CN111582579A - 一种基于拓扑地图的预测性多agv任务分配方法 - Google Patents

一种基于拓扑地图的预测性多agv任务分配方法 Download PDF

Info

Publication number
CN111582579A
CN111582579A CN202010380481.9A CN202010380481A CN111582579A CN 111582579 A CN111582579 A CN 111582579A CN 202010380481 A CN202010380481 A CN 202010380481A CN 111582579 A CN111582579 A CN 111582579A
Authority
CN
China
Prior art keywords
agv
task
tasks
method based
predictive
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.)
Pending
Application number
CN202010380481.9A
Other languages
English (en)
Inventor
张阳
康涛
郎立国
李旭
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.)
Avic East China Photoelectric Shanghai Co ltd
Original Assignee
Avic East China Photoelectric Shanghai 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 Avic East China Photoelectric Shanghai Co ltd filed Critical Avic East China Photoelectric Shanghai Co ltd
Priority to CN202010380481.9A priority Critical patent/CN111582579A/zh
Publication of CN111582579A publication Critical patent/CN111582579A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明的一种基于拓扑地图的预测性多AGV任务分配方法，属于自动控制技术领域。方法为建立拓扑地图，记录并保存所有的节点、路径信息，确定空闲AGV的数量和待分配的AGV任务后构建代价函数，计算各空闲AGV分别完成各待分配任务的代价值，选定代价值最小准则并获取符合实际需求的最小代价值，根据选定的最小代价值原则分配任务。通过确定空闲AGV的数量和待分配的AGV任务后构建代价函数，选取代价函数的最小代价值为最优方案，使得agv的实际运行效率大大提高，同时不会造成AGV任务分配混乱。

Description

一种基于拓扑地图的预测性多AGV任务分配方法
技术领域
本发明属于自动控制技术领域，具体来说是一种基于拓扑地图的预测性多AGV任务分配方法。
背景技术
作为智能物流核心设备之一的AGV(Automated Guided Vehicle，自动导引运输车)近年来出现了爆发式的增长，而以智能化为主，可以自主导航的AGV也已被广泛应用于智能物流仓储领域。而在实际场景中可能需要多辆AGV同时运行，这就使得给各个AGV分配的任务是否合理显得尤为重要，否则会造成运行效率过低、资源浪费等，更严重的可能会造成AGV之间发生碰撞。
而现在大多数的任务分配方法采用的是将任务分配给距离任务站点相邻最近的AGV，此种采用局部优化的方法不仅效率低而且可能会造成工作场景下的混乱从而可能使得事故发生概率增加。
发明内容
1.发明要解决的技术问题
本发明的目的在于解决现有的AGV任务分配方法效率低且容易造成混乱的问题。
2.技术方案
为达到上述目的，本发明提供的技术方案为：
本发明的一种基于拓扑地图的预测性多AGV任务分配方法，建立拓扑地图，记录并保存所有的节点、路径信息，确定空闲AGV的数量和待分配的AGV任务后构建代价函数，计算各空闲AGV分别完成各待分配任务的代价值，选定代价值最小准则并获取符合实际需求的最小代价值，根据选定的最小代价值原则分配任务。
优选的，具体包括如下步骤：
S100、建立拓扑地图，并在地图中记录并保存所有的节点、路径信息；
S200、获取agv的状态和待分配的任务信息；
S300、构建代价函数计算单个agv的代价函数
Figure BDA0002481860240000021
S400、计算代价值总和
Figure BDA0002481860240000022
最小的分配方案为最优方案；
S500、按照最优方案进行任务分配。
优选的，所述步骤S100中，拓扑地图的建立规则为权重正负代表的是路径方向，保证两条不同路径的交点都是节点。
优选的，所述步骤S200中，所述agv的状态为当且仅当agv无任务且静止时表明其处于空闲状态，空闲agv数量记为n，设未分配任务的总数量为m，当m>n时，取m＝n，根据任务发布时间优先分配发布较早的前m个任务。
优选的，所述步骤S200中，当agv获取到任务后即置为繁忙状态，且其到达目标位置并完成该项任务后状态更改为空闲状态，当指定agv完成一项任务时，若该agv处于空闲状态则立即执行该任务，若处于繁忙状态则完成当前任务后立即执行指定任务。
优选的，所述步骤S200中，当指定某任务具有最高优先级且未指定agv，则将其分配给空闲叉车中完成这一任务预测时间最短的agv。
优选的，所述步骤S300中，单个agv的代价函数包括单个agv完成任务的时间为
Figure BDA0002481860240000023
和预测等待时间
Figure BDA0002481860240000024
优选的，所述单个agv完成任务的时间计算公式为：
Figure BDA0002481860240000025
其中，v为agv运行的速度，AiBj为单个agv单个任务所经过的路径，i和j都是正整数，0＜i≤n，0＜j≤m，A为各agv的位置信息列表A＝{A1,A2,…An}，B为任务终点列表B＝{B1,B2,…Bm}。
优选的，所述单个agv的预测等待时间的计算公式：
Figure BDA0002481860240000031
预测等待时间为当两个agv可能相向或者在路径节点相遇时发生碰撞需要交通管制时，优先级低的agv提前停在某个节点让行优先级高的agv所消耗的时间，若第i辆agv与其他agv无相同节点或者在T时刻距离任务终点最近，则
Figure BDA0002481860240000032
为0，若存在第i辆与第k辆相比更远则令tik＝C，C为agv停止等待另一辆agv通过的时间。
3.有益效果
采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
本发明的一种基于拓扑地图的预测性多AGV任务分配方法，建立拓扑地图，记录并保存所有的节点、路径信息，确定空闲AGV的数量和待分配的AGV任务后构建代价函数，计算各空闲AGV分别完成各待分配任务的代价值，选定代价值最小准则并获取符合实际需求的最小代价值，根据选定的最小代价值原则分配任务。通过确定空闲AGV的数量和待分配的AGV任务后构建代价函数，选取代价函数的最小代价值为最优方案，使得agv的实际运行效率大大提高，同时不会造成AGV任务分配混乱。
附图说明
图1为本发明的一种基于拓扑地图的预测性多AGV任务分配方法的流程图；
图2为本实施例的拓扑地图示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述，附图中给出了本发明的若干实施例，但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例，相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同；本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明；本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例1
参照附图1，本实施例的一种基于拓扑地图的预测性多AGV任务分配方法，建立拓扑地图，记录并保存所有的节点、路径信息，确定空闲AGV的数量和待分配的AGV任务后构建代价函数，计算各空闲AGV分别完成各待分配任务的代价值，选定代价值最小准则并获取符合实际需求的最小代价值，根据选定的最小代价值原则分配任务。通过确定空闲AGV的数量和待分配的AGV任务后构建代价函数，选取代价函数的最小代价值为最优方案，使得agv的实际运行效率大大提高，同时不会造成AGV任务分配混乱。
具体包括如下步骤：
S100、建立拓扑地图，并在地图中记录并保存所有的节点、路径信息；
S200、获取agv的状态和待分配的任务信息；
S300、构建代价函数计算单个agv的代价函数
Figure BDA0002481860240000041
S400、计算代价值总和
Figure BDA0002481860240000042
最小的分配方案为最优方案；
S500、按照最优方案进行任务分配。
本实施例的步骤S100中，拓扑地图的建立规则为权重正负代表的是路径方向，保证两条不同路径的交点都是节点。
本实施例的步骤S200中，所述agv的状态为当且仅当agv无任务且静止时表明其处于空闲状态，空闲agv数量记为n，设未分配任务的总数量为m，当m>n时，取m＝n，根据任务发布时间优先分配发布较早的前m个任务，可以保证整体任务的完成时间和完成效率在较低的范围内。
本实施例的步骤S200中，当agv获取到任务后即置为繁忙状态，且其到达目标位置并完成该项任务后状态更改为空闲状态，当指定agv完成一项任务时，若该agv处于空闲状态则立即执行该任务，若处于繁忙状态则完成当前任务后立即执行指定任务。
本实施例的步骤S200中，当指定某任务具有最高优先级且未指定agv，则将其分配给空闲叉车中完成这一任务预测时间最短的agv。
本实施例的步骤S300中，单个agv的代价函数包括单个agv完成任务的时间为
Figure BDA0002481860240000051
和预测等待时间
Figure BDA0002481860240000052
单个agv完成任务的时间计算公式为：
Figure BDA0002481860240000053
其中，v为agv运行的速度，AiBj为单个agv单个任务所经过的路径，i和j都是正整数，0＜i≤n，0＜j≤m，A为各agv的位置信息列表A＝{A1,A2,…An}，B为任务终点列表B＝{B1,B2,…Bm}。参照附图2，假设agv位于P0、P1所属路段，任务终点在P5，则路径长度为agv当前位置到P1所在位置的距离加上L15的绝对值。
单个agv的预测等待时间的计算公式：
Figure BDA0002481860240000054
预测等待时间为当两个agv可能相向或者在路径节点相遇时发生碰撞需要交通管制时，优先级低的agv提前停在某个节点让行优先级高的agv所消耗的时间，若第i辆agv与其他agv无相同节点或者在T时刻距离任务终点最近，则
Figure BDA0002481860240000055
为0，若存在第i辆与第k辆相比更远则令tik＝C，C为agv停止等待另一辆agv通过的时间。
以上所述实施例仅表达了本发明的某种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制；应当指出的是，对于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，还可以做出若干变形和改进，这些都属于本发明的保护范围；因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：建立拓扑地图，记录并保存所有的节点、路径信息，确定空闲AGV的数量和待分配的AGV任务后构建代价函数，计算各空闲AGV分别完成各待分配任务的代价值，选定代价值最小准则并获取符合实际需求的最小代价值，根据选定的最小代价值原则分配任务。
2.根据权利要求1所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于，具体包括如下步骤：
S100、建立拓扑地图，并在地图中记录并保存所有的节点、路径信息；
S200、获取agv的状态和待分配的任务信息；
S300、构建代价函数计算单个agv的代价函数
Figure FDA0002481860230000011
S400、计算代价值总和
Figure FDA0002481860230000012
最小的分配方案为最优方案；
S500、按照最优方案进行任务分配。
3.根据权利要求2所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述步骤S100中，拓扑地图的建立规则为权重正负代表的是路径方向，保证两条不同路径的交点都是节点。
4.根据权利要求2所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述步骤S200中，所述agv的状态为当且仅当agv无任务且静止时表明其处于空闲状态，空闲agv数量记为n，设未分配任务的总数量为m，当m>n时，取m＝n，根据任务发布时间优先分配发布较早的前m个任务。
5.根据权利要求2所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述步骤S200中，当agv获取到任务后即置为繁忙状态，且其到达目标位置并完成该项任务后状态更改为空闲状态，当指定agv完成一项任务时，若该agv处于空闲状态则立即执行该任务，若处于繁忙状态则完成当前任务后立即执行指定任务。
6.根据权利要求2所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述步骤S200中，当指定某任务具有最高优先级且未指定agv，则将其分配给空闲叉车中完成这一任务预测时间最短的agv。
7.根据权利要求4所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述步骤S300中，单个agv的代价函数包括单个agv完成任务的时间为
Figure FDA0002481860230000021
和预测等待时间
Figure FDA0002481860230000022
8.根据权利要求7所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述单个agv完成任务的时间计算公式为：
Figure FDA0002481860230000023
其中，v为agv运行的速度，AiBj为单个agv单个任务所经过的路径，i和j都是正整数，0＜i≤n，0＜j≤m，A为各agv的位置信息列表A＝{A1,A2,…An}，B为任务终点列表B＝{B1,B2,…Bm}。
9.根据权利要求7所述的一种基于拓扑地图的预测性多AGV任务分配方法，其特征在于：所述单个agv的预测等待时间的计算公式：
Figure FDA0002481860230000024
预测等待时间为当两个agv可能相向或者在路径节点相遇时发生碰撞需要交通管制时，优先级低的agv提前停在某个节点让行优先级高的agv所消耗的时间，若第i辆agv与其他agv无相同节点或者在T时刻距离任务终点最近，则
Figure FDA0002481860230000025
为0，若存在第i辆与第k辆相比更远则令tik＝C，C为agv停止等待另一辆agv通过的时间。
CN202010380481.9A 2020-05-08 2020-05-08 一种基于拓扑地图的预测性多agv任务分配方法 Pending CN111582579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010380481.9A CN111582579A (zh) 2020-05-08 2020-05-08 一种基于拓扑地图的预测性多agv任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010380481.9A CN111582579A (zh) 2020-05-08 2020-05-08 一种基于拓扑地图的预测性多agv任务分配方法

Publications (1)

Publication Number Publication Date
CN111582579A true CN111582579A (zh) 2020-08-25

Family

ID=72124768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010380481.9A Pending CN111582579A (zh) 2020-05-08 2020-05-08 一种基于拓扑地图的预测性多agv任务分配方法

Country Status (1)

Country Link
CN (1) CN111582579A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214024A (zh) * 2020-10-20 2021-01-12 浙江迈睿机器人有限公司 一种agv任务分配方法、物流分拣方法及系统
CN114358680A (zh) * 2021-12-28 2022-04-15 北京旷视机器人技术有限公司 任务分配方法、电子设备及计算机程序产品

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109724612A (zh) * 2019-01-14 2019-05-07 浙江大华技术股份有限公司 一种基于拓扑地图的agv路径规划方法及设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109724612A (zh) * 2019-01-14 2019-05-07 浙江大华技术股份有限公司 一种基于拓扑地图的agv路径规划方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李狮伟: ""船用汽轮机智能车间AGV动态调度与路径规划研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214024A (zh) * 2020-10-20 2021-01-12 浙江迈睿机器人有限公司 一种agv任务分配方法、物流分拣方法及系统
CN114358680A (zh) * 2021-12-28 2022-04-15 北京旷视机器人技术有限公司 任务分配方法、电子设备及计算机程序产品

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
WO2021254415A1 (zh) 一种基于时间窗的agv智能调度方法
CN110989582B (zh) 基于路径预先占用的多agv自动避让式智能调度方法
CN111596658A (zh) 一种多agv无碰撞运行的路径规划方法及调度系统
CN113074728B (zh) 基于跳点寻路与协同避障的多agv路径规划方法
CN110471418B (zh) 智能停车场中的agv调度方法
CN107203190A (zh) 一种基于复杂路径的惯性导航agv调度方法及系统
CN110515380B (zh) 基于转弯权重约束的最短路径规划方法
CN113075927A (zh) 基于预约表的仓储潜伏式多agv路径规划方法
CN111932000A (zh) 一种应用于大型物流系统的多agv调度方法
CN111582579A (zh) 一种基于拓扑地图的预测性多agv任务分配方法
CN109508010B (zh) 一种基于栅格地图的多移动机器人系统栅格点前瞻性防死锁动态分配方法
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
CN115062868B (zh) 一种预聚类的车辆配送路径规划方法和装置
CN115547023A (zh) 一种车辆控制方法、装置及系统
CN110412990B (zh) 一种用于工厂环境下的agv避碰方法
CN111664849A (zh) 无人船的自动返航方法及其装置
CN117308945B (zh) 基于准确交通管控的无人天车动态路径规划方法及系统
CN111620023B (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
CN117908475A (zh) 调度方法和调度装置
Bruno et al. Dynamic positioning of idle automated guided vehicles
CN102297699B (zh) 实时路况路线规划方法及设备
CN115638804B (zh) 一种无死锁的无人车辆在线路径规划方法
CN115755786A (zh) 基于流量的多agv全局调度方法
Li et al. Two-stage multi-AGV path planning based on speed pre-allocation

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200825