CN110597263A - 一种无人餐厅自动送餐路径规划方法 - Google Patents
一种无人餐厅自动送餐路径规划方法 Download PDFInfo
- Publication number
- CN110597263A CN110597263A CN201910909681.6A CN201910909681A CN110597263A CN 110597263 A CN110597263 A CN 110597263A CN 201910909681 A CN201910909681 A CN 201910909681A CN 110597263 A CN110597263 A CN 110597263A
- Authority
- CN
- China
- Prior art keywords
- trolley
- meal
- food delivery
- trolleys
- target point
- 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.)
- Granted
Links
Classifications
-
- 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
Abstract
本发明涉及一种无人餐厅自动送餐路径规划方法,包括以下步骤:步骤S1:根据顾客点餐系统获取送餐小车的目标点位及送餐小车数量;步骤S2:根据得到的目标点位及送餐小车数量,确定系统调度目标;步骤S3:根据系统调度目标构建路径规划模型;步骤S4:根据得到的路径规划模型规划初始规划策略;步骤S5:根据得到初始规划策略,采用模糊算法规避实时碰撞,生成最优规划策略;步骤S6:系统根据最优规划策略控制送餐小车执行送餐任务。本发明可以保证无人餐厅自动送餐系统的稳定性、可靠性,同时保证送餐小车组的调度有序、高效,不会发生送餐小车间相互碰撞或者死锁的情况。
Description
技术领域
本发明涉及移动机器人的自主导航领域,具体涉及一种无人餐厅路径规划方法。
背景技术
AGV小车因为其自动化程度高,方便,能减少占地面积,在多个领域都有很好的应用,并取得了很好的效果。例如:在仓储业, AGV小车用于实现出入库货物的自动搬运;在邮局、图书馆、码头和机场等场合,物品的运送存在着作业量变化大,动态性强,作业流程经常调整,以及搬运作业过程单一等特点,AGV小车的并行作业、自动化、智能化和柔性化的特性能够很好的满足上式场合的搬运要求;在军事上,以AGV小车的自动驾驶为基础集成其他探测和拆卸设备,可用于战场排雷和阵地侦察。而在无人餐厅方面,AGV小车主要是根据顾客点餐系统来获取目标点,然后运输餐品到顾客手中,由于无人餐厅中有多台AGV小车,为了防止小车之间发生碰撞,需要为每个小车规划出一条无碰撞、协调的路径,因此有必要设计一种无人餐厅的自动送餐路径来解决上述问题。
发明内容
有鉴于此,本发明的目的在于提供一种无人餐厅自动送餐路径规划方法,通过构建数学模型来求解送餐小车到达目标点的最短时间,利用模糊算法进行路径规划优化,从而实现更高效、稳定的无人送餐技术。
为实现上述目的,本发明采用如下技术方案:
一种无人餐厅自动送餐路径规划方法,其特征在于,包括以下步骤:
步骤S1:根据顾客点餐系统获取送餐小车的目标点位及送餐小车数量;
步骤S2:根据得到的目标点位及送餐小车数量,确定系统调度目标;
步骤S3:根据系统调度目标构建路径规划模型;
步骤S4:根据得到的路径规划模型规划初始规划策略;
步骤S5:根据得到初始规划策略,采用模糊算法规避实时碰撞,生成最优规划策略;
步骤S6:系统根据最优规划策略控制送餐小车执行送餐任务。
进一步的,所述系统调度目标模型如下:
其中,T1(k)为第k辆送餐小车将顾客的餐品送到目标点位后回到起始位置并且无障碍行驶的实际时间;T2(k)为第k辆送餐小车在目标点位所在的支路外等待的时间;T3(k)为第k辆送餐小车与其他小车发生冲突时行驶的实际时间;m表示送餐小车组中送餐小车的辆数。
进一步的,所述路径规划模型包括送餐小车完成所述送餐路径所用时间的目标函数、所述目标函数的约束条件以及决策变量。
进一步的,所述步骤S3具体为:
步骤S31:送餐小车组中第k辆送餐小车无障碍送餐往返全程的时间函数如下式:
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j) 时,取值为1,否则,为0;lij为送餐小车从出发点到目标点位(i,j) 的距离以及从目标点位(i,j)回到出发点的距离之和;v为送餐小车的运行速度;t1为顾客取餐的实际时间,a为支路的数目,b为每条支路上目标点位的个数,此处a=4,b=5,即4条支路,每条支路上有5个目标点位。
步骤S32:送餐小车组中每辆送餐小车一次只能获取一个目标点位
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j) 时,取值为1,否则,为0。
步骤S33:送餐小车组中第k辆送餐小车在目标点位(i,j)所在的支路外等待的时间函数如下式:
其中,Y(k)ij为决策变量,t2为送餐小车的目标点位的支路上有其他送餐小车时的等待的实际时间;
步骤S34:送餐小车组中第k辆送餐小车在目标点位(i,j)所在支路外是否要等待的约束条件为:
其中,Y(k)ij为决策变量,当第k辆送餐小车的目标点位(i,j) 所在支路被占用时,取值为1,否则,为0;
步骤S35:送餐小车组中第k辆送餐小车与其他送餐小车避免碰撞的行驶时间函数如下式:
其中,P(k)i′为决策变量,t3为在安全范围内为避免与其他送餐小车的碰撞而行驶的实际时间,c为节点数目,此处c=8;
步骤S36:决策变量的约束条件为:
P(k)i′∈{0,1} (7)
其中P(k)i′为决策变量,当送餐小车组中第k辆送餐小车在节点 i’处发生避障行为时,取值为1,否则,为0。
进一步的,所述的模糊算法具体为:
步骤S51:确定模糊算法中的输入和输出量,确定两个输入量,对应送餐小车雷达传感器采集到的距离信息和方位信息,距离信息即与其他送餐小车之间的距离,用D表示,其模糊语言变量为{近,中,远},用{Near,Med,Far}表示,论域为[0.1米,0.45米],方位信息即其他送餐小车相对于第K辆送餐小车的方位,用θ表示,其模糊语言变量为{左前、正前、右前},用{LF、F、RF}表示,论域为[-90°,+90°],一个输出量,即送餐小车在避让过程中的行驶速度,用v表示,其模糊语言变量为{慢速,中速,快速},用{S,M,F}表示,论域为[0,5cm/s]。
步骤S52:当送餐小车之间的距离较近时,送餐小车根据其他小车的分布并且结合预设模糊规则做出合理的决策,送餐小车通过获得的距离、方位信息结合模糊规则,做出相应的速度调整,实现送餐小车之间的相互避障。
本发明与现有技术相比具有以下有益效果:
本发明通过构建数学模型来求解送餐小车到达目标点的最短时间,利用模糊算法进行路径规划,从而实现更高效、稳定的无人送餐。
附图说明
图1是本发明的方法流程图;
图2是本发明的一实施例中送餐小车任务执行流程图;
图3是本发明的一实施例中采用的地图模型平面图;
图4是本发明的一实施例中所有可能的冲突类型;
图5是本发明的一实施例中实施路径规划方法流程图;
图6是本发明的一实施例中发生A类冲突时的解决方案示意图;
图7是本发明的一实施例中发生B(1)类冲突时的解决方案示意图;
图8是本发明的一实施例中发生B(2)类冲突时的解决方案示意图;
图9是本发明的一实施例中两个输入量的隶属度函数示意图;
图10是本发明的一实施例中一个输出量的隶属度函数示意图;
图11是本发明的一实施例中模糊规则示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种无人餐厅自动送餐路径规划方法,其特征在于,包括以下步骤:
步骤S1:根据顾客点餐系统获取送餐小车的目标点位及送餐小车数量;
步骤S2:根据得到的目标点位及送餐小车数量,确定系统调度目标;
步骤S3:根据系统调度目标构建路径规划模型;
步骤S4:根据得到的路径规划模型规划初始规划策略;
步骤S5:根据得到初始规划策略,采用模糊算法规避实时碰撞,生成最优规划策略;
步骤S6:系统根据最优规划策略控制送餐小车执行送餐任务。
在本实施例中,无人餐厅餐桌布局如图3所示,由2条主干和4 条支路组成,每条支路上有5个位置点,即为送餐小车的目标点位,总计20个目标点位,且每条路都是单行线,不允许两辆小车并排行驶。顾客通过点餐系统点餐会即时生成若干目标点位,要求自动送餐系统稳定可靠实现顾客餐品的配送。自动送餐系统的配送任务由送餐小车组(送餐小车的数量可根据实际情况确定)完成,同时满足:
(1)送餐小车按照先到先服务的原则进行送餐,多辆送餐小车在出餐口处需要排队等待;
(2)每辆送餐小车的最高运行速度是一样的,忽略其加速时间与减速时间;
(3)出餐时间是随机的;
(4)空闲的送餐小车停在出餐口,不影响其他送餐小车的通行。
在本实施例中,无人餐厅自动送餐系统调度的目标是,首先保证自动送餐系统的稳定性、可靠性,其次保证送餐小车组的调度有序、高效,不会发生送餐小车间相互碰撞或者死锁的情况,最后保证送餐小车准确无误地将顾客的餐品送达目标点位,不会发生送错位置及死机的情况,则所述系统调度目标模型如下:
其中,T1(k)为第k辆送餐小车将顾客的餐品送到目标点位后回到起始位置并且无障碍行驶的实际时间;T2(k)为第k辆送餐小车在目标点位所在的支路外等待的时间;T3(k)为第k辆送餐小车与其他小车发生冲突时行驶的实际时间;m表示送餐小车组中送餐小车的辆数。优选的m≤10。
在本实施例中,所述路径规划模型包括送餐小车完成所述送餐路径所用时间的目标函数、所述目标函数的约束条件以及决策变量。所述步骤S3具体为:
步骤S31:送餐小车组中第k辆送餐小车无障碍送餐往返全程的时间函数如下式:
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j) 时,取值为1,否则,为0;lij为送餐小车从出发点到目标点位(i,j) 的距离以及从目标点位(i,j)回到出发点的距离之和;v为送餐小车的运行速度;t1为顾客取餐的实际时间,a为支路的数目,b为每条支路上目标点位的个数,此处a=4,b=5,即4条支路,每条支路上有5个目标点位。
步骤S32:送餐小车组中每辆送餐小车一次只能获取一个目标点位
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j) 时,取值为1,否则,为0。
步骤S33:送餐小车组中第k辆送餐小车在目标点位(i,j)所在的支路外等待的时间函数如下式:
其中,Y(k)ij为决策变量,t2为送餐小车的目标点位的支路上有其他送餐小车时的等待的实际时间;
步骤S34:送餐小车组中第k辆送餐小车在目标点位(i,j)所在支路外是否要等待的约束条件为:
其中,Y(k)ij为决策变量,当第k辆送餐小车的目标点位(i,j) 所在支路被占用时,取值为1,否则,为0;
步骤S35:送餐小车组中第k辆送餐小车与其他送餐小车避免碰撞的行驶时间函数如下式:
其中,P(k)i′为决策变量,t3为在安全范围内为避免与其他送餐小车的碰撞而行驶的实际时间,c为节点数目,此处c=8;
步骤S36:决策变量的约束条件为:
P(k)i′∈{0,1} (7)
其中P(k)i′为决策变量,当送餐小车组中第k辆送餐小车在节点 i’处发生避障行为时,取值为1,否则,为0。
如图4所示,自动送餐系统的送餐小车组在实际运行中,会发生小车间的相互碰撞问题,在本实施例中存在的冲突类型有A、B两大类型。
(1)当满足式(8)时,小车间会发生A类冲突:
A类:当1号车的目标点为(i,j),而2号车目标点为(m,n),满足:
L1-L2≤Ls (8)
公式(8)表示1号车和2号车之间的距离小于安全距离Ls。其中 L1表示1号车在主干道距离出发点的距离,L2表示2号车在主干道距离出发点的距离。
则2号车将与1号车发生A类冲突。
(2)当满足公式(9)、(10)时,小车间会发生B(1)类冲突:
当1号车的目标点为(m1,n1),而2号车的目标点为(m2,n2),满足:
m2>m1 (10)
(3)公式(9)和公式(10)表示当1号车和2号车出发的时间差t′12满足等式时,且2号车的目标点(m2,n2)所在的支路要比1号车的目标点所在的支路(m1,n1)要远,则这时会发生B(1)类冲突。t′m2n2表示2号车从出发点到目标点(m2,n2)再回到(m1,n1)所在支路的返回主干路节点m1’所用的理想时间,t′m1n1表示1号车从出发点到目标点(m1,n1)再回到m1’所用的理想时间。
(4)当满足公式(11)、(12)时,小车间会发生B(2)类冲突:
当1号车的目标点为(m3,n3),而2号车的目标点为(m4,n4),满足:
m4>m3 (12)
公式(11)和公式(12)表示当1号车和2号车出发的时间差t12满足等式时,且2号车的目标点(m4,n4)所在的支路要比1号车的目标点所在的支路(m3,n3)要远,这时会发生B(2)类冲突。tm3n3表示1号车从出发点到目标点(m3,n3)再回到节点m3所用的理想时间,tm4n4表示2号车到节点m3的理想时间。
在本实施例中,采用模糊算法规避A、B两类碰撞,所述的模糊算法具体为:
步骤S51:确定模糊算法中的输入和输出量,确定两个输入量,对应送餐小车雷达传感器采集到的距离信息和方位信息,距离信息即与其他送餐小车之间的距离,用D表示,其模糊语言变量为{近,中,远},用{Near,Med,Far}表示,论域为[0.1米,0.45米],方位信息即其他送餐小车相对于第K辆送餐小车的方位,用θ表示,其模糊语言变量为{左前、正前、右前},用{LF、F、RF}表示,论域为[-90°, +90°],一个输出量,即送餐小车在避让过程中的行驶速度,用v表示,其模糊语言变量为{慢速,中速,快速},用{S,M,F}表示,论域为[0,5cm/s]。
步骤S52:当送餐小车之间的距离较近时,送餐小车根据其他小车的分布并且结合预设模糊规则做出合理的决策,送餐小车通过获得的距离、方位信息结合模糊规则,做出相应的速度调整,实现送餐小车之间的相互避障。
模糊规则如下(表1):
表1:模糊规则库
了保证自动送餐系统的稳定性、可靠性,同时保证送餐小车组的调度有序、高效,不会发生送餐小车间相互碰撞或者死锁的情况,自动送餐系统的整体调度策略为:
在本实施例中,为解决上述A、B两大冲突类型,采用模糊算法进行避障及控制具体如下:
A类冲突:对于此类冲突,前车静止,后车运动,当满足模糊规则时,采用模糊算法进行行驶,如图6所示;
如表1所示,1号送餐小车的目标位置为(355,665),2号送餐小车的目标位置为(135,665)。
表2:发生A类冲突时的位置坐标及速度
在T=(310s—345s)时,2号送餐小车检测到它所要到达的支路内已有送餐小车时,则此时2号送餐小车结合模糊规则改变其速度,待1号送餐小车驶出支路;在T=(320s-355s)时,3号送餐小车根据与2号送餐小车之间的距离及方位,再结合模糊规则进行速度的改变。最终实现A类冲突的避障。
B(1)类冲突:对于此冲突,回程的送餐小车与从支路出来的送餐小车若保持原速度行驶,则会同时到达同一节点,这时会发生碰撞,对此,送餐小车会根据模糊算法自动选择相应的行驶速度,实现避障,如图5所示;
如表3所示,1号送餐小车的目标位置为(135,665),2号送餐小车的目标位置为(355,205)。
表3:发生B(1)类冲突时小车位置坐标及速度
在T=(421s-422s)时,未检测到系统有冲突类型,所以1号送餐小车与2号送餐小车都以最高速度5cm/s的速度行驶;T=(423s-428s) 时,小车之间的距离和方位满足模糊控制规则,小车根据模糊算法自动选择相应的行驶速度,达到避障的效果。
B(2)类冲突:对于此冲突,去程的送餐小车与从支路出来的送餐小车若保持原速度行驶,会同时到达同一节点,这时会发生碰撞,对此,若小车之间满足模糊规则的距离和方位信息,则会改变其速度,实现自主避障,如图6所示;
如表4,1号送餐小车的目标位置为(355,205),2号送餐小车的目标位置为(355,665)。
表4:发生B(2)类冲突时小车位置坐标及速度
时间/s | 242 | 243 | 244 | 245 | 246 | 247 | 248 | 249 | 250 | 251 |
x1/cm | 25 | 20 | 15 | 10 | 5 | 0 | -5 | -10 | -15 | -20 |
y1/cm | 665 | 665 | 665 | 665 | 665 | 665 | 665 | 665 | 665 | 665 |
v1(cm/s) | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
x2/cm | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
y2/cm | 635 | 640 | 644 | 648 | 652 | 655 | 660 | 665 | 670 | 675 |
v2(cm/s) | 5 | 5 | 4 | 4 | 4 | 3 | 5 | 5 | 5 | 5 |
在T=(242s-243s)时,未检测到系统有冲突类型,所以1号送餐小车与2号送餐小车都以5cm/s的速度行驶;T=(244s-247s)时,系统检测到1号送餐小车与2号送餐小车满足模糊规则,根据模糊算法选择相应的行驶速度,达到避障的效果。
自动送餐系统获取目标点位后,将其分配到送餐小车组,送餐小车组根据每辆送餐小车的状态分配其目标点位,每辆送餐小车获取目标点位后,从原点出发,在不发生冲突的情况下以匀速行驶,根据所在路径的特点,每条支路上只能有一辆送餐小车存在,当多辆送餐小车的目标点位在同一支路且支路上存在送餐小车时,其他送餐小车需要在支路外等待,当支路上的送餐小车驶出后,等待的送餐小车才能进入支路;若在整个送餐小车的行驶过程中发生A、B两类冲突则利用模糊算法实现送餐小车之间的相互避障,从而实现系统稳定、高效地运行。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种无人餐厅自动送餐路径规划方法,其特征在于,包括以下步骤:
步骤S1:根据顾客点餐系统获取送餐小车的目标点位及送餐小车数量;
步骤S2:根据得到的目标点位及送餐小车数量,确定系统调度目标;
步骤S3:根据系统调度目标构建路径规划模型;
步骤S4:根据得到的路径规划模型规划初始规划策略;
步骤S5:根据得到初始规划策略,采用模糊算法规避实时碰撞,生成最优规划策略;
步骤S6:系统根据最优规划策略控制送餐小车执行送餐任务。
2.根据权利要求1所述的一种无人餐厅自动送餐路径规划方法,其特征在于:所述系统调度目标模型如下:
其中,T1(k)为第k辆送餐小车将顾客的餐品送到目标点位后回到起始位置并且无障碍行驶的实际时间;T2(k)为第k辆送餐小车在目标点位所在的支路外等待的时间;T3(k)为第k辆送餐小车与其他小车发生冲突时行驶的实际时间;m表示送餐小车组中送餐小车的辆数。
3.根据权利要求1所述的一种无人餐厅自动送餐路径规划方法,其特征在于:所述路径规划模型包括送餐小车完成所述送餐路径所用时间的目标函数、所述目标函数的约束条件以及决策变量。
4.根据权利要求3所述的一种无人餐厅自动送餐路径规划方法,其特征在于,所述步骤S3具体为:
步骤S31:送餐小车组中第k辆送餐小车无障碍送餐往返全程的时间函数如下式:
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j)时,取值为1,否则,为0;lij为送餐小车从出发点到目标点位(i,j)的距离以及从目标点位(i,j)回到出发点的距离之和;v为送餐小车的运行速度;t1为顾客取餐的实际时间,a为支路的数目,b为每条支路上目标点位的个数,此处a=4,b=5,即4条支路,每条支路上有5个目标点位。
步骤S32:送餐小车组中每辆送餐小车一次只能获取一个目标点位
其中,X(k)ij为决策变量,当第k辆送餐小车有送餐任务(i,j)时,取值为1,否则,为0。
步骤S33:送餐小车组中第k辆送餐小车在目标点位(i,j)所在的支路外等待的时间函数如下式:
其中,Y(k)ij为决策变量,t2为送餐小车的目标点位的支路上有其他送餐小车时的等待的实际时间;
步骤S34:送餐小车组中第k辆送餐小车在目标点位(i,j)所在支路外是否要等待的约束条件为:
其中,Y(k)ij为决策变量,当第k辆送餐小车的目标点位(i,j)所在支路被占用时,取值为1,否则,为0;
步骤S35:送餐小车组中第k辆送餐小车与其他送餐小车避免碰撞的行驶时间函数如下式:
其中,P(k)i′为决策变量,t3为在安全范围内为避免与其他送餐小车的碰撞而行驶的实际时间,c为节点数目,此处c=8;
步骤S36:决策变量的约束条件为:
P(k)i′∈{0,1} (7)
其中P(k)i′为决策变量,当送餐小车组中第k辆送餐小车在节点i’处发生避障行为时,取值为1,否则,为0。
5.根据权利要求1所述的一种无人餐厅自动送餐路径规划方法,其特征在于,所述的模糊算法具体为:
步骤S51:确定模糊算法中的输入和输出量,确定两个输入量,对应送餐小车雷达传感器采集到的距离信息和方位信息,距离信息即与其他送餐小车之间的距离,用D表示,其模糊语言变量为{近,中,远},用{Near,Med,Far}表示,论域为[0.1米,0.45米],方位信息即其他送餐小车相对于第K辆送餐小车的方位,用θ表示,其模糊语言变量为{左前、正前、右前},用{LF、F、RF}表示,论域为[-90°,+90°],一个输出量,即送餐小车在避让过程中的行驶速度,用v表示,其模糊语言变量为{慢速,中速,快速},用{S,M,F}表示,论域为[0,5cm/s]。
步骤S52:当送餐小车之间的距离较近时,送餐小车根据其他小车的分布并且结合预设模糊规则做出合理的决策,送餐小车通过获得的距离、方位信息结合模糊规则,做出相应的速度调整,实现送餐小车之间的相互避障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909681.6A CN110597263B (zh) | 2019-09-25 | 2019-09-25 | 一种无人餐厅自动送餐路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910909681.6A CN110597263B (zh) | 2019-09-25 | 2019-09-25 | 一种无人餐厅自动送餐路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597263A true CN110597263A (zh) | 2019-12-20 |
CN110597263B CN110597263B (zh) | 2021-11-26 |
Family
ID=68863109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910909681.6A Active CN110597263B (zh) | 2019-09-25 | 2019-09-25 | 一种无人餐厅自动送餐路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597263B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111736614A (zh) * | 2020-07-29 | 2020-10-02 | 北京云迹科技有限公司 | 一种多机器人交通系统构建方法及装置 |
CN112214013A (zh) * | 2020-08-07 | 2021-01-12 | 上海海得控制系统股份有限公司 | 直线往复式多rgv死锁避免和冲突实时控制方法、系统、介质、终端 |
CN113681573A (zh) * | 2021-08-06 | 2021-11-23 | 远东幕墙(珠海)有限公司 | 一种铝型材任意角度自纠错加工方法 |
CN116227776A (zh) * | 2023-05-06 | 2023-06-06 | 好停车(北京)信息技术有限公司天津分公司 | 物品运送方法、装置、存储介质及电子设备 |
CN117077882A (zh) * | 2023-10-17 | 2023-11-17 | 之江实验室 | 一种无人设备调度方法、装置、存储介质及电子设备 |
WO2024009486A1 (ja) * | 2022-07-08 | 2024-01-11 | 三菱電機株式会社 | 並走管理装置及び並走管理方法 |
Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0213938A2 (en) * | 1985-08-30 | 1987-03-11 | Texas Instruments Incorporated | Failsafe brake for a multi-wheel vehicle with motor controlled steering |
EP0367527A2 (en) * | 1988-10-31 | 1990-05-09 | Texas Instruments Incorporated | A method for controlling movements of a mobile robot in a multiple node factory |
US20040062419A1 (en) * | 2002-10-01 | 2004-04-01 | Samsung Electronics Co., Ltd. | Landmark, apparatus, and method for effectively determining position of autonomous vehicles |
EP1840689A2 (en) * | 2006-03-30 | 2007-10-03 | Honeywell International Inc. | Real time planning and scheduling for a team of unmanned vehicles |
CN101807159A (zh) * | 2010-03-18 | 2010-08-18 | 西北工业大学 | 一种自适应任务调度方法 |
CN101944205A (zh) * | 2010-09-16 | 2011-01-12 | 华中科技大学 | 一种工厂物料配送车辆调度系统 |
EP2436618A2 (en) * | 2009-04-10 | 2012-04-04 | Casepick Systems, LLC | Warehouse with a storage and retrieval system |
CN102914967A (zh) * | 2012-09-21 | 2013-02-06 | 浙江工业大学 | 采摘机器人的自主导航和人机协同采摘作业系统 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
CN103440522A (zh) * | 2013-08-31 | 2013-12-11 | 福州大学 | 遗传算法与MapReduce相结合的车辆调度方法 |
US20150227140A1 (en) * | 2014-02-10 | 2015-08-13 | John Bean Technologies Corporation | Routing of automated guided vehicles |
CN105184525A (zh) * | 2015-05-21 | 2015-12-23 | 北京巨柱智伟能源环保科技有限公司 | 一种绿色物流服务系统 |
CN105354648A (zh) * | 2015-12-12 | 2016-02-24 | 深圳力子机器人有限公司 | Agv调度管理的建模及其优化方法 |
CN105446343A (zh) * | 2016-01-04 | 2016-03-30 | 杭州亚美利嘉科技有限公司 | 一种机器人的调度方法及装置 |
CN105938572A (zh) * | 2016-01-14 | 2016-09-14 | 上海海事大学 | 一种物流存储系统预防干涉的多自动导引车路径规划方法 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
CN107179773A (zh) * | 2017-07-25 | 2017-09-19 | 哈尔滨工大特种机器人有限公司 | 一种agv的避让调度控制方法及系统 |
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 |
CN107895225A (zh) * | 2017-11-01 | 2018-04-10 | 北京邮电大学 | 一种多Agent无冲突的合作型任务分配方法 |
CN107967500A (zh) * | 2017-10-18 | 2018-04-27 | 旗瀚科技有限公司 | 一种多台磁导航送餐机器人的调度系统 |
WO2018077024A1 (zh) * | 2016-10-26 | 2018-05-03 | 北京京东尚科信息技术有限公司 | 确定设备移动路径的方法和装置 |
CN108665382A (zh) * | 2018-07-12 | 2018-10-16 | 深圳市艾唯尔科技有限公司 | 一种全自动化智能点餐送餐系统与方法 |
CN108762277A (zh) * | 2018-06-11 | 2018-11-06 | 蚁群(上海)智能装备有限公司 | 一种分布式agv调度方法及调度系统 |
CN108764780A (zh) * | 2018-05-02 | 2018-11-06 | 王玉芬 | 一种送餐调度系统及其送餐调度方法 |
CN109000651A (zh) * | 2018-05-31 | 2018-12-14 | 上海大学 | 一种路径规划方法及路径规划装置 |
CN109079776A (zh) * | 2018-07-26 | 2018-12-25 | 福州大学 | 一种工业机器人控制算法动态重构的方法 |
CN110009259A (zh) * | 2019-04-18 | 2019-07-12 | 天津工业大学 | 一种应用于双向路径下柔性制造车间的多agv调度方法 |
CN110096055A (zh) * | 2019-03-28 | 2019-08-06 | 浙江科技学院 | 一种智能送餐导航方法及导航系统 |
-
2019
- 2019-09-25 CN CN201910909681.6A patent/CN110597263B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0213938A2 (en) * | 1985-08-30 | 1987-03-11 | Texas Instruments Incorporated | Failsafe brake for a multi-wheel vehicle with motor controlled steering |
EP0367527A2 (en) * | 1988-10-31 | 1990-05-09 | Texas Instruments Incorporated | A method for controlling movements of a mobile robot in a multiple node factory |
US20040062419A1 (en) * | 2002-10-01 | 2004-04-01 | Samsung Electronics Co., Ltd. | Landmark, apparatus, and method for effectively determining position of autonomous vehicles |
EP1840689A2 (en) * | 2006-03-30 | 2007-10-03 | Honeywell International Inc. | Real time planning and scheduling for a team of unmanned vehicles |
EP2436618A2 (en) * | 2009-04-10 | 2012-04-04 | Casepick Systems, LLC | Warehouse with a storage and retrieval system |
CN101807159A (zh) * | 2010-03-18 | 2010-08-18 | 西北工业大学 | 一种自适应任务调度方法 |
CN101944205A (zh) * | 2010-09-16 | 2011-01-12 | 华中科技大学 | 一种工厂物料配送车辆调度系统 |
CN102914967A (zh) * | 2012-09-21 | 2013-02-06 | 浙江工业大学 | 采摘机器人的自主导航和人机协同采摘作业系统 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
CN103440522A (zh) * | 2013-08-31 | 2013-12-11 | 福州大学 | 遗传算法与MapReduce相结合的车辆调度方法 |
US20150227140A1 (en) * | 2014-02-10 | 2015-08-13 | John Bean Technologies Corporation | Routing of automated guided vehicles |
CN105184525A (zh) * | 2015-05-21 | 2015-12-23 | 北京巨柱智伟能源环保科技有限公司 | 一种绿色物流服务系统 |
CN105354648A (zh) * | 2015-12-12 | 2016-02-24 | 深圳力子机器人有限公司 | Agv调度管理的建模及其优化方法 |
CN105446343A (zh) * | 2016-01-04 | 2016-03-30 | 杭州亚美利嘉科技有限公司 | 一种机器人的调度方法及装置 |
CN105938572A (zh) * | 2016-01-14 | 2016-09-14 | 上海海事大学 | 一种物流存储系统预防干涉的多自动导引车路径规划方法 |
CN106251016A (zh) * | 2016-08-01 | 2016-12-21 | 南通大学 | 一种基于动态时间窗的泊车系统路径规划方法 |
WO2018077024A1 (zh) * | 2016-10-26 | 2018-05-03 | 北京京东尚科信息技术有限公司 | 确定设备移动路径的方法和装置 |
CN107179773A (zh) * | 2017-07-25 | 2017-09-19 | 哈尔滨工大特种机器人有限公司 | 一种agv的避让调度控制方法及系统 |
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 |
CN107967500A (zh) * | 2017-10-18 | 2018-04-27 | 旗瀚科技有限公司 | 一种多台磁导航送餐机器人的调度系统 |
CN107895225A (zh) * | 2017-11-01 | 2018-04-10 | 北京邮电大学 | 一种多Agent无冲突的合作型任务分配方法 |
CN108764780A (zh) * | 2018-05-02 | 2018-11-06 | 王玉芬 | 一种送餐调度系统及其送餐调度方法 |
CN109000651A (zh) * | 2018-05-31 | 2018-12-14 | 上海大学 | 一种路径规划方法及路径规划装置 |
CN108762277A (zh) * | 2018-06-11 | 2018-11-06 | 蚁群(上海)智能装备有限公司 | 一种分布式agv调度方法及调度系统 |
CN108665382A (zh) * | 2018-07-12 | 2018-10-16 | 深圳市艾唯尔科技有限公司 | 一种全自动化智能点餐送餐系统与方法 |
CN109079776A (zh) * | 2018-07-26 | 2018-12-25 | 福州大学 | 一种工业机器人控制算法动态重构的方法 |
CN110096055A (zh) * | 2019-03-28 | 2019-08-06 | 浙江科技学院 | 一种智能送餐导航方法及导航系统 |
CN110009259A (zh) * | 2019-04-18 | 2019-07-12 | 天津工业大学 | 一种应用于双向路径下柔性制造车间的多agv调度方法 |
Non-Patent Citations (8)
Title |
---|
CHENGBAO LIU;JIE TAN;HONGSHENG ZHAO;YANING LI;XIWEI BAI: "Path Planning and Intelligent Scheduling of Multi-AGV Systems in Workshop", 《2017 36TH CHINESE CONTROL CONFERENCE (CCC)》 * |
ZHAOWEI MIAO;GUOJUN JI;RUI QIANG;FAN WANG: "The automated guided vehicle problem in logistics operations", 《2008 INTERNATIONAL CONFERENCE ON SERVICE SYSTEMS AND SERVICE MANAGEMENT》 * |
何洪: "多AGV协同运动路径规划算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
崔敬伟: "AGV调度策略与路径规划优化", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
玄璇: "高铁用无人送餐车设计及实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
胡永仕等: "基于遗传模糊算法的智能车辆避障路径规划研究", 《福州大学学报(自然科学版)》 * |
薛艳茹: "基于嵌入式系统的移动机器人的模糊控制系统设计", 《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 * |
陈彦杰等: "局部环境增量采样的服务机器人路径规划", 《仪器仪表学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111736614A (zh) * | 2020-07-29 | 2020-10-02 | 北京云迹科技有限公司 | 一种多机器人交通系统构建方法及装置 |
CN112214013A (zh) * | 2020-08-07 | 2021-01-12 | 上海海得控制系统股份有限公司 | 直线往复式多rgv死锁避免和冲突实时控制方法、系统、介质、终端 |
CN113681573A (zh) * | 2021-08-06 | 2021-11-23 | 远东幕墙(珠海)有限公司 | 一种铝型材任意角度自纠错加工方法 |
WO2024009486A1 (ja) * | 2022-07-08 | 2024-01-11 | 三菱電機株式会社 | 並走管理装置及び並走管理方法 |
CN116227776A (zh) * | 2023-05-06 | 2023-06-06 | 好停车(北京)信息技术有限公司天津分公司 | 物品运送方法、装置、存储介质及电子设备 |
CN117077882A (zh) * | 2023-10-17 | 2023-11-17 | 之江实验室 | 一种无人设备调度方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110597263B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597263B (zh) | 一种无人餐厅自动送餐路径规划方法 | |
Yang et al. | Hierarchical planning for multiple AGVs in warehouse based on global vision | |
CN111532641B (zh) | 仓储分拣中自动引导车的并行路径规划方法 | |
Guney et al. | Dynamic prioritized motion coordination of multi-AGV systems | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN109934388A (zh) | 一种用于智能拣选优化系统 | |
Yalcin et al. | Motion and layout planning in a grid-based early baggage storage system: Heuristic algorithms and a simulation study | |
CN104346658A (zh) | 基于改进银行家算法的自动小车存取系统动态调度方法 | |
CN108820664B (zh) | 一种基于集群仓储机器人的智能仓储系统 | |
Li et al. | A route and speed optimization model to find conflict-free routes for automated guided vehicles in large warehouses based on quick response code technology | |
CN115437382A (zh) | 一种用于无人仓库的多agv路径规划方法、系统及设备介质 | |
Solichudin et al. | Conflict-free dynamic route multi-agv using dijkstra Floyd-warshall hybrid algorithm with time windows | |
Yu et al. | A parallel algorithm for multi-AGV systems | |
Yalcin | Multi-agent route planning in grid-based storage systems | |
Sharma | Control classification of automated guided vehicle systems | |
CN110275535B (zh) | 一种基于改进a星算法的多状态车辆路径规划方法 | |
Shaikh et al. | AGV path planning and obstacle avoidance using Dijkstra’s algorithm | |
Dayıoğlu et al. | Route planning methods for a modular warehouse system | |
CN111123865B (zh) | 一种基于点阵地图的多导航车协同调度方法 | |
Kurnianto et al. | Task allocation and path planning method for multi-autonomous forklift navigation | |
Zhao et al. | Dynamic node allocation-based multirobot path planning | |
Jiang et al. | Research on RTLS-based coordinate guided vehicle (CGV) for material distribution in discrete manufacturing workshop | |
Ferrari | Application of an AGV system to a cellular manufacturing environment: the Valeo case | |
Li | Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems | |
Truong et al. | Optimizing automated storage and retrieval algorithm in cold warehouse by combining dynamic routing and continuous cluster method |
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 |