CN112748729A - 一种agv路线优化及实时调度方法 - Google Patents
一种agv路线优化及实时调度方法 Download PDFInfo
- Publication number
- CN112748729A CN112748729A CN202010134309.5A CN202010134309A CN112748729A CN 112748729 A CN112748729 A CN 112748729A CN 202010134309 A CN202010134309 A CN 202010134309A CN 112748729 A CN112748729 A CN 112748729A
- Authority
- CN
- China
- Prior art keywords
- agv
- scheduling
- simulation
- robot
- artificial intelligence
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000005457 optimization Methods 0.000 title claims description 14
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 21
- 238000013439 planning Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005094 computer simulation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
一种AGV路线优化及实时调度方法，包括数学规划方法、仿真方法和人工智能方法，数学规划方法能为AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度方法，数学规划方法采用整数规划、动态规划、petri方法，仿真方法是通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真，仿真方法采用离散事件仿真方法、面向对象的仿真方法和3维仿真技术方法，人工智能方法是把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程，人工智能方法利用知识表示技术，同时使用各种搜索技术，力求给出一个令人满意的解，具人工智能方法采用专家系统方法、遗传算法、启发式算法、神经网络算法。
Description
技术领域
本发明涉及一种AGV路线优化及实时调度方法，具体地说涉及一种采用数学规划方法、仿真方法和人工智能方法能为多个AGV的调度需要规划不同AGV的路径，多机器人共享一个环境，协调多机器人的运动使所有机器人都能能达到目标的一种AGV路线优化及实时调度方法。
背景技术
现有的AGV路线调度方法只能在小规模调度情况下使用，但是随着调度规模的增加，求解问题耗费的时间呈指数增长，限制了该方法在负责、大规模实时路线优化和调度中的应用。
发明内容
本发明的目的是克服现有技术的不足之处，提供一种采用数学规划方法、仿真方法和人工智能方法能为多个AGV的调度需要规划不同AGV的路径，多机器人共享一个环境，协调多机器人的运动使所有机器人都能能达到目标的一种AGV路线优化及实时调度方法。
本发明解决其技术问题所采用的技术方案是：一种AGV路线优化及实时调度方法，包括数学规划方法、仿真方法和人工智能方法，数学规划方法能为AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度方法，数学规划方法采用整数规划、动态规划、petri方法，仿真方法是通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真，仿真方法采用离散事件仿真方法、面向对象的仿真方法和3维仿真技术方法，人工智能方法是把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程，人工智能方法将人的知识包括进去，利用知识表示技术，同时使用各种搜索技术，力求给出一个令人满意的解，具人工智能方法采用专家系统方法、遗传算法、启发式算法、神经网络算法。
本发明的有益效果是，一种AGV路线优化及实时调度方法，数量成为评判一个调度系统强大与否的重要指标，本发明能够调度成批大量的AGV，能够真正把调度系统优化的很好，能够最高效率地利用AGV系统。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的实施例一的调度系统功能框图。
具体实施方式
实施本发明的一种AGV路线优化及实时调度方法，包括数学规划方法、仿真方法和人工智能方法，数学规划方法能为AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度方法，数学规划方法采用整数规划、动态规划、petri方法，仿真方法是通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真，仿真方法采用离散事件仿真方法、面向对象的仿真方法和3维仿真技术方法，人工智能方法是把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程，人工智能方法将人的知识包括进去，利用知识表示技术，同时使用各种搜索技术，力求给出一个令人满意的解，具人工智能方法采用专家系统方法、遗传算法、启发式算法、神经网络算法。
实施本发明的一种AGV路线优化及实时调度方法，采用数学规划方法、仿真方法和人工智能方法能为多个AGV的调度需要规划不同AGV的路径，调度系统让一个AGV从A走到B，不能简单地将A和B站点的信息给AGV，应将A到B之间的完整路径告诉AGV，可以用图对AGV的行驶空间进行建模，图由节点和边组成，AGV的行驶路径可以表示为一系列相邻的节点。
实施本发明的一种AGV路线优化及实时调度方法，数学规划方法、仿真方法和人工智能方法可以把AGV调度问题看成多机器人协调问题(Multi-Robot Coordination)的特例，多机器人共享一个环境，协调多机器人的运动使所有机器人都能能达到目标，讨论多机器人协调问题是为了对调度问题有更好的理解，即是为不同的机器人设置不同的优先级(Priority)，优先级高的机器人先规划自己的路径，优先级低的机器人将比它优先级高的机器人的路径视为障碍物，进而再进行规划，优先级高的机器人很霸道，把所有的路都堵死了，以至于优先级低的机器人找不到路，这时应调整优先级。
实施本发明的一种AGV路线优化及实时调度方法，对于单台的AGV的搬运很简单，对于多台AGV如何合理的安排，使其工作效率达到最高，这就需要用到AGV调度系统。AGV调度系统一旦为AGV指定好路径后，AGV上的车载控制器会根据指令完成具体的运动控制任务，例如速度保持在多少，遇到路口转向时轮子怎么转动等等。所以在一个完整的大系统中，AGV调度系统位于上层控制系统和底层控制系统的中间，其到管家的作用。对于多个AGV，调度问题就会变得非常困难，而且AGV数量越多，难度越大。因此，调度系统成为AGV行业的一个关键技术。
实施本发明的一种AGV路线优化及实时调度方法，数量成为评判一个调度系统强大与否的重要指标，本发明能够调度成批大量的AGV，能够真正把调度系统优化的很好，能够最高效率地利用AGV系统。本发明的AGV调度系统软件功能非常丰富，能做到任务管理、车辆状态监控、路径规划、地图编辑、数据库查询等。
实施本发明的一种AGV路线优化及实时调度方法，包括数学规划方法、仿真方法和人工智能方法，数学规划方法能为AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度方法，数学规划方法采用整数规划、动态规划、petri方法，仿真方法是通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真，仿真方法采用离散事件仿真方法、面向对象的仿真方法和3维仿真技术方法，人工智能方法是把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程，人工智能方法利用知识表示技术，同时使用各种搜索技术，力求给出一个令人满意的解，具人工智能方法采用专家系统方法、遗传算法、启发式算法、神经网络算法。
实施本发明，效果很好。
Claims (3)
1.一种AGV路线优化及实时调度方法，包括数学规划方法、仿真方法和人工智能方法，其特征在于，在所述数学规划方法能为AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度方法，数学规划方法采用整数规划、动态规划、petri方法，仿真方法是通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真，仿真方法采用离散事件仿真方法、面向对象的仿真方法和3维仿真技术方法，人工智能方法是把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程，人工智能方法将人的知识包括进去，利用知识表示技术，同时使用各种搜索技术，力求给出一个令人满意的解，具人工智能方法采用专家系统方法、遗传算法、启发式算法、神经网络算法。
2.根据权利要求1所述的一种AGV路线优化及实时调度方法，其特征在所述数学规划方法、仿真方法和人工智能方法能为多个AGV的调度需要规划不同AGV的路径，调度系统让一个AGV从A走到B，不能简单地将A和B站点的信息给AGV，应将A到B之间的完整路径告诉AGV，可以用图对AGV的行驶空间进行建模，图由节点和边组成，AGV的行驶路径可以表示为一系列相邻的节点。
3.根据权利要求1所述的一种AGV路线优化及实时调度方法，其特征在所述数学规划方法、仿真方法和人工智能方法可以把AGV调度问题看成多机器人协调问题(Multi-RobotCoordination)的特例，多机器人共享一个环境，协调多机器人的运动使所有机器人都能能达到目标，讨论多机器人协调问题是为了对调度问题有更好的理解，即是为不同的机器人设置不同的优先级(Priority)，优先级高的机器人先规划自己的路径，优先级低的机器人将比它优先级高的机器人的路径视为障碍物，进而再进行规划，优先级高的机器人很霸道，把所有的路都堵死了，以至于优先级低的机器人找不到路，这时应调整优先级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010134309.5A CN112748729A (zh) | 2020-02-23 | 2020-02-23 | 一种agv路线优化及实时调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010134309.5A CN112748729A (zh) | 2020-02-23 | 2020-02-23 | 一种agv路线优化及实时调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112748729A true CN112748729A (zh) | 2021-05-04 |
Family
ID=75645225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010134309.5A Withdrawn CN112748729A (zh) | 2020-02-23 | 2020-02-23 | 一种agv路线优化及实时调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112748729A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418247A (zh) * | 2022-03-30 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法和装置 |
-
2020
- 2020-02-23 CN CN202010134309.5A patent/CN112748729A/zh not_active Withdrawn
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114418247A (zh) * | 2022-03-30 | 2022-04-29 | 支付宝(杭州)信息技术有限公司 | 数据处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | Self-adaptive traffic control model with behavior trees and reinforcement learning for AGV in industry 4.0 | |
| Kim et al. | Framework for an intelligent earthwork system: Part I. System architecture | |
| CN105043379B (zh) | 一种基于时空约束的景区浏览路径规划方法、装置 | |
| CN109978272B (zh) | 一种基于多个全向移动机器人的路径规划系统及方法 | |
| CN109886580B (zh) | 一种智能工厂管控模型及其管控方法 | |
| CN107622348A (zh) | 一种任务顺序约束下的异构多auv系统任务协调方法 | |
| Biswas et al. | Multiobjective mission route planning problem: a neural network-based forecasting model for mission planning | |
| Kyprianou et al. | Towards the achievement of path planning with multi-robot systems in dynamic environments | |
| Sun et al. | AGV-based vehicle transportation in automated container terminals: A survey | |
| Cheng et al. | Multi-UAV collaborative path planning using hierarchical reinforcement learning and simulated annealing | |
| Su et al. | Collaborative motion planning based on the improved ant colony algorithm for multiple autonomous vehicles | |
| Zhang et al. | CAVSim: A microscopic traffic simulator for evaluation of connected and automated vehicles | |
| Liu et al. | Option-based multi-agent reinforcement learning for painting with multiple large-sized robots | |
| CN112748729A (zh) | 一种agv路线优化及实时调度方法 | |
| BAYGIN et al. | PSO based path planning approach for multi service robots in dynamic environments | |
| Hua et al. | Multi-Agent Reinforcement Learning for Connected and Automated Vehicles Control: Recent Advancements and Future Prospects | |
| CN118131791A (zh) | 一种无人系统群体协同搜索任务分配与路径规划方法 | |
| Wang et al. | Cooperative motion planning for persistent 3d visual coverage with multiple quadrotor uavs | |
| Xie et al. | Hybrid AI-based Dynamic Re-routing Method for Dense Low-Altitude Air Traffic Operations | |
| Fang et al. | Cooperative Driving of Connected Autonomous Vehicles in Heterogeneous Mixed Traffic: A Game Theoretic Approach | |
| Gorodetskiy et al. | Situational control of the group interaction of mobile robots | |
| Zhao et al. | A review of unmanned vehicle distribution optimization models and algorithms | |
| Forcina et al. | Safe design of flow management systems using rebeca | |
| Cao et al. | Optimal coverage path planning algorithm of the tractor-formation based on probabilistic roadmaps | |
| Wang et al. | Research on optimization of multi-AGV path based on genetic algorithm considering charge utilization |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210504 |