CN113341905A - 基于人工智能的多agv小车协同规划方法及系统 - Google Patents

基于人工智能的多agv小车协同规划方法及系统 Download PDF

Info

Publication number
CN113341905A
CN113341905A CN202110905365.9A CN202110905365A CN113341905A CN 113341905 A CN113341905 A CN 113341905A CN 202110905365 A CN202110905365 A CN 202110905365A CN 113341905 A CN113341905 A CN 113341905A
Authority
CN
China
Prior art keywords
agv
goods
points
trolley
trolleys
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
CN202110905365.9A
Other languages
English (en)
Other versions
CN113341905B (zh
Inventor
李栓柱
郭东进
赵彦燕
袁绪彬
王川
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.)
Shandong Huali Electromechanical Co Ltd
Original Assignee
Shandong Huali Electromechanical 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 Shandong Huali Electromechanical Co Ltd filed Critical Shandong Huali Electromechanical Co Ltd
Priority to CN202110905365.9A priority Critical patent/CN113341905B/zh
Publication of CN113341905A publication Critical patent/CN113341905A/zh
Application granted granted Critical
Publication of CN113341905B publication Critical patent/CN113341905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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], 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], 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], computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • 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

Abstract

本发明提供了一种基于人工智能的多AGV小车协同规划方法及系统，该方法包括：对AGV小车进行路径规划获取各AGV小车的行驶路线，在各AGV小车行驶路线的交点中选择货物放置点；在装货点装载目标货物和与目标货物目的地不同的其他货物的AGV小车为协同AGV小车，协同AGV小车将其他货物放置在相应的货物放置点后，完成目标货物的运送；对于货物放置点处的其他货物，基于其他协同AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，完成其他货物的运送。本发明充分利用单个AGV小车上剩余的货物装载空间，提高AGV小车上货物装载空间的利用率，避免AGV小车的低效工作，同时对多AGV小车进行协同规划。

Description

基于人工智能的多AGV小车协同规划方法及系统
技术领域
本发明涉及多AGV协同规划领域，具体为一种基于人工智能的多AGV小车协同规划方法及系统。
背景技术
目前对于工厂车间货物运输的多AGV小车协同规划，主要是多车之间的路径规划，其目的是防止AGV小车之间的碰撞问题，但是，对于货物之间的合理分配运输以及多AGV之间如何进行货物的合理运输，实现单车利用率最大化、能耗最小化以及多车工作效率最大化是目前需要解决的一个问题。
发明内容
为了解决上述问题，本发明提出一种基于人工智能的多AGV小车协同规划方法，该方法包括：
对AGV小车进行路径规划获取各AGV小车的行驶路线，在各AGV小车行驶路线的交点中选择若干货物放置点；
在装货点装载目标货物和与目标货物目的地不同的其他货物的AGV小车为协同AGV小车，协同AGV小车将其他货物放置在相应的货物放置点后，完成目标货物的运送；
对于货物放置点处的其他货物，基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，完成其他货物的运送。
进一步地，所述若干货物放置点的选择方法为：
对于每个行驶路线交点，根据经过该行驶路线交点的AGV小车的数量、该行驶路线交点与各个运送目的地间的距离对该行驶路线交点进行评分，基于各行驶路线交点的评分进行所述若干货物放置点的选择。
进一步地，所述协同AGV小车将其他货物放置在相应的货物放置点，具体为：
对于协同AGV小车上目的地为i的其他货物Mi，获取可放置其他货物Mi的货物放置点集合，所述可放置其他货物Mi的货物放置点为有目的地为i的协同AGV小车经过的货物放置点；
对于货物放置点集合中的每个货物放置点，获取经过该货物放置点的目的地为i的其他协同AGV小车集合，根据协同AGV小车和其他协同AGV小车集合中其他协同AGV小车到达该货物放置点的时间冲突情况对该货物放置点进行优先度评价；
基于货物放置点集合中每个货物放置点的优先度评价值确定其他货物Mi的货物放置点。
进一步地，对货物放置点进行优先度评价前，需要对其他协同AGV小车集合进行小车剔除：根据其他协同AGV小车集合中每辆其他协同AGV小车的实时承载量、从货物放置点到目的地
Figure DEST_PATH_IMAGE001
所需时间及转弯次数计算小车合适度，进而进行小车剔除。
进一步地，所述基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，具体为：对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择顺路运送其他货物Mj的最佳其他协同AGV小车。
进一步地，所述基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，具体为：对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择多辆可顺路运送其他货物Mj的其他协同AGV小车，构成顺路小车集合，根据顺路小车集合中其他协同AGV小车在货物放置点装载其他货物Mj的过程繁琐度在顺路小车集合中选择最佳其他协同AGV小车。
进一步地，基于其他协同AGV小车在货物放置点装载其他货物Mj时位姿需要调整的幅度获取所述过程繁琐度。
本发明还提出一种基于人工智能的多AGV小车协同规划系统，该系统包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于人工智能的多AGV小车协同规划方法的步骤。
本发明的有益效果在于：
1.本发明对货物的运送过程进行合理分配，充分利用单个AGV小车上剩余的货物装载空间，提高了AGV小车上货物装载空间的利用率，避免AGV小车的低效工作，同时对多AGV小车进行协同规划，进一步提高多AGV小车的协同工作效率。
2.本发明中基于优先度评价模型获取协同AGV小车上装载的其他货物对应的货物放置点，其目的在于保证各协同AGV小车不会产生冲突相互影响，确保每辆AGV小车的工作效率。
3.本发明在选取装载货物放置点其他货物的最佳其他协同AGV小车时，考虑了其他协同AGV小车的实时承载量、运送时间、运送过程中的转弯次数以及协同AGV小车到达货物放置点装载其他货物时位姿需要调整的幅度，基于上述因素，本发明可找到最适合装载其他货物的协同AGV小车。
具体实施方式
为了让本领域技术人员更好的理解本发明，下面结合实施例对本发明进行详细描述。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
本发明的目的是通过多个AGV小车进行货物的协同运送工作，同时提高多车之间协同工作效率，具体地，本发明将在各AGV小车的行驶运输过程中设置多个货物放置点，以便其他AGV小车途经货物放置点时，能够在保证按照自身初始路径行驶的基础上将货物放置点处与其目的地相同的货物运输到对应目的地，提高AGV小车整体系统的工作效率。
实施例一：
以大型厂房或仓库内部的多辆AGV小车为例，该实施例提供了一种基于人工智能的多AGV小车协同规划方法，具体地，该方法包括：
步骤S1，对AGV小车进行路径规划获取各AGV小车的行驶路线，在各AGV小车行驶路线的交点中选择若干货物放置点。
(a)对AGV小车进行路径规划获取各AGV小车的行驶路线：
获取厂房或仓库内部的空闲可行驶区域：在厂房或仓库内部安装多个摄像头以采集厂房或仓库内部图像数据，相邻摄像头的拍摄视角应存在重合区域，以便后续采用图像拼接与图像融合算法对所采集的图像进行图像拼接获取厂房或仓库内部的全景图像。对空闲可行驶区域进行检测，优选地，实施例中选用语义感知网络对全景图像进行分割，以感知全景图像中的空闲可行驶区域，制作语义感知网络的标签数据，即将全景图像中空闲可行驶区域的像素标注为1，其他区域像素标注为0；通过训练集中的全景图像数据以及标签数据对语义感知网络进行迭代训练，不断更新网络参数，以达到最佳分割效果。
基于空闲可行驶区域，利用路径规划算法对多AGV小车进行初始路径规划，以获取各AGV小车的最优行驶路线。实施者可选用遗传算法、贪心算法、蚁群算法、Dijkstra算法、D*算法等算法进行路径规划，优选地，实施例采用遗传算法对AGV小车的工作路径进行规划。
(b)在各AGV小车行驶路线的交点中选择若干货物放置点：
基于各AGV小车的行驶路线获取多个行驶路线交点，优选地，实施例中所述行驶路线交点为至少三个AGV小车行驶路线的交点，为避免货物放置点过多引起的AGV小车频繁停车，从而导致AGV小车工作效率下降等问题，本发明在各AGV小车行驶路线的交点中选择若干货物放置点，具体地，在行驶路线交点中选择若干货物放置点的方法为：
对于每个行驶路线交点，根据经过该行驶路线交点的AGV小车的数量、该行驶路线交点与各个运送目的地间的距离对该行驶路线交点进行评分，基于各行驶路线交点的评分进行所述若干货物放置点的选择，即评分大于预设评分阈值的行驶路线交点为货物放置点。具体地，对每个行驶路线交点进行评分的评分模型为：
Figure 950894DEST_PATH_IMAGE002
Score为行驶路线交点的评分；为了提高所选货物放置点的利用率，避免出现货物放置点处AGV小车车流量小的问题，评分模型中引入Q，Q为经过行驶路线交点的AGV小车的数量；为降低AGV小车的能耗，避免AGV小车在承载大量货物进行长时间运输的情况，评分模型中还引入di，di为行驶路线交点与运送目的地i之间的距离，i为各个目的地的编号，N为目的地的总数量，α、β为模型参数，优选地，实施例中α和β的值均为0.5。
步骤S2，在装货点装载目标货物和与目标货物目的地不同的其他货物的AGV小车为协同AGV小车，协同AGV小车将其他货物放置在相应的货物放置点后，完成目标货物的运送。
在装货点，若装载目标货物后AGV小车的承载量已达到AGV小车的最大承载量，则该AGV小车直接按照规划好的行驶路线将目标货物运送至相应的目的地；所述目标货物为人为或系统分配好的AGV小车要装载的货物；若装载目标货物后AGV小车的承载量未达到AGV小车的最大承载量，则在该AGV小车上装载与目标货物目的地不同的其他货物，直至AGV小车的承载量达到AGV小车的最大承载量；其中，其他货物的目的地可能相同，可能不同。
优选地，所述协同AGV小车将其他货物放置在相应的货物放置点，具体地，以协同AGV小车上目的地为i的其他货物Mi为例，说明如何确定协同AGV小车上其他货物的货物放置点：
对于协同AGV小车上目的地为i的其他货物Mi，获取可放置其他货物Mi的货物放置点集合，所述可放置其他货物Mi的货物放置点为有目的地为i的协同AGV小车经过的货物放置点。
对于货物放置点集合中的每个货物放置点，获取经过该货物放置点的目的地为i的其他协同AGV小车集合，根据协同AGV小车和其他协同AGV小车集合中其他协同AGV小车到达该货物放置点的时间冲突情况对该货物放置点进行优先度评价。
基于货物放置点集合中每个货物放置点的优先度评价值确定其他货物Mi的货物放置点；具体地，优先度评价模型为：
Figure 946663DEST_PATH_IMAGE003
Y为货物放置点的优先度评价值，Y值越大，说明其他货物Mi越适合卸载在该货物放置点；CTL为协同AGV小车和其他协同AGV小车集合中第L辆其他协同AGV小车到达该货物放置点的时间冲突等级，不计算协同AGV小车与仅装有目标货物的AGV小车之间的时间冲突等级的原因为，仅装有目标货物的AGV小车只是从货物放置点经过，不会在货物放置点停留等待，进而不会造成路况拥堵；R为其他协同AGV小车集合中其他协同AGV小车的个数。
两协同AGV小车间时间冲突等级的获取方法为：两协同AGV小车到达同一放置点的时间相差0到3分钟，则认为两车时间冲突等级CT为1；到达时间相差3到6分钟，对应时间冲突等级CT为2；到达时间相差6到10分钟，时间冲突等级CT为3；到达时间相差10分钟以上，则认为时间冲突等级CT为4。对应的时间冲突等级CT越低，则两协同AGV小车出现时间冲突的可能性越高，该放置点越不利于要放置其他货物的协同AGV小车放置该货物。
需要说明，对货物放置点进行优先度评价前，需要对其他协同AGV小车集合进行小车剔除：优选地，根据其他协同AGV小车集合中每辆其他协同AGV小车的实时承载量、从货物放置点到目的地
Figure 867345DEST_PATH_IMAGE001
所需时间及转弯次数计算小车合适度，进而进行小车剔除，即将合适度小于合适度阈值的协同AGV小车剔除。具体地，合适度分析模型为：
Figure 621411DEST_PATH_IMAGE004
H为其他协同AGV小车的合适度；GMAX、G分别为其他协同AGV小车集合中一辆其他协同AGV小车的最大承载量、实时承载量；T、W分别为其他协同AGV小车从货物放置点到目的地i所需时间、转弯次数。
在对货物放置点进行优先度评价前先对其他协同AGV小车集合进行小车剔除的原因为，其他协同AGV小车集合中有些其他协同AGV小车由于自身剩余承载量过小或运送时间过长等原因，不会在货物放置点停留，进而不会对协同AGV小车在放置点卸载其他货物产生影响，因此，在进行优先度评价时不考虑不在货物放置点进行停留的其他协同AGV小车。
需要注意，其他协同AGV小车集合是根据协同AGV小车的行驶情况实时变化的，因此，在协同AGV小车到达货物放置点前可得到多个其他协同AGV小车集合，基于多个其他协同AGV小车集合确定其他货物对应的最佳货物放置点即优先度评价值最大的货物放置点，寻找最佳货物放置点的过程相当于一个寻优的过程。
至此，可以得到协同AGV小车上不同目的地的其他货物对应的货物放置点；协同AGV小车将其他货物放置在相应的货物放置点后，完成目标货物的运送。
步骤S3，对于货物放置点处的其他货物，基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，完成其他货物的运送。
所述基于其他协同AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，具体地：
一种实施方式中，对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择顺路运送其他货物Mj的最佳其他协同AGV小车。
另一种实施方式中，对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择多辆可顺路运送其他货物Mj的其他协同AGV小车，构成顺路小车集合，具体地，其他协同AGV小车集合中小车合适度大于合适度阈值的其他协同AGV小车构成顺路小车集合，根据顺路小车集合中其他协同AGV小车在货物放置点装载其他货物Mj的过程繁琐度在顺路小车集合中选择最佳其他协同AGV小车。
优选地，基于其他协同AGV小车在货物放置点装载其他货物Mj时位姿需要调整的幅度获取所述过程繁琐度：
在每个货物放置点上方布置图像采集设备，以用于分析其他货物与其他协同AGV小车之间的位置关系，实施例中设定其他货物堆放成立方体，图像采集设备采集货物放置点处的其他货物以及周围其他协同AGV小车的信息，基于图像分析可拉载其他货物的其他协同AGV小车的行驶方向，计算其他协同AGV小车的行驶方向与距离其最近的货物边缘间的夹角θ，|θ-90º|的值越小，则其他协同AGV小车在货物放置点装载其他货物Mj时位姿需要调整的幅度越小，所述过程繁琐度值越小，即其他货物Mj的装载过程越顺畅，即其他协同AGV小车在货物放置点越容易将货物铲起，完成其他货物Mj的装载；反之，|θ-90º|的值越大，其他协同AGV小车装载其他货物Mj时位姿需要调整的幅度越大，所述过程繁琐度值越大，即其他货物Mj的装载过程越繁琐。
至此，每个货物放置点处的其他货物都有顺路的其他协同AGV小车进行装载运送。需要注意的是，装载有其他货物的协同AGV小车在将其他货物放置在货物放置点的行驶过程中，也可能是对一个或多个货物放置点处的其他货物进行顺路运送的其他协同AGV小车。
为了避免大程度的增加单个其他协同AGV小车的能耗，实现多AGV小车的协同配合，提高整体运送效率，本发明在其他协同AGV小车到达某个货物放置点对其他货物进行装载时，根据其他协同AGV小车的实时承载量和待装载的其他货物量对待装载的其他货物量进行货物量分配，具体地：
以其他货物Mj为例，其他货物Mj的货物量为A，按照上述方法可在时序上获取可运送其他货物Mj的最佳其他协同AGV小车集合，并为集合中的最佳其他协同AGV小车进行编号，获取最佳其他协同AGV小车集合中各最佳其他协同AGV小车的实时剩余可承载量，记为{A1,A2,…,Ar}，r为最佳其他协同AGV小车集合中最佳其他协同AGV小车的数量，为了避免AGV小车在转弯行驶过程中出现侧翻事故，实施例中设置，若A≤A1/2，则将该其他货物Mj全部放在编号为1的最佳其他协同AGV小车上；若A1/2＜A≤A1，则将其他货物Mj货物量的A1/2放在编号为1的最佳其他协同AGV小车上，剩余量A-(A1/2)与编号为2的最佳其他协同AGV小车的实时剩余可承载量进行对比，同样的，若A-(A1/2)≤A2/2，则将剩余货物量A-(A1/2)放在编号为2的最佳其他协同AGV小车上；若A2/2＜A-(A1/2)≤A2，则将剩余量中的A2/2放在编号为2的最佳其他协同AGV小车上，剩余货物量按照上述方法依次进行分配，以实现多AGV小车的协同配合。
综上所述，本发明基于上述步骤在厂房或仓库内部进行货物运送时，可实现对多AGV小车进行协同规划，以提高整体AGV小车的工作效率，同时对于单个AGV小车而言，降低能耗，减少小车故障风险，延长AGV小车的使用寿命。
实施例二：
基于与上述方法实施例相同的发明构思，该实施例提供了一种基于人工智能的多AGV小车协同规划系统，具体地，该系统包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现基于人工智能的多AGV小车协同规划方法的步骤。
关于系统实施例，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可；以上所述旨在让本领域技术人员更好的理解本发明，并不用于限制本发明，凡是在本发明精神和原则之内做出的修改与变动皆在本发明的保护范围内。

Claims (8)

1.一种基于人工智能的多AGV小车协同规划方法，其特征在于，该方法包括：
对AGV小车进行路径规划获取各AGV小车的行驶路线，在各AGV小车行驶路线的交点中选择若干货物放置点；
在装货点装载目标货物和与目标货物目的地不同的其他货物的AGV小车为协同AGV小车，协同AGV小车将其他货物放置在相应的货物放置点后，完成目标货物的运送；
对于货物放置点处的其他货物，基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，完成其他货物的运送。
2.如权利要求1所述的方法，其特征在于，所述若干货物放置点的选择方法为：
对于每个行驶路线交点，根据经过该行驶路线交点的AGV小车的数量、该行驶路线交点与各个运送目的地间的距离对该行驶路线交点进行评分，基于各行驶路线交点的评分进行所述若干货物放置点的选择。
3.如权利要求2所述的方法，其特征在于，所述协同AGV小车将其他货物放置在相应的货物放置点，具体为：
对于协同AGV小车上目的地为i的其他货物Mi，获取可放置其他货物Mi的货物放置点集合，所述可放置其他货物Mi的货物放置点为有目的地为i的协同AGV小车经过的货物放置点；
对于货物放置点集合中的每个货物放置点，获取经过该货物放置点的目的地为i的其他协同AGV小车集合，根据协同AGV小车和其他协同AGV小车集合中其他协同AGV小车到达该货物放置点的时间冲突情况对该货物放置点进行优先度评价；
基于货物放置点集合中每个货物放置点的优先度评价值确定其他货物Mi的货物放置点。
4.如权利要求3所述的方法，其特征在于，对货物放置点进行优先度评价前，需要对其他协同AGV小车集合进行小车剔除：根据其他协同AGV小车集合中每辆其他协同AGV小车的实时承载量、从货物放置点到目的地i所需时间及转弯次数计算小车合适度，进而进行小车剔除。
5.如权利要求4所述的方法，其特征在于，所述基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，具体为：对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择顺路运送其他货物Mj的最佳其他协同AGV小车。
6.如权利要求4所述的方法，其特征在于，所述基于AGV小车的行驶路线选择顺路运送其他货物的其他协同AGV小车，具体为：对于货物放置点处目的地为j的其他货物Mj，获取其他货物Mj对应的其他协同AGV小车集合，基于小车合适度在其他协同AGV小车集合中选择多辆可顺路运送其他货物Mj的其他协同AGV小车，构成顺路小车集合，根据顺路小车集合中其他协同AGV小车在货物放置点装载其他货物Mj的过程繁琐度在顺路小车集合中选择最佳其他协同AGV小车。
7.如权利要求6所述的方法，其特征在于，基于其他协同AGV小车在货物放置点装载其他货物Mj时位姿需要调整的幅度获取所述过程繁琐度。
8.一种基于人工智能的多AGV小车协同规划系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
CN202110905365.9A 2021-08-09 2021-08-09 基于人工智能的多agv小车协同规划方法及系统 Active CN113341905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110905365.9A CN113341905B (zh) 2021-08-09 2021-08-09 基于人工智能的多agv小车协同规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110905365.9A CN113341905B (zh) 2021-08-09 2021-08-09 基于人工智能的多agv小车协同规划方法及系统

Publications (2)

Publication Number Publication Date
CN113341905A true CN113341905A (zh) 2021-09-03
CN113341905B CN113341905B (zh) 2021-10-26

Family

ID=77480923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110905365.9A Active CN113341905B (zh) 2021-08-09 2021-08-09 基于人工智能的多agv小车协同规划方法及系统

Country Status (1)

Country Link
CN (1) CN113341905B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114185342A (zh) * 2021-11-23 2022-03-15 季华实验室 一种多agv协同货物搬运方法及系统
CN114995405A (zh) * 2022-05-19 2022-09-02 同济大学 一种基于开放动态环境多目标协同理论的agv协作搬运方法
CN115818098A (zh) * 2023-02-17 2023-03-21 成都思越智能装备股份有限公司 一种小车搬送控制系统及搬运方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003238097A (ja) * 2002-02-14 2003-08-27 Nippon Yusoki Co Ltd 荷役車両の制御装置
CN107609827A (zh) * 2017-09-29 2018-01-19 郑康锋 一种共享车载空间的城市物流系统和方法
CN108202965A (zh) * 2016-12-16 2018-06-26 东莞市海柔智能科技有限公司 自动化仓储管理方法、装置和系统
CN108304266A (zh) * 2018-01-30 2018-07-20 华南理工大学 一种移动多目标群智感知任务分配方法
CN110046795A (zh) * 2019-03-01 2019-07-23 斯坦德机器人（深圳）有限公司 机器人的任务分配方法及装置
CN110615227A (zh) * 2019-09-10 2019-12-27 灵动科技（北京）有限公司 自动搬运系统
CN111694333A (zh) * 2020-06-10 2020-09-22 中国联合网络通信集团有限公司 一种agv协同管理方法及装置
CN111752228A (zh) * 2019-03-27 2020-10-09 杭州海康机器人技术有限公司 用于agv协同搬运的控制系统和控制方法
CN112180860A (zh) * 2020-09-24 2021-01-05 深圳市海柔创新科技有限公司 任务处理方法、控制终端、机器人、仓储系统及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003238097A (ja) * 2002-02-14 2003-08-27 Nippon Yusoki Co Ltd 荷役車両の制御装置
CN108202965A (zh) * 2016-12-16 2018-06-26 东莞市海柔智能科技有限公司 自动化仓储管理方法、装置和系统
CN107609827A (zh) * 2017-09-29 2018-01-19 郑康锋 一种共享车载空间的城市物流系统和方法
CN108304266A (zh) * 2018-01-30 2018-07-20 华南理工大学 一种移动多目标群智感知任务分配方法
CN110046795A (zh) * 2019-03-01 2019-07-23 斯坦德机器人（深圳）有限公司 机器人的任务分配方法及装置
CN111752228A (zh) * 2019-03-27 2020-10-09 杭州海康机器人技术有限公司 用于agv协同搬运的控制系统和控制方法
CN110615227A (zh) * 2019-09-10 2019-12-27 灵动科技（北京）有限公司 自动搬运系统
CN111694333A (zh) * 2020-06-10 2020-09-22 中国联合网络通信集团有限公司 一种agv协同管理方法及装置
CN112180860A (zh) * 2020-09-24 2021-01-05 深圳市海柔创新科技有限公司 任务处理方法、控制终端、机器人、仓储系统及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114185342A (zh) * 2021-11-23 2022-03-15 季华实验室 一种多agv协同货物搬运方法及系统
CN114185342B (zh) * 2021-11-23 2024-03-29 季华实验室 一种多agv协同货物搬运方法及系统
CN114995405A (zh) * 2022-05-19 2022-09-02 同济大学 一种基于开放动态环境多目标协同理论的agv协作搬运方法
CN115818098A (zh) * 2023-02-17 2023-03-21 成都思越智能装备股份有限公司 一种小车搬送控制系统及搬运方法

Also Published As

Publication number Publication date
CN113341905B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN113341905B (zh) 基于人工智能的多agv小车协同规划方法及系统
CN109165902B (zh) 一种基于智能无人车的动态区域物流派送方法及系统
CN110598928B (zh) 一种基于多工位agv的智能调度系统及其调度方法
US11099566B2 (en) Systems and methods for providing a vehicle service via a transportation network for autonomous vehicles
US11886191B2 (en) Scheduling method and system for fully autonomous waterborne inter terminal transportation
CN111612234B (zh) 一种集装箱码头水平运输可视化系统
CN112001064B (zh) 一种集装箱码头间全自主水上运输调度方法及系统
CN109299810A (zh) 一种货运车辆配载方法
CN106096868A (zh) 一种多约束网络集约小客车调度方法
CN107862493A (zh) 一种货运车辆匹配行驶沿途附近货物的数值判断方法
Du et al. Research on multi-load AGV path planning of weaving workshop based on time priority
GB2592066A (en) Delivery optimisation
CN113763695A (zh) 一种自动驾驶车辆的调度方法和系统
CN108197879B (zh) 一种多模式客货共运方法及系统
CA3198829A1 (en) System and method for optimizing mission planning, task management and routing for autonomous yard trucks
CN110031018A (zh) 一种多目的地多路线规划方法和系统
CN114757591B (zh) 基于行为依赖图的多车型协同分拣调度方法
CN115617049A (zh) 基于混凝土运输平台的agv小车控制系统
CN109534023A (zh) 一种自动化集装箱码头岸边装船指令顺序控制方法
CN114185341A (zh) 无人驾驶车辆路径规划方法、设备及计算机可读存储介质
CN112015197B (zh) 无人机搭乘路线处理方法、装置、设备及可读存储介质
CN113487264A (zh) 一种基于异构多无人机的物流配送方法及系统
Zhang et al. Cooperative Route Planning for Fuel-constrained UGV-UAV Exploration
Derrouiche et al. Integration of social concerns in collaborative logistics and transportation networks
WO2020192878A1 (en) Method and system for operating a fleet of vehicles

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