CN113031603A - 一种基于任务优先级的多物流机器人协同路径规划方法 - Google Patents
一种基于任务优先级的多物流机器人协同路径规划方法 Download PDFInfo
- Publication number
- CN113031603A CN113031603A CN202110242742.5A CN202110242742A CN113031603A CN 113031603 A CN113031603 A CN 113031603A CN 202110242742 A CN202110242742 A CN 202110242742A CN 113031603 A CN113031603 A CN 113031603A
- Authority
- CN
- China
- Prior art keywords
- task
- node
- agv
- priority
- current
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003068 static effect Effects 0.000 claims description 25
- 230000004888 barrier function Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000032683 aging Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization 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
- G05D1/0221—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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种基于任务优先级的多物流机器人协同路径规划方法包括如下步骤:步骤S1、输入仓库地图和物流任务列表;步骤S2、计算任务列表中每项任务的优先级:遍历任务列表,根据当前货物的时效等级及当前AGV的剩余电量,计算每项任务的优先级;步骤S3、按优先级降序排序生成有序任务列表,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,并输出所有任务路径。本发明采用改进CA*算法,在多机冲突时引入机器人原地等待行为,避免了优先级较低机器人的非必要绕路行为,能够在执行仓储系统物流任务时节省资源、提高效率。
Description
技术领域
本发明涉及移动机器人路径规划技术领域,特别涉及一种基于任务优先级的多物流机器人协同路径规划方法。
背景技术
智能物流作为工业4.0的三大核心之一,得到了广泛关注;电子商务的迅猛发展亦为仓储物流行业带来了前所未有的运单量和复杂度。为了提高工作效率,自动化仓库中开始使用多个物流机器人同时配送货物。在此过程中,需要合理的多机器人路径规划算法帮助仓库中多个移动机器人避免碰撞(包括机器人与环境障碍物的碰撞、移动机器人彼此间的碰撞),且以尽可能小的代价到达配送货物的目标位置。
A*(A-Star,一种静态路网中求解最短路径最有效的直接搜索方法)算法是一种经典的单机路径规划算法,它的核心思想在于指导机器人始终向代价函数最小的相邻可达节点移动。多机路径规划算法CA*继承了A*算法的代价函数,同时为了避免多移动机器人彼此间的碰撞,CA*算法引入了全局预留表,用于多机器人共享彼此计划路线的到达位置和占用时间,防止多个机器人同时占据同一个相邻可达节点。然而,CA*(Cooperative A*,是A*算法在多机器人路径规划中的一种拓展)算法的路径规划结果存在以下问题:
(1)CA*算法根据任务的预设顺序一次规划一条路线,预设顺序靠前的任务获得路径并优先写入全局预留表,其后所有任务路径都不能在预留的特定时间占据特定位置。因此算法对任务的输入顺序很敏感,不同的排序方法可以使寻路的结果大不相同,需要在不同应用场景下选择合理的优先级以获得良好的性能。
(2)CA*算法的冲突处理方式完全依赖于全局预留表,忽略了采取多机协同行为避让动态障碍物的可能,其代价函数亦忽略了多机器人路径规划相较于单机的特殊性,导致所得路径在代价上存在优化空间。
发明内容
本发明提供了一种基于任务优先级的多物流机器人协同路径规划方法,该方法基于AGV剩余电量和货物时效等级对任务进行优先级排序,为寻路机器人增加原地等待行为并改写CA*算法的代价函数,使多机器人系统获得更小总代价的路径。
为了达到上述目的,本发明提供的一种基于任务优先级的多物流机器人协同路径规划方法,包括如下步骤:
步骤S1、输入仓库地图和物流任务列表:仓库地图包括可行路径、位置节点及静态障碍物;物流任务列表包括所有任务的完整物流需求,具体包括各项任务中所运输货物的时效等级,完成该项任务的AGV及其起点、目标点及剩余电量;
步骤S2、计算物流任务列表中每项任务的优先级:遍历物流任务列表,根据当前货物的时效等级及当前AGV的剩余电量,计算每项任务的优先级;
步骤S3、按优先级降序排序生成有序任务列表,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,并输出所有任务路径:
所述改进CA*算法在CA*算法的基础上,考虑因其他AGV的动态障碍物暂时占用节点冲突时,引入AGV原地等待行为,以减小代价解决冲突;
所述CA*算法依赖于全局预留表,所述全局预留表用于多AGV共享彼此计划路线的到达位置和占用时间,避免多个AGV同时占据同一个相邻可达节点。
优选地,所述步骤S1中,所述仓库地图还包括仓库地图存储地图尺寸的信息。
优选地,还包括如下步骤:
步骤S4、对电量不达标的AGV进行更换,更新物流任务列表中该任务AGV及其起点、剩余电量,并更新优先级及任务路径。
优选地,所述步骤S2中计算优先级的方法具体为:
priorityj=k1*expressRankj+k2*MIN_powerLevel/powerLevelj
其中priorityj表示任务j的优先级;expressRanki是任务j的货物时效等级,expressRanki∈(0,1);powerLevelj表示任务j中AGV剩余电量占总电池容量的百分比,MIN_powerLevel表示AGV剩余电量占总电池容量百分比的最低标准,MIN_powerLevel/powerLevelj∈(0,1);k1和k2是权重参数。
优选地,所述步骤S3中,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,具体包括如下步骤:
步骤S31、寻路过程中,AGV从任务起点出发,根据全局预留表,遍历当前位置节点的相邻可达节点集;
步骤S32、根据当前位置节点的相邻可达节点集,始终按代价函数指导选择原地等待或向代价最小的相邻可达节点移动,直到到达任务终点;
步骤S33、单条路径规划完成,更新全局预留表,在全局预留表中使用(x,y,t)表示坐标(x,y)处节点在t时刻已被占用,且(x,y,t)指向实施占用的AGV序号。
优选地,所述步骤S31及所述步骤S32中的所述相邻可达节点集的获得方法具体包括如下步骤:
步骤S3121、遍历当前节点的所有相邻节点,判断相邻节点是否存在静态障碍物,将不存在静态障碍物的相邻节点放入当前节点的相邻无静态障碍节点集;
步骤S3122、遍历当前节点的相邻无静态障碍节点集:将相邻无静态障碍节点记为i,当前时刻记为t,检查(xi,yi,t+1)是否存在于全局预留表中:如果存在,说明下一时刻节点i处有动态障碍物,执行步骤S3123;否则执行步骤S3126;
步骤S3123、当前AGV在当前节点原地等待w次,直到(xi,yi,t+w)不再存在于全局预留表中,记录等待次数w;
步骤S3124、将当前节点记为n,检查(xn,yn,t+w+1)是否存在于全局预留表中:如果存在,执行步骤S3125,否则执行步骤S3126;
步骤S3125、检查(xi,yi,t+w)和(xn,yn,t+w+1)是否指向相同的AGV序号:如果是,说明存在某一优先级较高、路径已定的其它AGV,在t+w到t+w+1时间内正从节点i移动至当前节点,将与当前AGV相向行驶并交换位置,导致碰撞,因此放弃节点i,返回步骤S3122;如果不是,执行步骤S3126;
步骤S3126、将节点i写入当前节点的相邻可达节点集。
优选地,所述步骤S32中所述代价函数具体为:
CA*算法的代价函数为f(n)=g(n)+h(n),其中g(n)表示从起点到当前节点n的实际代价,h(n)表示从当前节点n到目标点的启发式估计代价,两点间的代价计算采用曼哈顿距离;
改进的CA*算法的代价函数为f(n)=g(n)+h(n)+hwait(n),其中,hwait(n)=k*v*w*Δt,hwait(n)表示在节点n处当前AGV为避免动态障碍物花费的等待代价;k为权重系数;v为当前AGV行驶速度;w为等待次数;Δt为单次等待时间。
本发明能够取得下列有益效果:
(1)给出货物时效等级相关的优先级计算公式,使时效等级较高的货物,如加急包裹、生鲜包裹等按权重系数获得相对较高的优先级,优先通过存在动态障碍的区域。
(2)给出AGV剩余电量相关的优先级计算公式,使剩余电量不充沛的AGV按权重系数获得相对较高的优先级,优先通过存在动态障碍的区域。
(3)改进CA*算法,在多机冲突时引入机器人原地等待行为,改写算法代价函数指导多机寻路,改进算法避免了冲突时优先级较低机器人的非必要绕路行为,优化了所规划路径,提高了仓储系统的物流效率。
附图说明
图1为本发明的一种基于任务优先级的多物流机器人协同路径规划方法的流程图;
图2为本发明的一种基于任务优先级的多物流机器人协同路径规划方法中的改进CA*算法寻路的流程图;
图3为本发明的一种基于任务优先级的多物流机器人协同路径规划方法的一较佳实施例中依据真实仓储环境使用Java搭建的仓库地图的示意图;
图4为本发明的一种基于任务优先级的多物流机器人协同路径规划方法的一较佳实施例中在任务规模为10的情况下,使用本发明所述方法进行多机器人协同路径规划的效果;
图5(a)为在不同任务规模的情况下,使用CA*算法和改进算法进行多机器人协同路径规划的机器人总行驶步数对比图;
图5(b)为在不同任务规模的情况下,使用CA*算法和改进算法进行多机器人协同路径规划的平均任务完成时间对比图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的问题,提供了一种基于任务优先级的多物流机器人协同路径规划方法,如图1所示,本发明的一种基于任务优先级的多物流机器人协同路径规划方法包括如下步骤:
步骤S1、输入仓库地图和物流任务列表:仓库地图包括可行路径、位置节点、静态障碍物(如墙壁、货架、充电桩)及仓库地图存储地图尺寸的信息;物流任务列表包括所有任务的完整物流需求,具体包括各项任务中所运输货物的时效等级,完成该项任务的AGV(Automated Guided Vehicle,自动导引车)及其起点、目标点及剩余电量;
步骤S2、计算物流任务列表中每项任务的优先级:遍历物流任务列表,根据当前货物的时效等级及当前AGV的剩余电量,计算每项任务的优先级;
步骤S3、按优先级降序排序生成有序任务列表,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,并输出所有任务路径:
所述改进CA*算法在CA*算法的基础上,考虑因其他AGV的动态障碍物暂时占用节点冲突时,引入AGV原地等待行为,以减小代价解决冲突;
所述CA*算法依赖于全局预留表,所述全局预留表用于多AGV共享彼此计划路线的到达位置和占用时间,避免多个AGV同时占据同一个相邻可达节点;
步骤S4、对电量不达标的AGV进行更换,更新物流任务列表中该任务AGV及其起点、剩余电量:
遍历任务列表,检查列表中执行每项任务的AGV剩余电量是否达到最低标准。如果是,执行步骤S2,否则,将原AGV更换为新的空闲AGV,更新列表中该项任务AGV及其起点、剩余电量,并更新优先级及任务路径。
所述步骤S2中计算优先级的方法具体为:
priorityj=k1*expressRankj+k2*MIN_powerLevel/powerLevelj
其中priorityj表示任务j的优先级;expressRanki是任务j的货物时效等级,expressRanki∈(0,1);powerLevelj表示任务j中AGV剩余电量占总电池容量的百分比,MIN_powerLevel表示AGV剩余电量占总电池容量百分比的最低标准,MIN_powerLevel/powerLevelj∈(0,1);k1和k2是权重参数。
所述步骤S3中,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,具体包括如下步骤:
步骤S31、寻路过程中,AGV从任务起点出发,根据全局预留表,遍历当前位置节点的相邻可达节点集;
步骤S32、根据当前位置节点的相邻可达节点集,始终按代价函数指导选择原地等待或向代价最小的相邻可达节点移动,直到到达任务终点;
步骤S33、单条路径规划完成,更新全局预留表,在全局预留表中使用(x,y,t)表示坐标(x,y)处节点在t时刻已被占用,且(x,y,t)指向实施占用的AGV序号。
所述步骤S31及所述步骤S32中的所述相邻可达节点集的获得方法具体包括如下步骤:
步骤S3121、遍历当前节点的所有相邻节点,判断相邻节点是否存在静态障碍物,将不存在静态障碍物的相邻节点放入当前节点的相邻无静态障碍节点集;
步骤S3122、遍历当前节点的相邻无静态障碍节点集:将相邻无静态障碍节点记为i,当前时刻记为t,检查(xi,yi,t+1)是否存在于全局预留表中:如果存在,说明下一时刻节点i处有动态障碍物,执行步骤S3123;否则执行步骤S3126;
步骤S3123、当前AGV在当前节点原地等待w次,直到(xi,yi,t+w)不再存在于全局预留表中,记录等待次数w;
步骤S3124、将当前节点记为n,检查(xn,yn,t+w+1)是否存在于全局预留表中:如果存在,执行步骤S3125,否则执行步骤S3126;
步骤S3125、检查(xi,yi,t+w)和(xn,yn,t+w+1)是否指向相同的AGV序号:如果是,说明存在某一优先级较高、路径已定的其它AGV,在t+w到t+w+1时间内正从节点i移动至当前节点,将与当前AGV相向行驶并交换位置,导致碰撞,因此放弃节点i,返回步骤S3122;如果不是,执行步骤S3126;
步骤S3126、将节点i写入当前节点的相邻可达节点集。
所述步骤S32中所述代价函数具体为:
CA*算法的代价函数为f(n)=g(n)+h(n),其中g(n)表示从起点到当前节点n的实际代价,h(n)表示从当前节点n到目标点的启发式估计代价,两点间的代价计算采用曼哈顿距离;
改进的CA*算法的代价函数为f(n)=g(n)+h(n)+hwait(n),其中,hwait(n)=k*v*w*Δt,hwait(n)表示在节点n处当前AGV为避免动态障碍物花费的等待代价;k为权重系数;v为当前AGV行驶速度;w为等待次数;Δt为单次等待时间。
在本发明的一较佳实施例中,本发明的一种基于任务优先级的多机器人协同路径规划方法,应用于面向仓储物流场景,具体包括以下几个步骤:
步骤1:输入仓库地图和物流任务列表。本实例仓库地图如图3所示.其中,仓库地图存储地图尺寸和环境中静态障碍物(如墙壁、货架2、充电桩1、工作台3)的信息;任务列表存储仓储系统中所有任务的完整物流需求,具体包括该项任务中所运输货物的时效等级,完成该项任务的AGV及其起点、目标点及剩余电量。
步骤2:遍历物流任务列表,检查物流任务列表中执行每项任务的AGV剩余电量是否达到最低标准,如果是,执行步骤4,否则执行步骤3。
步骤3:将原AGV更换为新的空闲AGV,更新物流任务列表中该项任务AGV及其起点、剩余电量。
步骤:4:遍历物流任务列表,计算物流任务列表中每项任务的优先级。
所述优先级主要考虑以下两个方面:当前货物的时效等级;当前AGV的剩余电量。对于此计算,这里定义为:
priorityj=k1*expressRankj+k2*MIN_powerLevel/powerLevelj (1)
其中priorityj表示任务j的优先级;expressRanki是任务j的货物时效等级,expressRanki∈(0,1);powerLevelj表示任务j中AGV剩余电量占总电池容量的百分比,MIN_powerLevel表示AGV剩余电量占总电池容量百分比的最低标准,MIN_powerLevel/powerLevelj∈(0,1);k1和k2是权重参数。本实例中expressRankj∈{0.2,0.4,0.6,0.8};MIN_powerLevel设为15%,本实例中k1设为0.3,k2设为0.7。
步骤5:根据步骤4所得优先级,对物流任务列表中的所有任务按优先级降序排列,生成有序任务列表。
步骤6:使用改进CA*算法访问有序任务列表中最靠前的未规划任务。改进CA*算法的寻路流程如图2所示。
步骤7:将最靠前的任务起点设为第一个的当前节点。
步骤8:遍历当前节点的所有相邻节点,判断相邻节点是否存在静态障碍物,将不存在静态障碍物的相邻节点放入当前节点的相邻无静态障碍节点集。
步骤9:遍历当前节点的相邻无静态障碍节点集。将相邻无静态障碍节点记为i,当前时刻记为t,检查(xi,yi,t+1)是否存在于全局预留表中。如果存在,说明下一时刻节点i处有动态障碍物,执行步骤10;否则执行步骤13。
步骤10:当前机器人在当前节点原地等待w次,每次等待单位时间,直到(xi,yi,t+w)不再存在于全局预留表中,记录等待次数w。
步骤11:将当前节点记为n,检查(xn,yn,t+w+1)是否存在于全局预留表中。如果存在,执行步骤12,否则执行步骤13。
步骤12:检查(xi,yi,t+w)和(xn,yn,t+w+1)是否指向相同的机器人序号。如果是,说明存在某一优先级较高、路径已定的其它机器人,在t+w到t+w+1时间内正从节点i移动至当前节点,将与当前机器人相向行驶并交换位置,导致碰撞,因此放弃节点i,返回步骤9。如果不是,执行步骤13。
步骤13:将节点i写入当前节点的相邻可达节点集。
步骤14:遍历当前节点的相邻可达节点集,计算相邻可达节点的代价函数,将代价函数值最小的相邻可达节点设为当前节点。
所述代价函数定义如下:
CA*算法的代价函数为f(n)=g(n)+h(n),其中g(n)表示从起点到当前节点n的实际代价,h(n)表示从当前节点n到目标点的启发式估计代价,两点间的代价计算采用曼哈顿距离。改进CA*算法的原地等待行为会相应地增加启发式估计代价值,故代价函数函数定义为:
f(n)=g(n)+h(n)+hwait(n) (2)
hwait(n)=k*v*w*Δt (3)
其中,hwait(n)表示在节点n处当前AGV为避免动态障碍物花费的等待代价;v为当前AGV行驶速度;w为等待次数;Δt为单次等待时间;k为权重系数。本实例中,k设为0.5;v取1步长/s;Δt取1s。
步骤15:判断当前节点是否为目标点。如果不是,返回步骤8,否则执行步骤16。
步骤16:记录当前任务的路径,更新全局保留表。
步骤17:判断当前任务是否为任务列表中最后一项。如果不是,返回步骤6,否则执行步骤18。
步骤18:输出所有任务路径。
图4为在任务规模为10的情况下,采用本发明所述方法进行多机器人协同路径规划的效果。如图4所示,排序为4的任务和排序为10的任务在第5s时需要占据同一单元格,此时优先级较高的任务4优先占据冲突单元格,保证高优先级机器人先行;优先级较低任务10原地等待,至但单元格空闲后覆盖该位置。
选取不同任务规模,在每个任务规模下输入随机且完全一致的任务列表,分别使用CA*算法和改进算法进行多机器人协同路径规划,实验结果如图5(a)和5(b)所示,可以看到随着任务的增加,任务列表中所有机器人总行驶步数和平均任务完成时间均有所增加,但是采用改进算法的机器人总行驶步数和平均任务完成时间均小于CA*算法,体现出改进算法的有效性与稳定性。
本发明能够取得下列有益效果:
(1)给出货物时效等级相关的优先级计算公式,使时效等级较高的货物,如加急包裹、生鲜包裹等按权重系数获得相对较高的优先级,优先通过存在动态障碍的区域。
(2)给出AGV剩余电量相关的优先级计算公式,使剩余电量不充沛的AGV按权重系数获得相对较高的优先级,优先通过存在动态障碍的区域。
(3)改进CA*算法,在多机冲突时引入机器人原地等待行为,改写算法代价函数指导多机寻路,改进算法避免了冲突时优先级较低机器人的非必要绕路行为,优化了所规划路径,提高了仓储系统的物流效率。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,包括如下步骤:
步骤S1、输入仓库地图和物流任务列表:仓库地图包括可行路径、位置节点及静态障碍物;物流任务列表包括所有任务的完整物流需求,具体包括各项任务中所运输货物的时效等级,完成该项任务的AGV及其起点、目标点及剩余电量;
步骤S2、计算物流任务列表中每项任务的优先级:遍历物流任务列表,根据当前货物的时效等级及当前AGV的剩余电量,计算每项任务的优先级;
步骤S3、按优先级降序排序生成有序任务列表,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,并输出所有任务路径:
所述改进CA*算法在CA*算法的基础上,考虑因其他AGV的动态障碍物暂时占用节点冲突时,引入AGV原地等待行为,以减小代价解决冲突;
所述CA*算法依赖于全局预留表,所述全局预留表用于多AGV共享彼此计划路线的到达位置和占用时间,避免多个AGV同时占据同一个相邻可达节点。
2.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S1中,所述仓库地图还包括仓库地图存储地图尺寸的信息。
3.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,还包括如下步骤:
步骤S4、对电量不达标的AGV进行更换,更新物流任务列表中该任务AGV及其起点、剩余电量,并更新优先级及任务路径。
4.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S2中计算优先级的方法具体为:
priorityj=k1*expressRankj+k2*MIN_powerLevel/powerLevelj
其中priorityj表示任务j的优先级;expressRanki是任务j的货物时效等级,expressRanki∈(0,1);powerLevelj表示任务j中AGV剩余电量占总电池容量的百分比,MIN_powerLevel表示AGV剩余电量占总电池容量百分比的最低标准,MIN_powerLevel/powerLevelj∈(0,1);k1和k2是权重参数。
5.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S3中,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,具体包括如下步骤:
步骤S31、寻路过程中,AGV从任务起点出发,根据全局预留表,遍历当前位置节点的相邻可达节点集;
步骤S32、根据当前位置节点的相邻可达节点集,始终按代价函数指导选择原地等待或向代价最小的相邻可达节点移动,直到到达任务终点;
步骤S33、单条路径规划完成,更新全局预留表,在全局预留表中使用(x,y,t)表示坐标(x,y)处节点在t时刻已被占用,且(x,y,t)指向实施占用的AGV序号。
6.根据权利要求5所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S31及所述步骤S32中的所述相邻可达节点集的获得方法具体包括如下步骤:
步骤S3121、遍历当前节点的所有相邻节点,判断相邻节点是否存在静态障碍物,将不存在静态障碍物的相邻节点放入当前节点的相邻无静态障碍节点集;
步骤S3122、遍历当前节点的相邻无静态障碍节点集:将相邻无静态障碍节点记为i,当前时刻记为t,检查(xi,yi,t+1)是否存在于全局预留表中:如果存在,说明下一时刻节点i处有动态障碍物,执行步骤S3123;否则执行步骤S3126;
步骤S3123、当前AGV在当前节点原地等待w次,直到(xi,yi,t+w)不再存在于全局预留表中,记录等待次数w;
步骤S3124、将当前节点记为n,检查(xn,yn,t+w+1)是否存在于全局预留表中:如果存在,执行步骤S3125,否则执行步骤S3126;
步骤S3125、检查(xi,yi,t+w)和(xn,yn,t+w+1)是否指向相同的AGV序号:如果是,说明存在某一优先级较高、路径已定的其它AGV,在t+w到t+w+1时间内正从节点i移动至当前节点n,将与当前AGV相向行驶并交换位置,导致碰撞,因此放弃节点i,返回步骤S3122;如果不是,执行步骤S3126;
步骤S3126、将节点i写入当前节点的相邻可达节点集。
7.根据权利要求5所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S32中所述代价函数具体为:
CA*算法的代价函数为f(n)=g(n)+h(n),其中g(n)表示从起点到当前节点n的实际代价,h(n)表示从当前节点n到目标点的启发式估计代价,两点间的代价计算采用曼哈顿距离;
改进的CA*算法的代价函数为f(n)=g(n)+h(n)+hwait(n),其中,hwait(n)=k*v*w*Δt,hwait(n)表示在节点n处当前AGV为避免动态障碍物花费的等待代价;k为权重系数;v为当前AGV行驶速度;w为等待次数;Δt为单次等待时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110242742.5A CN113031603B (zh) | 2021-03-05 | 2021-03-05 | 一种基于任务优先级的多物流机器人协同路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110242742.5A CN113031603B (zh) | 2021-03-05 | 2021-03-05 | 一种基于任务优先级的多物流机器人协同路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113031603A true CN113031603A (zh) | 2021-06-25 |
CN113031603B CN113031603B (zh) | 2022-04-01 |
Family
ID=76467713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110242742.5A Active CN113031603B (zh) | 2021-03-05 | 2021-03-05 | 一种基于任务优先级的多物流机器人协同路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113031603B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633219A (zh) * | 2021-07-23 | 2021-11-12 | 美智纵横科技有限责任公司 | 回充路径确定方法、装置、设备及计算机可读存储介质 |
CN113743747A (zh) * | 2021-08-17 | 2021-12-03 | 广州工业智能研究院 | 一种车间环境下的多agv协同调度方法及装置 |
CN113961006A (zh) * | 2021-10-20 | 2022-01-21 | 上海擎朗智能科技有限公司 | 一种机器人补位的方法、装置、电子设备及存储介质 |
CN114063612A (zh) * | 2021-10-20 | 2022-02-18 | 深圳市优必选科技股份有限公司 | 一种路径规划方法、路径规划装置及电子设备 |
CN114077254A (zh) * | 2021-11-18 | 2022-02-22 | 合肥工业大学 | 一种agv路径冲突处理方法 |
CN114326713A (zh) * | 2021-12-06 | 2022-04-12 | 重庆邮电大学 | 基于二维码导航的多agv移动机器人路径优化方法 |
CN114384908A (zh) * | 2021-12-16 | 2022-04-22 | 杭州申昊科技股份有限公司 | 一种用于轨道机器人的智能导航路径规划系统及方法 |
CN114655038A (zh) * | 2022-04-13 | 2022-06-24 | 益模(重庆)智能制造研究院有限公司 | 基于荷电状态的导引车运行调度方法 |
CN114723154A (zh) * | 2022-04-18 | 2022-07-08 | 淮阴工学院 | 一种智慧超市 |
CN114895690A (zh) * | 2022-06-28 | 2022-08-12 | 济南大学 | 基于动态加权及热力图算法的机器人路径规划方法及系统 |
CN115170004A (zh) * | 2022-09-08 | 2022-10-11 | 江西省智能产业技术创新研究院 | 多系统混合调度方法、系统、计算机及可读存储介质 |
EP4141599A1 (en) * | 2021-08-30 | 2023-03-01 | Rapyuta Robotics Co., Ltd. | Multi-robot route planning |
CN115759492A (zh) * | 2022-10-25 | 2023-03-07 | 四川业亿辰科技有限公司 | 一种基于卷积神经网络算法的仓储管理方法及系统 |
CN116542413A (zh) * | 2023-04-28 | 2023-08-04 | 北京大数据先进技术研究院 | 基于时间坐标的任务处理方法、装置、设备及存储介质 |
CN116562481A (zh) * | 2023-04-06 | 2023-08-08 | 江苏智慧工场技术研究院有限公司 | Agv多目标点自主导航方法、系统、终端及存储介质 |
CN116972856A (zh) * | 2023-09-25 | 2023-10-31 | 中科开创(广州)智能科技发展有限公司 | 导轨移动式共享充电机器人路径规划方法、装置、设备及介质 |
CN114723154B (zh) * | 2022-04-18 | 2024-05-28 | 淮阴工学院 | 一种智慧超市 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647734A (zh) * | 2016-10-12 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 自动导引车、路径规划方法与装置 |
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 |
CN109829636A (zh) * | 2019-01-22 | 2019-05-31 | 中国人民解放军国防科技大学 | 基于动态优先级的应急任务调度规划方法 |
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 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
WO2019234702A2 (en) * | 2018-06-08 | 2019-12-12 | Tata Consultancy Services Limited | Actor model based architecture for multi robot systems and optimized task scheduling method thereof |
CN111874764A (zh) * | 2020-09-28 | 2020-11-03 | 上海木承智能医疗科技有限公司 | 一种机器人的调度方法、服务器和存储介质 |
US20210020052A1 (en) * | 2018-03-19 | 2021-01-21 | Honda Motor Co., Ltd. | Moving body and method for controlling same, and method for determining priority |
CN112418773A (zh) * | 2020-04-17 | 2021-02-26 | 蔡敏 | 基于多无人机协同的物流配送方法及系统 |
-
2021
- 2021-03-05 CN CN202110242742.5A patent/CN113031603B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647734A (zh) * | 2016-10-12 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 自动导引车、路径规划方法与装置 |
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 |
US20210020052A1 (en) * | 2018-03-19 | 2021-01-21 | Honda Motor Co., Ltd. | Moving body and method for controlling same, and method for determining priority |
WO2019234702A2 (en) * | 2018-06-08 | 2019-12-12 | Tata Consultancy Services Limited | Actor model based architecture for multi robot systems and optimized task scheduling method thereof |
CN109829636A (zh) * | 2019-01-22 | 2019-05-31 | 中国人民解放军国防科技大学 | 基于动态优先级的应急任务调度规划方法 |
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 |
CN110442125A (zh) * | 2019-07-15 | 2019-11-12 | 电子科技大学 | 一种移动机器人的动态路径规划方法 |
CN110530369A (zh) * | 2019-08-22 | 2019-12-03 | 北京交通大学 | 基于时间窗的agv任务调度方法 |
CN112418773A (zh) * | 2020-04-17 | 2021-02-26 | 蔡敏 | 基于多无人机协同的物流配送方法及系统 |
CN111874764A (zh) * | 2020-09-28 | 2020-11-03 | 上海木承智能医疗科技有限公司 | 一种机器人的调度方法、服务器和存储介质 |
Non-Patent Citations (8)
Title |
---|
THOMAS BECKER等: "Evaluating Dynamic Task Scheduling with Priorities and Adaptive Aging in a Task-Based Runtime System", 《ARCHITECTURE OF COMPUTING SYSTEMS - ARCS 2020. 33RD INTERNATIONAL CONFERENCE》 * |
刘一鸣: "多AGV路径规划中冲突算法设计与仿真系统实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
李国等: "一种面向机场货站的WSN拥塞控制调度方法", 《小型微型计算机系统》 * |
沈博闻等: "仓储物流机器人集群的智能调度和路径规划", 《智能系统学报》 * |
王子意: "多AGV系统的路径规划与调度算法的研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
缪志强: "自主移动机器人运动控制与协调方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
董朝瑞等: "基于改进A~*算法的多机器人动态路径规划", 《高技术通讯》 * |
蒋禧等: "能量优先的无线传感器网络拥塞缓解机制", 《计算机工程与设计》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633219A (zh) * | 2021-07-23 | 2021-11-12 | 美智纵横科技有限责任公司 | 回充路径确定方法、装置、设备及计算机可读存储介质 |
CN113743747A (zh) * | 2021-08-17 | 2021-12-03 | 广州工业智能研究院 | 一种车间环境下的多agv协同调度方法及装置 |
CN113743747B (zh) * | 2021-08-17 | 2024-02-06 | 广州工业智能研究院 | 一种车间环境下的多agv协同调度方法及装置 |
EP4141599A1 (en) * | 2021-08-30 | 2023-03-01 | Rapyuta Robotics Co., Ltd. | Multi-robot route planning |
CN113961006A (zh) * | 2021-10-20 | 2022-01-21 | 上海擎朗智能科技有限公司 | 一种机器人补位的方法、装置、电子设备及存储介质 |
CN114063612A (zh) * | 2021-10-20 | 2022-02-18 | 深圳市优必选科技股份有限公司 | 一种路径规划方法、路径规划装置及电子设备 |
CN113961006B (zh) * | 2021-10-20 | 2023-02-03 | 上海擎朗智能科技有限公司 | 一种机器人补位的方法、装置、电子设备及存储介质 |
CN114077254B (zh) * | 2021-11-18 | 2022-09-13 | 合肥工业大学 | 一种agv路径冲突处理方法 |
CN114077254A (zh) * | 2021-11-18 | 2022-02-22 | 合肥工业大学 | 一种agv路径冲突处理方法 |
CN114326713A (zh) * | 2021-12-06 | 2022-04-12 | 重庆邮电大学 | 基于二维码导航的多agv移动机器人路径优化方法 |
CN114384908A (zh) * | 2021-12-16 | 2022-04-22 | 杭州申昊科技股份有限公司 | 一种用于轨道机器人的智能导航路径规划系统及方法 |
CN114384908B (zh) * | 2021-12-16 | 2023-07-11 | 杭州申昊科技股份有限公司 | 一种用于轨道机器人的智能导航路径规划系统及方法 |
CN114655038A (zh) * | 2022-04-13 | 2022-06-24 | 益模(重庆)智能制造研究院有限公司 | 基于荷电状态的导引车运行调度方法 |
CN114655038B (zh) * | 2022-04-13 | 2023-08-29 | 益模(重庆)智能制造研究院有限公司 | 基于荷电状态的导引车运行调度方法 |
CN114723154A (zh) * | 2022-04-18 | 2022-07-08 | 淮阴工学院 | 一种智慧超市 |
CN114723154B (zh) * | 2022-04-18 | 2024-05-28 | 淮阴工学院 | 一种智慧超市 |
CN114895690A (zh) * | 2022-06-28 | 2022-08-12 | 济南大学 | 基于动态加权及热力图算法的机器人路径规划方法及系统 |
CN114895690B (zh) * | 2022-06-28 | 2024-05-03 | 济南大学 | 基于动态加权及热力图算法的机器人路径规划方法及系统 |
CN115170004A (zh) * | 2022-09-08 | 2022-10-11 | 江西省智能产业技术创新研究院 | 多系统混合调度方法、系统、计算机及可读存储介质 |
CN115759492B (zh) * | 2022-10-25 | 2024-03-26 | 四川业亿辰科技有限公司 | 一种基于卷积神经网络算法的仓储管理方法及系统 |
CN115759492A (zh) * | 2022-10-25 | 2023-03-07 | 四川业亿辰科技有限公司 | 一种基于卷积神经网络算法的仓储管理方法及系统 |
CN116562481B (zh) * | 2023-04-06 | 2023-12-15 | 江苏智慧工场技术研究院有限公司 | Agv多目标点自主导航方法、系统、终端及存储介质 |
CN116562481A (zh) * | 2023-04-06 | 2023-08-08 | 江苏智慧工场技术研究院有限公司 | Agv多目标点自主导航方法、系统、终端及存储介质 |
CN116542413B (zh) * | 2023-04-28 | 2024-04-16 | 北京大数据先进技术研究院 | 基于时间坐标的任务处理方法、装置、设备及存储介质 |
CN116542413A (zh) * | 2023-04-28 | 2023-08-04 | 北京大数据先进技术研究院 | 基于时间坐标的任务处理方法、装置、设备及存储介质 |
CN116972856B (zh) * | 2023-09-25 | 2024-01-30 | 中科开创(广州)智能科技发展有限公司 | 导轨移动式共享充电机器人路径规划方法、装置、设备及介质 |
CN116972856A (zh) * | 2023-09-25 | 2023-10-31 | 中科开创(广州)智能科技发展有限公司 | 导轨移动式共享充电机器人路径规划方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113031603B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113031603B (zh) | 一种基于任务优先级的多物流机器人协同路径规划方法 | |
JP2022082419A (ja) | 動作環境におけるルートプランを最適化するためのシステム及び方法 | |
CN111026128B (zh) | 一种多激光agv的避让方法 | |
Liu et al. | Prediction, planning, and coordination of thousand-warehousing-robot networks with motion and communication uncertainties | |
CN115237135A (zh) | 一种基于冲突的移动机器人路径规划方法及系统 | |
CN109269518B (zh) | 一种基于智能体的可移动装置有限空间路径生成方法 | |
CN113075927A (zh) | 基于预约表的仓储潜伏式多agv路径规划方法 | |
CN115097843A (zh) | 基于动态优先级快递分拨中心的多agv路径规划方法及装置 | |
CN116414139B (zh) | 基于A-Star算法的移动机器人复杂路径规划方法 | |
US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
Riman et al. | A Priority-based Modified A∗ Path Planning Algorithm for Multi-Mobile Robot Navigation | |
CN116184996A (zh) | 多机器人路径规划方法及装置 | |
Gilboa et al. | Distributed navigation in an unknown physical environment | |
Fan et al. | Research and implementation of multi-robot path planning based on genetic algorithm | |
Haiming et al. | Algorithm of path planning based on time window for multiple mobile robots in warehousing system | |
Chen et al. | Path Planning Considering Time-Varying and Uncertain Movement Speed in Multi-Robot Automatic Warehouses: Problem Formulation and Algorithm | |
CN113960969A (zh) | 一种基于大数据的物流仓储的调度方法及系统 | |
Zhang et al. | Multi-AGVs pathfinding based on improved jump point search in logistic center | |
Fang et al. | Research on Multi-AGV Autonomous Obstacle Avoidance Strategy Based on Improved A* Algorithm | |
Li | Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems | |
Chang et al. | Control strategy of RGV operation blockage and deadlock in plane mobile stereo garage | |
Guo et al. | Warehouse AGV path planning based on Improved A* algorithm | |
Feng et al. | A Conflict-Reducing Path Planning Algorithm in Automated Warehouses | |
CN114281087B (zh) | 基于终身规划a*和速度障碍法的路径规划方法 | |
CN113467473B (zh) | 一种基于自主移动机器人的物料存储方法及装置 |
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 |