CN111459108A - 拖挂式多agv系统的任务分配及无冲突路径规划方法 - Google Patents

拖挂式多agv系统的任务分配及无冲突路径规划方法 Download PDF

Info

Publication number
CN111459108A
CN111459108A CN202010270868.9A CN202010270868A CN111459108A CN 111459108 A CN111459108 A CN 111459108A CN 202010270868 A CN202010270868 A CN 202010270868A CN 111459108 A CN111459108 A CN 111459108A
Authority
CN
China
Prior art keywords
task
agv
pull
task allocation
time
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
Application number
CN202010270868.9A
Other languages
English (en)
Other versions
CN111459108B (zh
Inventor
胡耀光
卢山
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010270868.9A priority Critical patent/CN111459108B/zh
Publication of CN111459108A publication Critical patent/CN111459108A/zh
Application granted granted Critical
Publication of CN111459108B publication Critical patent/CN111459108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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] or 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] or 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] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，属于多AGV调度技术领域。本发明在物流通道只允许单AGV通过的混合装配生产车间内，将AGV与多个拖车结合成拖挂式AGV系统，考虑拖挂式AGV长度的情况下，进行拖挂式多AGV系统的任务分配与无冲突路径规划，使拖挂式AGV能在需求点软时间窗的要求下将货物运输到指定位置，优化任务分配使所有任务配送完成的总能量消耗与任务完成的滞后时间惩罚值以不同权重相加的和最小。本发明可降低企业购置大量物流设备的成本，减少物流设备产生的能源消耗，使制造企业的生产成本降低，提高产品的市场竞争力。合理的任务分配以及路径规划能够缓解混合装配生产系统线边缓存区的压力，使生产系统更高效稳定运行。

Description

拖挂式多AGV系统的任务分配及无冲突路径规划方法
技术领域
本发明涉及一种拖挂式多AGV系统的任务分配及无冲突路径规划方法，属于多AGV调度技术领域。
背景技术
近年来，随着科学技术与经济的快速发展，客户对产品个性化定制的需求日益增加，制造企业同时面临着巨大产业升级的压力，实现小批量复杂产品的生产制造是满足客户不同需求，保持产品原有市场竞争力的关键。混合装配生产车间作为一种可同时生产不同产品的生产系统相较于传统的生产线可实现多种类产品的生产，合理进行排产与物料配送可实现不同产品的小批量制造，可有效缓解企业产业升级的压力并保持产品的市场竞争力。
物料配送作为混合装配生产系统的重要组成部分之一，AGV由于其自动化程度高、可靠性好、适应性强的特点被广泛应用。目前工业用的AGV购置成本昂贵，且一般采用埋磁条的方式以固定路线进行物料配送，不利于生产线的升级改造。采用可自主导航的AGV可将其作为牵引车头与多个拖车构成拖挂式AGV，如图1所示，实现自动导航与避障。
发明内容
本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法要解决的技术问题是：在物流通道只允许单AGV通过的混合装配生产车间内，将AGV与多个拖车结合成拖挂式AGV系统，拖挂式AGV记作AGTT(Auto-Guided Tow Train)，考虑拖挂式AGV长度的情况下，进行拖挂式多AGV系统的任务分配与无冲突路径规划，使拖挂式AGV能在需求点软时间窗的要求下将货物运输到指定位置，并优化任务分配使所有任务配送完成的总能量消耗与任务完成的滞后时间惩罚值以不同权重相加的和最小。本发明可降低企业购置大量物流设备的成本，减少物流设备产生的能源消耗，使制造企业的生产成本降低，提高产品的市场竞争力。此外，合理的任务分配以及路径规划能够有效缓解混合装配生产系统线边缓存区的压力，使生产系统能够更高效稳定运行。
本发明的目的是通过下述技术方案实现的：
本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，利用拖挂式AGV取代传统自动物料处理系统中单AGV，提供一种基于规则的任务调整算法。在任务调整之前，利用距离邻接矩阵，采用优化算法给出初始任务分配方案，并将其作为任务调整算法的输入；在任务调整过程中，任务分配与路径规划相互耦合，每一个任务分配方案通过基于时空图的路径规划方法计算出各拖挂式AGV的具体无冲突路径；利用提出的兼顾能耗与物料配送滞后的惩罚值计算方法对每个任务分配方案进行评估；在每一轮任务调整过程中，选择惩罚值最低的任务分配方案作为下一轮任务调整的输入，直至满足算法的停止条件，输出最优的任务分配方案与各拖挂式AGV的具体路径。
本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，包括如下步骤：
步骤1、对生产车间布局地图进行处理，生成栅格地图MAP并添加时间维度记为时空地图map，栅格地图MAP需具备所有工位下料点的位置信息。
步骤2、初始化任务分配相关的数据，包括最多AGV数量agv_available、单AGV最大挂载拖车的数量agv_ability、待分配的任务列表required_points。所述待分配的任务列表required_points包括各任务时间窗的要求、每个任务下料时车辆需要的停靠时间tu。
步骤3、根据生产车间布局栅格地图MAP以及所有任务点的位置信息，采用传统的路径规划算法求解各任务点之间的距离，记作距离邻接矩阵distance_ad。所述传统的路径规划算法未考虑拖挂式AGV的长度以及AGV运行时的物理冲突。
步骤3中所述传统的路径规划算法包括蚁群算法、A*算法、Dijsktra算法。
步骤4、根据距离邻接矩阵distance_ad以及任务列表信息required_points，采用优化方法求解出不考虑拖挂式AGV实际冲突的最优任务分配方案，记作初始任务分配方案chrom_original。
步骤4所述优化方法包括遗传算法、模拟退化算法、粒子群算法，优选遗传算法。
步骤4.1、遗传算法采用实数编码的方法，每个实数对应任务的编号，以数字0隔开，0的前后分别代表不同拖挂式AGV承担的任务顺序。
步骤4.2、遗传算法的惩罚值计算如下：
punishxchrom＝Wenergy*Senergy+Wdelay*Sdelay
punishxchrom表示某一条任务分配方案的惩罚值总和；
Senergy表示该任务分配方案下所需要的能耗总和；
Sdelay表示该任务分配方案下完成所有任务的滞后时间总和；
Wenergy表示计算总惩罚值中能耗部分的权值；
Wdelay表示计算总惩罚值中滞后时间的权值；
Figure BDA0002443115490000021
m11表示每辆AGV自身的质量；
m12表示每辆拖车空载时的质量；
mbin表示每单位货物的质量；
Figure BDA0002443115490000022
表示标号为k的拖挂式AGV拉的拖车长度；
Figure BDA0002443115490000023
表示标号为i的任务由编号k的拖挂式AGV自仓库出发至该任务点所需的时间；
g表示重力加速度；
f表示车辆行驶时与地面的滚动摩擦系数；
Figure BDA0002443115490000031
Figure BDA0002443115490000032
表示任务i配送完成的实际时间；
Figure BDA0002443115490000033
表示任务i配送完成要求的最晚时间。
步骤4.3、对种群进行任务分配方案的选择、交叉、变异后，输入不考虑冲突时的最优任务分配方案，记作初始任务分配方案chrom_original。
步骤5、以初始任务分配方案chrom_original，任务列表信息required_points，距离邻接矩阵distance_ad，时空地图map作为数据输入基于规则的任务调整算法。
步骤6、基于规则的任务调整算法首先根据初始任务分配方案chrom_original进行任务转移，转移后的所有可能任务分配方案集合，记作chrom，初始化列表O和I。
步骤6.1、初始化列表O，记录存在任务的拖挂式AGV编号；初始化列表I，记录未满载的拖挂式AGV编号。
步骤6.2、从列表O中随机选择一辆拖挂式AGVAGTTselected，根据初始任务分配方案计算出该辆拖挂式AGV承担的各任务的惩罚值，计算方式如下：
Figure BDA0002443115490000034
Figure BDA0002443115490000035
Figure BDA0002443115490000036
步骤6.3、选择惩罚值最大的一个任务taskselected，移出AGTTselected的任务列表。
步骤6.4、存在于列表I中编号的拖挂式AGV，分别将taskselected加入各自的任务列表，形成的所有可能的任务分配方案，记作chrom。
步骤7、解析步骤6的所有转移后的任务分配方案，对各拖挂式AGV承担的任务的进行排序，生成新的任务分配方案集合chrom，排序的方法根据限制的单AGV最大可挂载拖车数量agv_ability决定。
步骤7.1、当agv_ability的值小于等于6时，采用枚举法，将每辆车可能的任务排序一一枚举并计算该辆拖挂式AGV的惩罚值，取惩罚值最小的排序方式作为该拖挂式AGV执行的任务顺序。
步骤7.2、当agv_ability的值大于6时，采用遗传算法的方式，计算出惩罚值最低的任务排序方案。
步骤7.3、将完成任务排序的每辆拖挂式AGV的任务列表合成新的任务分配方案集合chrom。
步骤8、以步骤7排序后的任务分配方案集合chrom，任务列表信息required_points，距离邻接矩阵distance_ad，更新过的时空地图map作为数据输入基于规则的任务调整算法的路径规划模块。
步骤9、路径规划模块选择任务分配方案集合chrom中的chrom_x任务分配方案进行解码，读取未更新的时空地图map信息并规划存在实际冲突情况的详细路径，求得该任务分配方案下的真实惩罚值。
步骤9.1、根据每辆拖挂式AGV下个待执行任务的紧急程度，确定各拖挂式AGV进行无冲突路径规划的先后顺序。
步骤9.1.1、计算出每辆拖挂式AGV已完成的上一个任务停靠点离开或者出站的时刻
Figure BDA0002443115490000049
Figure BDA0002443115490000041
Figure BDA0002443115490000042
表示上一个任务要求的软时间窗；
Figure BDA0002443115490000043
表示AGV车头到达上个任务点的时刻；
tp表示货物下料所需的时间。
步骤9.1.2、根据无冲突情况下的距离邻接矩阵distance_ad，不考虑详细的路径信息，计算出每辆拖挂式AGV从各自上个任务点到各自下个任务点所需的最短时间
Figure BDA0002443115490000044
步骤9.1.3、计算每辆拖挂式AGV执行下个任务的剩余时间
Figure BDA0002443115490000045
Figure BDA0002443115490000046
Figure BDA0002443115490000047
表示下一个任务要求的软时间窗。
步骤9.1.4、计算每辆拖挂式AGV执行下个任务的时间紧急程度tenk。
Figure BDA0002443115490000048
步骤9.1.5、根据每辆拖挂式AGV执行下个任务的时间紧急程度tenk进行排序，并选择出所有tenk中最小值对应的拖挂式AGV编号，记作k。
步骤9.2、读取步骤8更新后的时空地图map，考虑真实冲突，采用蚁群算法对编号为k的拖挂式AGV进行其任务序列中下个任务的无冲突路径规划，得到具体的路径信息。
步骤9.2.1、将步骤9.3.3中涉及的时空坐标点的可达状态置为可达。
步骤9.2.2、确定该次路径规划的起始点，即拖挂式AGV车头经过上个任务点的时空状态，对应于时空图map中的坐标(xstart,ystart,tstart)；确定该次路径规划的终点，对应于二维栅格地图中的坐标(xend,yend)。
步骤9.2.3、在时空图的时间维度，t每增加1单位，蚂蚁进行一次路径选择。当前蚂蚁处于时空图坐标(xnow,ynow,tnow)处，则下一时刻，蚂蚁可能存在的状态(xnext,ynext,tnext)有：(xnow-1,ynow,tnow+1)、(xnow+1,ynow,tnow+1)、(xnow,ynow-1,tnow+1)、
(xnow,ynow+1,tnow+1)、(xnow,ynow,tnow)
步骤9.2.4、蚂蚁下一时刻状态的选择应无冲突，且尽量离开原地向目标点移动，启发值H的计算公式如下：
Figure BDA0002443115490000051
其中
Figure BDA0002443115490000052
A、B、α、β表示系数；
第一项式使蚂蚁尽可能寻找最短路径，第二项式使蚂蚁尽可能离开出发点。
步骤9.2.5、进行第一阶段的路径规划，起始点对应的时空信息为(xstart,ystart,tstart)，由于上一个任务下料时要使货物所在的第bi个拖车与下料点对应，AGV车头需向前多行驶bi个拖车对应的长度，此时车头AGV位于栅格地图上的(xahead,yahead)坐标处，该点作为临时终点。AGV每行驶1单位拖车长度以及每单位栅格的时间均为1，
Figure BDA0002443115490000053
为AGV对应拖车到达相应的下料点的时刻，即临时终点的最早时刻，其中tbi表示车头向前多行驶bi个拖车长度实际用的时间。
Figure BDA0002443115490000054
表示上一个任务要求的软时间窗。
Figure BDA0002443115490000055
步骤9.2.6、进行第二阶段的路径规划，起始点为步骤9.2.4中的(xnext,ynext,tnext)，终点的栅格地图坐标为下一个任务点的坐标，即(xend,yend)，重复执行步骤9.2.4、步骤9.2.5，直到规划出路径，输出的最短路径记作
Figure BDA0002443115490000056
表示第k辆拖挂式AGV第i个任务执行的具体路径信息。
步骤9.3、根据步骤9.2计算出的路径信息
Figure BDA0002443115490000057
对时空地图map进行更新。
步骤9.3.1、根据任务分配方案信息计算出编号为k的拖挂式AGV的总长度L，根据
Figure BDA0002443115490000058
计算出该路径总的时间范围，定义为[tstart,tend]。
步骤9.3.2、对于[tstart,tend]中的每一时刻，计算出总长度为L的拖挂式AGV的车头与各拖车的位置坐标，并将这些位置的时空图坐标置为不可达状态。(x,y,t)为
Figure BDA0002443115490000059
中的某一路径点，则以(x,y,t)为起点沿着
Figure BDA00024431154900000510
向前寻找L-1个不同的坐标点，结果为(x-L+1,y)、(x-L+2,y)...(x-1,y)，则AGV与各拖车的坐标对应于时空图坐标为(x-L+1,y,t)、(x-L+2,y,t)...(x-1,y,t)、(x,y,t)。在时空图map中将所述时空坐标的可达状态标注为不可达。
步骤9.3.3、由于
Figure BDA0002443115490000061
只包含编号为k的拖挂式AGV车头到达下个任务点的详细路径信息，而向前多行驶i个单位使装载货物的拖车与下料点对应的路径信息尚未考虑，以(xend,yend)为起点，AGV行驶方向的L个不同点的
Figure BDA0002443115490000062
的时空坐标点的可达状态标注为不可达，其中
Figure BDA0002443115490000063
步骤9.4、返回步骤9.1循环迭代，直至完成所选择chrom_x任务分配方案所有任务无冲突的路径规划。
步骤9.5、根据chrom_x任务分配方案无冲突的路径信息，利用步骤4.2所述的计算惩罚值的方法计算该任务分配方案的真实惩罚值
Figure BDA0002443115490000064
步骤10、返回步骤9循环迭代，直至完成新任务分配方案集合中所有任务分配方案的无冲突路径规划。
步骤11、更新列表O与初始任务分配方案chrom_original。
步骤11.1、由步骤9计算的所有
Figure BDA0002443115490000065
中选出惩罚值最小的任务分配方案chrom_x，惩罚值记作
Figure BDA0002443115490000066
步骤11.2、将初始任务分配方案chrom_original采用步骤9的方法，计算其无冲突路径规划的惩罚值
Figure BDA0002443115490000067
步骤11.3、如果
Figure BDA0002443115490000068
chrom_original＝chrom_x，O不变；如果
Figure BDA0002443115490000069
将编号为AGTTselected的拖挂式AGV从O列表中删除。
步骤12、如果O为空，则任务调整结束；否则，返回步骤5循环迭代。
步骤13、输出最优的任务分配方案chrom_original、输出最优任务分配方案对应的具体路径信息。
步骤14、在步骤1至步骤5通过将不同比重的能耗与滞后时间惩罚相加的值作为评价拖挂式多AGV系统任务分配的好坏，既考虑运输物料产生的滞后惩罚，缓解混合装配生产系统线边缓存区的压力，又考虑系统的能量消耗，降低制造物流中的能耗成本。在步骤8至步骤10采用时空地图进行拖挂式多AGV的无冲突路径规划，解决多AGV系统向拖挂式多AGV系统转变存在的冲突问题，实现拖挂式多AGV系统的无冲突运行。在步骤6至步骤13采用一种基于规则的任务调整算法，在任务分配的同时，规划出各拖挂式AGV无冲突的运行路线，相较于采用邻接距离矩阵直接进行任务分配，本方法得出的任务分配方案可以使拖挂式多AGV系统配送全部任务产生的总能耗与滞后时间惩罚值以不同权重相加的总和更低，同时考虑混合装配生产系统线边缓存区的压力与生产物流中产生的能耗成本，使生产系统能够更高效稳定运行。在步骤1至步骤13采用拖挂式AGV取代原单AGV，减少企业对AGV的数量需求，降低企业购置物流设备的成本。
有益效果
1、本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，采用拖挂式AGV取代原单AGV的方法，减少企业对AGV的数量需求，降低企业购置物流设备的成本。
2、本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，将不同比重的能耗与滞后时间惩罚相加的值作为评价拖挂式多AGV系统任务分配好坏的方法，使拖挂式多AGV系统在任务分配时既考虑运输物料产生的滞后惩罚，缓解混合装配生产系统线边缓存区的压力，又考虑系统的能量消耗，降低生产系统中产生的能耗成本。
3、本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，采用时空地图进行拖挂式多AGV无冲突路径规划的方法，解决多AGV系统向拖挂式多AGV系统转变存在的冲突问题，实现了拖挂式多AGV系统的无冲突运行。
4、本发明公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，采用一种基于规则的任务调整算法，在任务分配的同时，规划出各拖挂式AGV无冲突的运行路线，相较于采用邻接距离矩阵直接进行任务分配，本方法得出的任务分配方案可以使得拖挂式多AGV系统配送全部任务产生的总能耗与滞后时间惩罚值以不同权重相加的总和更低，兼顾混合装配生产系统线边缓存区的压力与生产物流能耗成本，使生产系统能够更高效稳定运行。
附图说明
图1为本发明中拖挂式AGV的形式
图2为本发明构建的拖挂式多AGV系统的任务分配及无冲突路径规划方法框架图
图3为本发明构建的拖挂式多AGV系统的任务分配及无冲突路径规划方法的总体流程图
图4为本发明提供的无冲突路径规划方法流程图
图5为本发明提供的基于规则的任务调整算法流程图
图6为本发明实施案例提供的车间布局栅格地图
图7为本发明实施案例提供的不考虑冲突情况下的最优任务分配方案的优化过程
图8为本发明实施案例提供的基于规则的任务分配方案的调整优化过程
图9为本发明实施案例提供的无冲突路径图
图10为本发明实施案例提供的车辆下料的时间图
具体实施方式
为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。
实施例1：
实施例：某生产车间布局栅格图如图6所示，通道宽度单次只允许一辆拖挂式AGV通过。拖挂式AGV只能向前运行，无法后退。随机生成的运输任务及具体信息如表1所示。
表1 运输任务表
Figure BDA0002443115490000081
如图3所示，本实施例公开公开的拖挂式多AGV系统的任务分配及无冲突路径规划方法，具体实现步骤如下：
步骤1、对生产车间布局地图进行处理，生成栅格地图MAP并添加时间维度记为时空地图map，栅格地图MAP需具备所有工位下料点的位置信息。
步骤2、初始化任务分配相关的数据，包括最多AGV数量agv_available、单AGV最大挂载拖车的数量agv_ability、待分配的任务列表required_points。所述待分配的任务列表required_points包括各任务时间窗的要求、每个任务下料时车辆需要的停靠时间tu。待分配的任务列表required_points如表1所示，其余数据如表2所示
表2 参数表
Figure BDA0002443115490000082
步骤3、根据生产车间布局栅格地图MAP以及所有任务点的位置信息，采用传统的路径规划算法求解各任务点之间的距离，记作距离邻接矩阵distance_ad。
Figure BDA0002443115490000083
Figure BDA0002443115490000091
步骤4、根据距离邻接矩阵distance_ad以及任务列表信息required_points，采用优化方法求解出不考虑拖挂式AGV实际冲突的最优任务分配方案，记作初始任务分配方案chrom_original。步骤4所述优化方法包括遗传算法、模拟退化算法、粒子群算法，优选遗传算法。
步骤4.1、遗传算法采用实数编码的方法，每个实数对应任务的编号，以数字0隔开，0的前后分别代表不同拖挂式AGV承担的任务顺序，例如：
[1 2 3 0 4 5 0 0 6 7 8 9 0 10 0]
该任务分配方案代表10个任务安排给6辆车的一个方案，第一辆车承担任务1/2/3，第二辆车承担任务4/5，第三辆车不承担任务，第四辆车承担任务6/7/8/9，第五辆车承担任务10，第六辆车不承担任务。
步骤4.2、遗传算法的惩罚值计算如下：
punishxchrom＝Wenergy*Senergy+Wdelay*Sdelay
punishxchrom表示某一条任务分配方案的惩罚值总和；
Senergy表示该任务分配方案下所需要的能耗总和；
Sdelay表示该任务分配方案下完成所有任务的滞后时间总和；
Wenergy表示计算总惩罚值中能耗部分的权值；
Wdelay表示计算总惩罚值中滞后时间的权值；
Figure BDA0002443115490000101
m11表示每辆agv自身的质量；
m12表示每辆拖车空载时的质量；
mbin表示每单位货物的质量；
Figure BDA0002443115490000102
表示标号为k的拖挂式AGV拉的拖车长度；
Figure BDA0002443115490000103
表示标号为i的任务由编号k的拖挂式AGV自仓库出发至该任务点所需的时间；
g表示重力加速度；
f表示车辆行驶时与地面的滚动摩擦系数；
Figure BDA0002443115490000104
Figure BDA0002443115490000105
表示任务i配送完成的实际时间；
Figure BDA0002443115490000106
表示任务i配送完成要求的最晚时间。
步骤4.3、对种群进行任务分配方案的选择、交叉、变异后，输入不考虑冲突时的最优任务分配方案，记作初始任务分配方案chrom_original。初始任务分配方案的优化曲线如图7所示，所得初始任务分配方案chrom_original如下：
chrom_original＝[6 3 0 1 4 9 0 2 8 0 0 7 5 10]
步骤5、将初始的任务分配方案chrom_original、距离邻接矩阵diatance_ad、时空图map输入基于规则的任务调整算法，如图2、图5所示。
步骤6、基于规则的任务调整算法首先根据初始任务分配方案chrom_original进行任务转移，转移后的所有可能任务分配方案集合，记作chrom,初始化列表O和I。
步骤6.1、初始化列表O，记录存在任务的拖挂式AGV编号；初始化列表I，记录未满载的拖挂式AGV编号。
O＝[1 2 3 5]
I＝[1 2 3 4 5]
步骤6.2、从列表O中随机选择一辆拖挂式AGVAGTTselected，此处取AGTT 1，根据初始任务分配方案计算出该辆拖挂式AGV承担的各任务的惩罚值，计算方式如下：
Figure BDA0002443115490000107
Figure BDA0002443115490000108
Figure BDA0002443115490000109
计算得到AGTT 1承担的任务6惩罚值为53.7；承担的任务3惩罚值为170.1。
步骤6.3、选择惩罚值最大的一个任务taskselected，即任务3，移出AGTTselected的任务列表。
步骤6.4、存在于列表I中编号的拖挂式AGV，分别将taskselected加入各自的任务列表，形成的所有可能的任务分配方案，记作chrom。
Figure BDA0002443115490000111
步骤7、将chrom每个方案中每辆车承担的任务进行排序，构成新的任务分配方案chrom。
Figure BDA0002443115490000112
步骤8、将新的任务分配方案集合chrom、距离邻接矩阵diatance_ad、时空图map输入基于规则的任务调整算法的路径规划模块，如图2、图5所示。
步骤9、路径规划模块选择任务分配方案集合chrom中的chrom_x任务分配方案进行解码，读取未更新的时空地图map信息并规划存在实际冲突情况的详细路径，求得该任务分配方案下的真实惩罚值。
步骤9.1、根据每辆拖挂式AGV下个待执行任务的紧急程度，确定各拖挂式AGV进行无冲突路径规划的先后顺序。
步骤9.1.1、计算出每辆拖挂式AGV已完成的上一个任务停靠点离开或者出站的时刻
Figure BDA0002443115490000119
Figure BDA0002443115490000113
Figure BDA0002443115490000114
表示上一个任务要求的软时间窗；
Figure BDA0002443115490000115
表示AGV车头到达上个任务点的时刻；
tp表示货物下料所需的时间。
以chrom＝[6 3 0 1 4 9 0 2 8 0 0 7 5 10]为例，在某一时刻，各拖挂式AGV均已完成第一个任务的配送，
Figure BDA0002443115490000116
步骤9.1.2、根据无冲突情况下的距离邻接矩阵distance_ad，不考虑详细的路径信息，计算出每辆拖挂式AGV从各自上个任务点到各自下个任务点所需的最短时间
Figure BDA0002443115490000117
Figure BDA0002443115490000118
步骤9.1.3、计算每辆拖挂式AGV执行下个任务的剩余时间
Figure BDA0002443115490000121
Figure BDA0002443115490000122
Figure BDA0002443115490000123
表示下一个任务要求的软时间窗。
Figure BDA0002443115490000124
步骤9.1.4、计算每辆拖挂式AGV执行下个任务的时间紧急程度tenk。
Figure BDA0002443115490000125
Figure BDA0002443115490000126
步骤9.1.5、选择出所有tenk中最小值对应的拖挂式AGV编号，记作k，此处k＝5。
步骤9.2、读取步骤8更新后的时空地图map，考虑真实冲突，采用蚁群算法对编号为k的拖挂式AGV进行其任务序列中下个任务的无冲突路径规划，得到具体的路径信息。
步骤9.2.1、将步骤9.3.3中涉及的时空坐标点的可达状态置为可达。
步骤9.2.2、确定该次路径规划的起始点，即拖挂式AGV车头经过上个任务点的时空状态，对应于时空图map中的坐标(xstart,ystart,tstart)；确定该次路径规划的终点，对应于二维栅格地图中的坐标(xend,yend)。
此例中，起始点为AGTT 5承担的任务7所在的时空坐标(13,18,43)，终点为任务5所在的坐标(7,32)。
步骤9.2.3、在时空图的时间维度，t每增加1单位，蚂蚁进行一次路径选择。当前蚂蚁处于时空图坐标(xnow,ynow,tnow)处，则下一时刻，蚂蚁可能存在的状态(xnext,ynext,tnext)有：(xnow-1,ynow,tnow+1)、(xnow+1,ynow,tnow+1)、(xnow,ynow-1,tnow+1)、(xnow,ynow+1,tnow+1)、(xnow,ynow,tnow)
当前蚂蚁处于(13,18,43)处，下一时刻可能存在的时空坐标为(12,18,44)、(13,18,44)、(14,18,44)。
步骤9.2.4、蚂蚁下一时刻状态的选择应无冲突，且尽量离开原地向目标点移动，启发值H的计算公式如下：
Figure BDA0002443115490000127
其中
Figure BDA0002443115490000128
A、B、α、β表示系数；
第一项式使蚂蚁尽可能寻找最短路径，第二项式使蚂蚁尽可能离开出发点。
步骤9.2.5、进行第一阶段的路径规划，起始点对应的时空信息为(xstart,ystart,tstart)，由于上一个任务下料时要使货物所在的第bi个拖车与下料点对应，AGV车头需向前多行驶bi个拖车对应的长度，此时车头AGV位于栅格地图上的(xahead,yahead)坐标处，该点作为临时终点。AGV每行驶1单位拖车长度以及每单位栅格的时间均为1，
Figure BDA0002443115490000131
为AGV对应拖车到达相应的下料点的时刻，即临时终点的最早时刻，其中tbi表示车头向前多行驶bi个拖车长度实际用的时间。
Figure BDA0002443115490000132
表示上一个任务要求的软时间窗。
Figure BDA0002443115490000133
步骤9.2.6、进行第二阶段的路径规划，起始点为步骤9.2.4中的(xnext,ynext,tnext)，终点的栅格地图坐标为下一个任务点的坐标，即(xend,yend)，重复执行步骤9.2.4、步骤9.2.5，直到规划出路径，输出的最短路径记作
Figure BDA0002443115490000134
表示第k辆拖挂式AGV第i个任务执行的具体路径信息。
步骤9.3、根据步骤9.2计算出的路径信息
Figure BDA0002443115490000135
对时空地图map进行更新。
步骤9.3.1、根据任务分配方案信息计算出编号为k的拖挂式AGV的总长度L，根据
Figure BDA0002443115490000136
计算出该路径总的时间范围，定义为[tstart,tend]。
此处，AGTT 5的总长度L＝5。
步骤9.3.2、对于[tstart,tend]中的每一时刻，计算出总长度为L的拖挂式AGV的车头与各拖车的位置坐标，并将这些位置的时空图坐标置为不可达状态。
在此处，(x,y,t)为
Figure BDA0002443115490000137
中的某一路径点，则以(x,y,t)为起点沿着
Figure BDA0002443115490000138
向前寻找4个不同的坐标点，结果为(x-4,y)、(x-3,y)、(x-2,y)(x-1,y)，则AGV与各拖车的坐标对应于时空图坐标为(x-4,y,t)、(x-3,y,t)、(x-2,y,t)、(x-1,y,t)、(x,y,t)。在时空图map中将这些时空坐标的可达状态标注为不可达。
步骤9.3.3、由于
Figure BDA0002443115490000139
只包含编号为k的拖挂式AGV车头到达下个任务点的详细路径信息，而向前多行驶i个单位使装载货物的拖车与下料点对应的路径信息尚未考虑，以(xend,yend)为起点，AGV行驶方向的L个不同点的
Figure BDA00024431154900001310
的时空坐标点的可达状态标注为不可达，其中
Figure BDA00024431154900001311
步骤9.4、返回步骤9.1循环迭代，直至完成所选择chrom_x任务分配方案所有任务无冲突的路径规划。
步骤9.5、根据chrom_x任务分配方案无冲突的路径信息，利用步骤4.2所述的计算惩罚值的方法计算该任务分配方案的真实惩罚值
Figure BDA0002443115490000141
步骤10、返回步骤9循环迭代，直至完成新任务分配方案集合中所有任务分配方案的无冲突路径规划。
步骤11、更新列表O与初始任务分配方案chrom_original。
步骤11.1、由步骤9计算的所有
Figure BDA0002443115490000142
中选出惩罚值最小的任务分配方案chrom_x，惩罚值记作
Figure BDA0002443115490000143
Figure BDA0002443115490000144
chrom_x＝[6 0 1 4 9 0 2 8 0 3 0 7 5 10]
步骤11.2、将初始任务分配方案chrom_original采用步骤9的方法，计算其无冲突路径规划的惩罚值
Figure BDA0002443115490000145
Figure BDA0002443115490000146
步骤11.3、如果
Figure BDA0002443115490000147
chrom_original＝chrom_x，O不变；如果
Figure BDA0002443115490000148
将编号为AGTTselected的拖挂式AGV从O列表中删除。
O＝[1 2 3 5]
chromoriginal＝[6 0 1 4 9 0 2 8 0 3 0 7 5 10]
步骤12、如果O为空，则任务调整结束；否则，返回步骤5循环迭代。
本案例的基于规则的任务分配调整优化过程如图8所示。
步骤13、输出最优的任务分配方案chrom_original、输出最优任务分配方案对应的具体路径信息。
最优的任务分配方案如下所示：
chrom_original＝[6 3 0 1 9 0 2 0 8 0 4 7 5 10 0]
拖挂式AGV1承担任务6、3，拖挂式AGV2承担任务1、9，拖挂式AGV3承担任务2，拖挂式AGV4承担任务8，拖挂式AGV5承担任务4、7、5、10。每辆拖挂式AGV具体的路径与运行时间如图9、图10所示。
以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：包括如下步骤，
步骤1、对生产车间布局地图进行处理，生成栅格地图MAP并添加时间维度记为时空地图map，栅格地图MAP需具备所有工位下料点的位置信息；
步骤2、初始化任务分配相关的数据，包括最多AGV数量agv_available、单AGV最大挂载拖车的数量agv_ability、待分配的任务列表required_points；所述待分配的任务列表required_points包括各任务时间窗的要求、每个任务下料时车辆需要的停靠时间tu；
步骤3、根据生产车间布局栅格地图MAP以及所有任务点的位置信息，采用传统的路径规划算法求解各任务点之间的距离，记作距离邻接矩阵distance_ad；所述传统的路径规划算法未考虑拖挂式AGV的长度以及AGV运行时的物理冲突；
步骤4、根据距离邻接矩阵distance_ad以及任务列表信息required_points，采用优化方法求解出不考虑拖挂式AGV实际冲突的最优任务分配方案，记作初始任务分配方案chrom_original；
步骤5、以初始任务分配方案chrom_original，任务列表信息required_points，距离邻接矩阵distance_ad，时空地图map作为数据输入基于规则的任务调整算法；
步骤6、基于规则的任务调整算法首先根据初始任务分配方案chrom_original进行任务转移，转移后的所有可能任务分配方案集合，记作chrom，初始化列表O和I；
步骤7、解析步骤6的所有转移后的任务分配方案，对各拖挂式AGV承担的任务的进行排序，生成新的任务分配方案集合chrom，排序的方法根据限制的单AGV最大可挂载拖车数量agv_ability决定；
步骤8、以步骤7排序后的任务分配方案集合chrom，任务列表信息required_points，距离邻接矩阵distance_ad，更新过的时空地图map作为数据输入基于规则的任务调整算法的路径规划模块；
步骤9、路径规划模块选择任务分配方案集合chrom中的chrom_x任务分配方案进行解码，读取未更新的时空地图map信息并规划存在实际冲突情况的详细路径，求得该任务分配方案下的真实惩罚值；
步骤10、返回步骤9循环迭代，直至完成新任务分配方案集合中所有任务分配方案的无冲突路径规划；
步骤11、更新列表O与初始任务分配方案chrom_original；
步骤12、如果O为空，则任务调整结束；否则，返回步骤5循环迭代；
步骤13、输出最优的任务分配方案chrom_original、输出最优任务分配方案对应的具体路径信息。
2.如权利要求1所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤14、在步骤1至步骤5通过将不同比重的能耗与滞后时间惩罚相加的值作为评价拖挂式多AGV系统任务分配的好坏，既考虑运输物料产生的滞后惩罚，缓解混合装配生产系统线边缓存区的压力，又考虑系统的能量消耗，降低制造物流中的能耗成本；在步骤8至步骤10采用时空地图进行拖挂式多AGV的无冲突路径规划，解决多AGV系统向拖挂式多AGV系统转变存在的冲突问题，实现拖挂式多AGV系统的无冲突运行；在步骤6至步骤13采用一种基于规则的任务调整算法，在任务分配的同时，规划出各拖挂式AGV无冲突的运行路线，相较于采用邻接距离矩阵直接进行任务分配，本方法得出的任务分配方案可以使拖挂式多AGV系统配送全部任务产生的总能耗与滞后时间惩罚值以不同权重相加的总和更低，同时考虑混合装配生产系统线边缓存区的压力与生产物流中产生的能耗成本，使生产系统能够更高效稳定运行；在步骤1至步骤13采用拖挂式AGV取代原单AGV，减少企业对AGV的数量需求，降低企业购置物流设备的成本。
3.如权利要求1或2所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤3中所述传统的路径规划算法包括蚁群算法、A*算法、Dijsktra算法；
步骤4所述优化方法包括遗传算法、模拟退化算法、粒子群算法，优选遗传算法。
4.如权利要求3所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤4实现方法，
步骤4.1、遗传算法采用实数编码的方法，每个实数对应任务的编号，以数字0隔开，0的前后分别代表不同拖挂式AGV承担的任务顺序；
步骤4.2、遗传算法的惩罚值计算如下：
punishxchrom＝Wenergy*Senergy+Wdelay*Sdelay
punishxchrom表示某一条任务分配方案的惩罚值总和；
Senergy表示该任务分配方案下所需要的能耗总和；
Sdelay表示该任务分配方案下完成所有任务的滞后时间总和；
Wenergy表示计算总惩罚值中能耗部分的权值；
Wdelay表示计算总惩罚值中滞后时间的权值；
Figure FDA0002443115480000021
m11表示每辆AGV自身的质量；
m12表示每辆拖车空载时的质量；
mbin表示每单位货物的质量；
Figure FDA0002443115480000022
表示标号为k的拖挂式AGV拉的拖车长度；
Figure FDA0002443115480000023
表示标号为i的任务由编号k的拖挂式AGV自仓库出发至该任务点所需的时间；
g表示重力加速度；
f表示车辆行驶时与地面的滚动摩擦系数；
Figure FDA0002443115480000031
Figure FDA0002443115480000032
表示任务i配送完成的实际时间；
Figure FDA0002443115480000033
表示任务i配送完成要求的最晚时间；
步骤4.3、对种群进行任务分配方案的选择、交叉、变异后，输入不考虑冲突时的最优任务分配方案，记作初始任务分配方案chrom_original。
5.如权利要求4所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤6实现方法为，
步骤6.1、初始化列表O，记录存在任务的拖挂式AGV编号；初始化列表I，记录未满载的拖挂式AGV编号；
步骤6.2、从列表O中随机选择一辆拖挂式AGVAGTTselected，根据初始任务分配方案计算出该辆拖挂式AGV承担的各任务的惩罚值，计算方式如下：
Figure FDA0002443115480000034
Figure FDA0002443115480000035
Figure FDA0002443115480000036
步骤6.3、选择惩罚值最大的一个任务taskselected，移出AGTTselected的任务列表；
步骤6.4、存在于列表I中编号的拖挂式AGV，分别将taskselected加入各自的任务列表，形成的所有可能的任务分配方案，记作chrom。
6.如权利要求5所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤7实现方法为，
步骤7.1、当agv_ability的值小于等于6时，采用枚举法，将每辆车可能的任务排序一一枚举并计算该辆拖挂式AGV的惩罚值，取惩罚值最小的排序方式作为该拖挂式AGV执行的任务顺序；
步骤7.2、当agv_ability的值大于6时，采用遗传算法的方式，计算出惩罚值最低的任务排序方案；
步骤7.3、将完成任务排序的每辆拖挂式AGV的任务列表合成新的任务分配方案集合chrom。
7.如权利要求1或2所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤9实现方法为，
步骤9.1、根据每辆拖挂式AGV下个待执行任务的紧急程度，确定各拖挂式AGV进行无冲突路径规划的先后顺序；
步骤9.1.1、计算出每辆拖挂式AGV已完成的上一个任务停靠点离开或者出站的时刻
Figure FDA0002443115480000041
Figure FDA0002443115480000042
Figure FDA0002443115480000043
表示上一个任务要求的软时间窗；
Figure FDA0002443115480000044
表示AGV车头到达上个任务点的时刻；
tp表示货物下料所需的时间；
步骤9.1.2、根据无冲突情况下的距离邻接矩阵distance_ad，不考虑详细的路径信息，计算出每辆拖挂式AGV从各自上个任务点到各自下个任务点所需的最短时间
Figure 1
步骤9.1.3、计算每辆拖挂式AGV执行下个任务的剩余时间
Figure FDA0002443115480000046
Figure FDA0002443115480000047
Figure FDA0002443115480000048
表示下一个任务要求的软时间窗；
步骤9.1.4、计算每辆拖挂式AGV执行下个任务的时间紧急程度tenk；
Figure FDA0002443115480000049
步骤9.1.5、根据每辆拖挂式AGV执行下个任务的时间紧急程度tenk进行排序，并选择出所有tenk中最小值对应的拖挂式AGV编号，记作k；
步骤9.2、读取步骤8更新后的时空地图map，考虑真实冲突，采用蚁群算法对编号为k的拖挂式AGV进行其任务序列中下个任务的无冲突路径规划，得到具体的路径信息；
步骤9.2.1、将步骤9.3.3中涉及的时空坐标点的可达状态置为可达；
步骤9.2.2、确定该次路径规划的起始点，即拖挂式AGV车头经过上个任务点的时空状态，对应于时空图map中的坐标(xstart,ystart,tstart)；确定该次路径规划的终点，对应于二维栅格地图中的坐标(xend,yend)；
步骤9.2.3、在时空图的时间维度，t每增加1单位，蚂蚁进行一次路径选择；当前蚂蚁处于时空图坐标(xnow,ynow,tnow)处，则下一时刻，蚂蚁可能存在的状态(xnext,ynext,tnext)有：(xnow-1,ynow,tnow+1)、(xnow+1,ynow,tnow+1)、(xnow,ynow-1,tnow+1)、(xnow,ynow+1,tnow+1)、(xnow,ynow,tnow)
步骤9.2.4、蚂蚁下一时刻状态的选择应无冲突，且尽量离开原地向目标点移动，启发值H的计算公式如下：
Figure FDA00024431154800000410
其中
Figure FDA0002443115480000051
A、B、α、β表示系数；
第一项式使蚂蚁尽可能寻找最短路径，第二项式使蚂蚁尽可能离开出发点；
步骤9.2.5、进行第一阶段的路径规划，起始点对应的时空信息为(xstart,ystart,tstart)，由于上一个任务下料时要使货物所在的第bi个拖车与下料点对应，AGV车头需向前多行驶bi个拖车对应的长度，此时车头AGV位于栅格地图上的(xahead,yahead)坐标处，该点作为临时终点；AGV每行驶1单位拖车长度以及每单位栅格的时间均为1，
Figure FDA0002443115480000052
为AGV对应拖车到达相应的下料点的时刻，即临时终点的最早时刻，其中tbi表示车头向前多行驶bi个拖车长度实际用的时间；
Figure FDA0002443115480000053
表示上一个任务要求的软时间窗；
Figure FDA0002443115480000054
步骤9.2.6、进行第二阶段的路径规划，起始点为步骤9.2.4中的(xnext,ynext,tnext)，终点的栅格地图坐标为下一个任务点的坐标，即(xend,yend)，重复执行步骤9.2.4、步骤9.2.5，直到规划出路径，输出的最短路径记作
Figure FDA0002443115480000055
表示第k辆拖挂式AGV第i个任务执行的具体路径信息；
步骤9.3、根据步骤9.2计算出的路径信息
Figure FDA0002443115480000056
对时空地图map进行更新；
步骤9.3.1、根据任务分配方案信息计算出编号为k的拖挂式AGV的总长度L，根据
Figure FDA0002443115480000057
计算出该路径总的时间范围，定义为[tstart,tend]；
步骤9.3.2、对于[tstart,tend]中的每一时刻，计算出总长度为L的拖挂式AGV的车头与各拖车的位置坐标，并将这些位置的时空图坐标置为不可达状态；(x,y,t)为
Figure 2
中的某一路径点，则以(x,y,t)为起点沿着
Figure FDA0002443115480000059
向前寻找L-1个不同的坐标点，结果为(x-L+1,y)、(x-L+2,y)……(x-1,y)，则AGV与各拖车的坐标对应于时空图坐标为(x-L+1,y,t)、(x-L+2,y,t)…(x-1,y,t)、(x,y,t)；在时空图map中将所述时空坐标的可达状态标注为不可达；
步骤9.3.3、由于
Figure FDA00024431154800000510
只包含编号为k的拖挂式AGV车头到达下个任务点的详细路径信息，而向前多行驶i个单位使装载货物的拖车与下料点对应的路径信息尚未考虑，以(xend,yend)为起点，AGV行驶方向的L个不同点的
Figure FDA00024431154800000511
的时空坐标点的可达状态标注为不可达，其中
Figure FDA00024431154800000512
步骤9.4、返回步骤9.1循环迭代，直至完成所选择chrom_x任务分配方案所有任务无冲突的路径规划；
步骤9.5、根据chrom_x任务分配方案无冲突的路径信息，利用步骤4.2所述的计算惩罚值的方法计算该任务分配方案的真实惩罚值
Figure FDA0002443115480000061
8.如权利要求7所述的拖挂式多AGV系统的任务分配及无冲突路径规划方法，其特征在于：步骤11实现方法为，
步骤11.1、由步骤9计算的所有
Figure FDA0002443115480000062
中选出惩罚值最小的任务分配方案chrom_x，惩罚值记作
Figure 3
步骤11.2、将初始任务分配方案chrom_original采用步骤9的方法，计算其无冲突路径规划的惩罚值
Figure FDA0002443115480000064
步骤11.3、如果
Figure FDA0002443115480000065
chrom_original＝chrom_x，O不变；如果
Figure FDA0002443115480000066
将编号为AGTTselected的拖挂式AGV从O列表中删除。
CN202010270868.9A 2020-04-08 2020-04-08 拖挂式多agv系统的任务分配及无冲突路径规划方法 Active CN111459108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010270868.9A CN111459108B (zh) 2020-04-08 2020-04-08 拖挂式多agv系统的任务分配及无冲突路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010270868.9A CN111459108B (zh) 2020-04-08 2020-04-08 拖挂式多agv系统的任务分配及无冲突路径规划方法

Publications (2)

Publication Number Publication Date
CN111459108A true CN111459108A (zh) 2020-07-28
CN111459108B CN111459108B (zh) 2021-07-06

Family

ID=71683520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010270868.9A Active CN111459108B (zh) 2020-04-08 2020-04-08 拖挂式多agv系统的任务分配及无冲突路径规划方法

Country Status (1)

Country Link
CN (1) CN111459108B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112039714A (zh) * 2020-11-05 2020-12-04 中国人民解放军国防科技大学 基于sla最小化跨站点数据分析成本的方法及装置
CN112161630A (zh) * 2020-10-12 2021-01-01 北京化工大学 适用于大型仓储系统的agv在线无碰撞路径规划方法
CN112268560A (zh) * 2020-10-09 2021-01-26 广州杰赛科技股份有限公司 一种agv移动路径监测方法、系统
CN112633606A (zh) * 2021-01-05 2021-04-09 佛山科学技术学院 一种多agv路径规划方法、装置及计算机可读存储介质
CN113848904A (zh) * 2021-09-24 2021-12-28 安徽工程大学 一种基于惩罚能耗优化多移动机器人任务分配的方法
CN116307646A (zh) * 2023-05-23 2023-06-23 科大智能物联技术股份有限公司 一种基于两阶段动态分区算法的一轨双车调度方法

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013166090A1 (en) * 2012-05-01 2013-11-07 5D Robotics, Inc. Collaborative spatial positioning
CN103559598A (zh) * 2013-09-17 2014-02-05 山东高速物流集团有限公司 一种标准化物流场站物联网
CN203567842U (zh) * 2013-10-31 2014-04-30 广东嘉腾机器人自动化有限公司 拖挂料车及包括该拖挂料车的配送系统
CN103941737A (zh) * 2014-05-09 2014-07-23 济南大学 一种复杂环境下拖挂式移动机器人的运动规划与控制方法
CN105045268A (zh) * 2015-08-25 2015-11-11 深圳力子机器人有限公司 一种agv激光磁带混合导航系统
CN105740972A (zh) * 2016-01-22 2016-07-06 合肥工业大学 一种甩挂运输协同路径规划方法
CN105956681A (zh) * 2016-04-15 2016-09-21 合肥工业大学 一种基于滚动时域优化的甩挂运输动态路径规划方法
CA2989819A1 (en) * 2015-06-17 2016-12-22 Uber Technologies, Inc. Trip anomaly detection system
CN106569496A (zh) * 2016-11-14 2017-04-19 中国船舶工业集团公司第七0八研究所 一种运动路径的规划方法
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
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN108776483A (zh) * 2018-08-16 2018-11-09 圆通速递有限公司 基于蚁群算法和多智能体q学习的agv路径规划方法和系统
CN108958257A (zh) * 2018-07-25 2018-12-07 深圳市集大自动化有限公司 多台agv组合导航的协同路径规划方法
CN109270938A (zh) * 2018-11-20 2019-01-25 吉林大学 一种矿用车方阵编队控制系统
CN109557886A (zh) * 2018-12-28 2019-04-02 芜湖哈特机器人产业技术研究院有限公司 一种栅格地图及基于栅格地图的多agv调度方法
CN109597385A (zh) * 2018-12-26 2019-04-09 芜湖哈特机器人产业技术研究院有限公司 一种栅格地图及基于栅格地图的多agv动态路径规划方法
CN109839935A (zh) * 2019-02-28 2019-06-04 华东师范大学 多agv的路径规划方法及设备
CN110147971A (zh) * 2019-04-08 2019-08-20 合肥工业大学 用于规划车辆路径的方法、系统及存储介质
CN110174111A (zh) * 2019-05-31 2019-08-27 山东华锐智能技术有限公司 基于时间窗的任务分段式的多agv路径规划算法
CN110262408A (zh) * 2019-05-08 2019-09-20 盐城品迅智能科技服务有限公司 一种用于多agv的智能仓储路线识别装置和方法
CN110264062A (zh) * 2019-08-12 2019-09-20 南京邮电大学 分布式多agv动态任务分配及其路径规划方法与系统
DE102018109845A1 (de) * 2018-04-24 2019-10-24 Kuka Deutschland Gmbh Kartierungsverfahren
CN110530388A (zh) * 2019-09-05 2019-12-03 苏宁云计算有限公司 多agv的路径规划方法及系统

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013166090A1 (en) * 2012-05-01 2013-11-07 5D Robotics, Inc. Collaborative spatial positioning
CN103559598A (zh) * 2013-09-17 2014-02-05 山东高速物流集团有限公司 一种标准化物流场站物联网
CN203567842U (zh) * 2013-10-31 2014-04-30 广东嘉腾机器人自动化有限公司 拖挂料车及包括该拖挂料车的配送系统
CN103941737A (zh) * 2014-05-09 2014-07-23 济南大学 一种复杂环境下拖挂式移动机器人的运动规划与控制方法
CA2989819A1 (en) * 2015-06-17 2016-12-22 Uber Technologies, Inc. Trip anomaly detection system
CN105045268A (zh) * 2015-08-25 2015-11-11 深圳力子机器人有限公司 一种agv激光磁带混合导航系统
CN105740972A (zh) * 2016-01-22 2016-07-06 合肥工业大学 一种甩挂运输协同路径规划方法
CN105956681A (zh) * 2016-04-15 2016-09-21 合肥工业大学 一种基于滚动时域优化的甩挂运输动态路径规划方法
CN106569496A (zh) * 2016-11-14 2017-04-19 中国船舶工业集团公司第七0八研究所 一种运动路径的规划方法
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
DE102018109845A1 (de) * 2018-04-24 2019-10-24 Kuka Deutschland Gmbh Kartierungsverfahren
CN108469827A (zh) * 2018-05-16 2018-08-31 江苏华章物流科技股份有限公司 一种适用于物流仓储系统的自动导引车全局路径规划方法
CN108958257A (zh) * 2018-07-25 2018-12-07 深圳市集大自动化有限公司 多台agv组合导航的协同路径规划方法
CN108776483A (zh) * 2018-08-16 2018-11-09 圆通速递有限公司 基于蚁群算法和多智能体q学习的agv路径规划方法和系统
CN109270938A (zh) * 2018-11-20 2019-01-25 吉林大学 一种矿用车方阵编队控制系统
CN109597385A (zh) * 2018-12-26 2019-04-09 芜湖哈特机器人产业技术研究院有限公司 一种栅格地图及基于栅格地图的多agv动态路径规划方法
CN109557886A (zh) * 2018-12-28 2019-04-02 芜湖哈特机器人产业技术研究院有限公司 一种栅格地图及基于栅格地图的多agv调度方法
CN109839935A (zh) * 2019-02-28 2019-06-04 华东师范大学 多agv的路径规划方法及设备
CN110147971A (zh) * 2019-04-08 2019-08-20 合肥工业大学 用于规划车辆路径的方法、系统及存储介质
CN110262408A (zh) * 2019-05-08 2019-09-20 盐城品迅智能科技服务有限公司 一种用于多agv的智能仓储路线识别装置和方法
CN110174111A (zh) * 2019-05-31 2019-08-27 山东华锐智能技术有限公司 基于时间窗的任务分段式的多agv路径规划算法
CN110264062A (zh) * 2019-08-12 2019-09-20 南京邮电大学 分布式多agv动态任务分配及其路径规划方法与系统
CN110530388A (zh) * 2019-09-05 2019-12-03 苏宁云计算有限公司 多agv的路径规划方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘国栋: "多AGV 调度系统中的两阶段动态路径规划", 《机器人》 *
姜静: "工业AGV叉车路径规划算法的改进研究", 《电子世界》 *
孟祥忠: "多AGV定位和路径规划方法研究", 《工业仪表与自动化装置》 *
陈华伟: "基于动态路径规划的物流仿真控制技术", 《系统仿真学报》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268560A (zh) * 2020-10-09 2021-01-26 广州杰赛科技股份有限公司 一种agv移动路径监测方法、系统
CN112268560B (zh) * 2020-10-09 2022-09-09 广州杰赛科技股份有限公司 一种agv移动路径监测方法、系统
CN112161630A (zh) * 2020-10-12 2021-01-01 北京化工大学 适用于大型仓储系统的agv在线无碰撞路径规划方法
CN112161630B (zh) * 2020-10-12 2022-07-15 北京化工大学 适用于大型仓储系统的agv在线无碰撞路径规划方法
CN112039714A (zh) * 2020-11-05 2020-12-04 中国人民解放军国防科技大学 基于sla最小化跨站点数据分析成本的方法及装置
CN112039714B (zh) * 2020-11-05 2021-01-15 中国人民解放军国防科技大学 基于sla最小化跨站点数据分析成本的方法及装置
CN112633606A (zh) * 2021-01-05 2021-04-09 佛山科学技术学院 一种多agv路径规划方法、装置及计算机可读存储介质
CN112633606B (zh) * 2021-01-05 2022-11-01 佛山科学技术学院 一种多agv路径规划方法、装置及计算机可读存储介质
CN113848904A (zh) * 2021-09-24 2021-12-28 安徽工程大学 一种基于惩罚能耗优化多移动机器人任务分配的方法
CN113848904B (zh) * 2021-09-24 2023-05-16 安徽工程大学 一种基于惩罚能耗优化多移动机器人任务分配的方法
CN116307646A (zh) * 2023-05-23 2023-06-23 科大智能物联技术股份有限公司 一种基于两阶段动态分区算法的一轨双车调度方法
CN116307646B (zh) * 2023-05-23 2023-09-01 科大智能物联技术股份有限公司 一种基于两阶段动态分区算法的一轨双车调度方法

Also Published As

Publication number Publication date
CN111459108B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN111459108B (zh) 拖挂式多agv系统的任务分配及无冲突路径规划方法
Skinner et al. Optimisation for job scheduling at automated container terminals using genetic algorithm
CN112001064B (zh) 一种集装箱码头间全自主水上运输调度方法及系统
Le-Anh et al. A review of design and control of automated guided vehicle systems
CN110189077B (zh) 一种考虑三维装载约束的多阶段车货匹配方法
US11886191B2 (en) Scheduling method and system for fully autonomous waterborne inter terminal transportation
Mokhtarinejad et al. A novel learning based approach for a new integrated location-routing and scheduling problem within cross-docking considering direct shipment
CN102741105B (zh) 城市通勤铁路系统的经同步快车与慢车
CN110334838B (zh) 基于蚁群算法和遗传算法的agv小车协同调度方法及系统
CN109214756B (zh) 整车物流调度方法及装置、存储介质、终端
CN109345091B (zh) 基于蚁群算法的整车物流调度方法及装置、存储介质、终端
CN113780633B (zh) 面向复杂环境的带实时冲突消解的多agv智能协同调度方法
CN113867358B (zh) 多无人车协同遍历任务的智能路径规划方法
TWI706339B (zh) 配送計畫系統、配送計畫方法及程式
CN110852530A (zh) 一种多车场多车型的车辆路径规划方法
Hu et al. Conflict-free scheduling of large-scale multi-load AGVs in material transportation network
CN113848970A (zh) 一种车辆-无人机多目标协同路径规划方法
CN113592158A (zh) 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
CN110942193A (zh) 车辆调度方法及存储介质
CN113469471A (zh) 聚类方法、运输车辆路径规划方法、电子设备及存储介质
CN111860957A (zh) 一种考虑二次配送和平衡用时的多车型车辆路径规划方法
Park et al. A solution of vehicle routing problems in a multiple objective environment
CN113902289A (zh) 一种基于灵活时空网络模型的agv路径规划方法
JP2005043974A (ja) 輸送スケジュール作成方法及びシステム
Hu et al. A dynamic integrated scheduling method based on hierarchical planning for heterogeneous AGV fleets in warehouses

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