1所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述任务分配并确定机器人优先级的步骤中,包括如下步骤:
步骤2.1:根据机器人接收任务的初始时刻确定机器人的优先级,初始时刻越早者优先级越高;
步骤2.2:对初始时刻相同的机器人,根据机器人分配任务数目的多少确定优先级,分配任务数目越多、优先级越高;
步骤2.3:当任务数目相同时,则根据总任务距离确定剩余机器人的优先级大小,任务距离越长、优先级越高。
3.根据权利要求1所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述基于分段任务序列的充电规划步骤中,包括以下步骤:
常量计算步骤;确定决策变量步骤;确定约束条件步骤;基于目标函数的规划求解步骤;机器人状态更新步骤。
4.根据权利要求3所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述常量计算步骤,计算如下常量:
从任务点taski到下一任务点taski+1的最短距离,以
Figure FDA0003509174290000021
表示;
从任务点taski到充电桩s的最短距离,以
Figure FDA0003509174290000022
表示;
充电桩时间矩阵,利用矩阵的形式表示充电桩未被占用的时间区间;此常量避免了当前机器人的充电规划同之前其他机器人的充电规划在时间空间上的重叠,保证了多机器人的无冲突充电规划;充电桩s的矩阵表示为一个m×2维矩阵形式TWs,其中TWs(i,1)表示未被占用时间区间的起始时刻,TWs(i,2)表示未被占用时间区间的结束时刻,充电桩时间矩阵表示如下:
Figure FDA0003509174290000023
机器人的初始剩余电量E0
机器人任务规划的初始时刻T0
TWs表示充电桩s的时间窗矩阵,它包含m行与2列,矩阵中的每一个行向量表示充电桩的空闲时间区间;
a表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的起始时刻;
b表示当矩阵包含两个空闲时间区间时,充电桩s的第一个时间区间的终止时刻;
c表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的起始时刻;
d表示当矩阵包含两个空闲时间区间时,充电桩s的第二个时间区间的终止时刻;
if表示在充电桩时间矩阵公式中,若要使if之前的等式成立,需满足if之后的公式;
m表示充电桩s的时间窗TWs行数,即充电桩时间窗的空闲时间区间数目。
5.根据权利要求3所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述确定决策变量步骤,计算如下决策变量:
分段序列中的充电时刻选择、充电桩选择,决策变量表示为
Figure FDA0003509174290000031
此决策变量为0,1的变量,当变量为1时,表示机器人在执行完任务taski后,前往充电桩s充电,当变量为0时,表示不进行充电。
6.根据权利要求3所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述确定约束条件步骤中,约束条件主要包括如下:
充电任务数约束,对当前任务规划的分段,只规划若干次充电任务,公式表达如下:
Figure FDA0003509174290000032
Figure FDA0003509174290000033
表示分段序列中的,代表在完成任务taski后,选择前往充电桩s进行充电的决策变量;n表示需要规划的充电任务次数;
电量约束,充电规划的结果应该能保证机器人在电量耗尽前可到达充电桩充电;设分段任务序列的任务数为N,设选中充电桩为s,设Model表示输入为距离的电量消耗模型,则公式表达如下:
Figure FDA0003509174290000034
Figure FDA0003509174290000035
Figure FDA0003509174290000036
表示任务点taski与下一任务点taski+1之间的最短距离;
Figure FDA0003509174290000037
表示任务点taskn与充电桩s之间的最短距离;
Figure FDA0003509174290000038
表示任务点taskn+1与充电桩s之间的最短距离;
完成当前分段任务序列后的剩余电量约束,保证在当前的充电规划结果下,整体任务序列的总充电任务数不超过充电任务估计次数,其中,充电任务估计次数表示机器人在初始状态下,完成整体任务序列需要的最大充电次数;约束公式如下:
Figure FDA0003509174290000041
上式中,Num为充电任务估计次数,M为总任务序列任务数,m表示当前充电规划为第m次规划,Model为输入参数为距离的电量消耗模型,充电任务估计次数Num计算如下式:
Figure FDA0003509174290000042
上式中,Estart表示机器人未进行充电规划时的初始剩余电量,χ为系统调节正系数,表示对机器人执行任务序列中途,因往返充电桩而产生的额外电量消耗的估计补偿,[]为取整符号。
7.根据权利要求6所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述基于目标函数的规划求解步骤包括:
充电规划的目标函数为,机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小,目标函数公式如下:
Figure FDA0003509174290000043
其中
Figure FDA0003509174290000044
表示在当前充电规划结果下,机器人完成分段任务序列的时间;
F表示当前充电规划的目标函数,即令机器人在考虑机器人充电需求情况下,完成当前分段任务序列的时间最小。
8.根据权利要求3所述的基于分段充电规划的仓储机器人管理方法,其特征在于,所述机器人状态更新步骤,包括:
充电桩的时间矩阵:根据分段任务序列的充电规划结果,结合电量模型,更新被选中充电桩的时间矩阵;机器人完成分段任务序列时的剩余电量、初始位置。
9.一种基于分段充电规划的仓储机器人管理装置,其特征在于,包括如下模块:
任务分配并确定机器人优先级模块:采用任务分配算法为全部的仓储机器人分配任务,得到每个机器人的任务序列;任务序列包括机器人执行任务的全部任务点与任务次序;根据任务序列,对机器人进行充电规划;机器人的规划优先级依据起始时间,执行任务数量与距离确定;
基于机器人电量的任务序列分段模块:根据机器人的初始剩余电量,电量消耗模型及任务序列信息,对当前机器人的未规划任务序列进行分段,分为待规划分段任务序列与未规划任务序列;
基于分段任务序列的充电规划模块:对需规划的分段任务序列进行充电规划,确定分段任务序列中充电任务的执行次序、选择执行充电的充电桩;根据充电规划结果,更新完成分段任务序列后的剩余电量与初始位置,同时根据分段任务序列的充电任务信息,更新充电桩的空闲时间矩阵;
基于任务序列的路径规划模块:根据机器人的优先级与任务序列信息,采用路径规划方法,分别对每个机器人执行任务进行路径规划;
所述基于机器人电量的任务序列分段模块中,任务序列的分段依据为:
确定机器人的初始状态,包括机器人的初始位置s0,初始剩余电量E0,未分段任务序列[task1,task2...taskn];利用机器人的电量消耗模型,及任务序列中完成所有任务的最短距离,确定机器人初始位置出发,沿最短路径依次执行上述任务序列中的执行任务;机器人在完成某任务时,根据机器人的电量消耗模型,机器人剩余电量无法继续前往下一任务点执行任务,必须在此任务点之前,前往充电桩充电,则机器人需进行充电规划的分段任务序列确定,剩余任务序列确定为待规划任务序列,等待当前分段任务序列规划完成后再进行下次的任务序列分段;Model表示输入参数为距离的电量消耗模型,判断分段任务序列的下界公式为:
Figure FDA0003509174290000051
Figure FDA0003509174290000052
表示从任务点taski到任务点taski+1的最短距离;
k表示根据上式所得,分段后的任务子序列中的任务数;
i表示在分段任务子序列中,从初始任务到最终任务的任务次序索引。
CN201910765410.8A 2019-08-19 2019-08-19 基于分段充电规划的仓储机器人管理方法及装置 Active CN110543980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910765410.8A CN110543980B (zh) 2019-08-19 2019-08-19 基于分段充电规划的仓储机器人管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910765410.8A CN110543980B (zh) 2019-08-19 2019-08-19 基于分段充电规划的仓储机器人管理方法及装置

Publications (2)

Publication Number Publication Date
CN110543980A CN110543980A (zh) 2019-12-06
CN110543980B true CN110543980B (zh) 2022-04-08

Family

ID=68711608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910765410.8A Active CN110543980B (zh) 2019-08-19 2019-08-19 基于分段充电规划的仓储机器人管理方法及装置

Country Status (1)

Country Link
CN (1) CN110543980B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112054521A (zh) * 2020-09-11 2020-12-08 灵动科技(北京)有限公司 机器人、调度装置、机器人充电系统和方法及存储介质
CN112861424B (zh) * 2021-01-11 2023-07-18 中山大学 一种基于博弈论的在线协同无线充电方法
CN113570241A (zh) * 2021-07-27 2021-10-29 广东电网有限责任公司 一种输电线路巡检机器人任务优化分配方法及装置
CN114374239B (zh) * 2021-11-30 2023-08-04 杭州申昊科技股份有限公司 一种防爆型巡检机器人的充电方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109088452A (zh) * 2018-08-15 2018-12-25 深圳市烽焌信息科技有限公司 机器人充电方法及机器人

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109088452A (zh) * 2018-08-15 2018-12-25 深圳市烽焌信息科技有限公司 机器人充电方法及机器人

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Efficient Recharging Task Planning Method For Multi-Robot;Jingwen Xu etc.;《IEEE:International Conference on Robotics and Biomimetics》;20191230;全文 *
Multirobot Rendezvous Planning for Recharging in Persistent Tasks;Neil Mathew etc.;《IEEE TRANSACTIONS ON ROBOTICS》;20150228;第31卷(第1期);全文 *
基于任务优先的移动机器人充电优化策略;王静等;《杭州电子科技大学学报》;20180930;第38卷(第5期);全文 *

Also Published As

Publication number Publication date
CN110543980A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110543980B (zh) 基于分段充电规划的仓储机器人管理方法及装置
De Ryck et al. Resource management in decentralized industrial Automated Guided Vehicle systems
CN104408589B (zh) 基于混合粒子群算法的agv优化调度方法
CN112232545B (zh) 基于模拟退火算法的agv任务调度方法
CN110481536B (zh) 一种应用于混合动力汽车的控制方法及设备
CN105467997A (zh) 基于线性时序逻辑理论的仓储机器人路径规划方法
Zhou et al. Multi-objective optimization of electric vehicle routing problem with battery swap and mixed time windows
US20210325862A1 (en) Safeguarding resources of physical entities in a shared environment
CN116523165B (zh) 柔性作业车间amr路径规划与生产调度的协同优化方法
CN113516429B (zh) 一种基于网络拥堵模型的多agv全局规划方法
CN108106624A (zh) 一种多人预约调度路径规划方法及相关装置
CN115310690A (zh) 数字孪生的四向穿梭车优化调度方法、装置及存储介质
CN111027875A (zh) 一种基于自适应任务池的智能仓储多机器人任务分配方法
CN117151590A (zh) 基于平移时间窗和任务路径规划的agv调度方法
CN109048910B (zh) 机器人避让预判方法及装置
Xu et al. An efficient recharging task planning method for multi-robot autonomous recharging problem
CN114707707A (zh) 一种基于改进的遗传算法对agv任务调度的方法及系统
Oliveira et al. Multi-constrained Voronoi-based task allocator for smart-warehouses
Yang et al. Battery-powered automated guided vehicles scheduling problem in automated container terminals for minimizing energy consumption
Li et al. Research on cooperative scheduling of AGV transportation and charging in intelligent warehouse system based on dynamic task chain
Miklić et al. A modular control system for warehouse automation-algorithms and simulations in USARSim
CN110991931A (zh) 一种基于双中心q学习的充电场站协同优化控制方法
CN112070341A (zh) 一种面向多机器人充电策略的分布式求解方法
Niu et al. A novel hierarchical charging algorithm for the AGV dispatching problem in a multi-robot system
CN117689163B (zh) 基于图论的铁路专用线作业调控方法

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
GR01 Patent grant
GR01 Patent grant