CN113592158A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113592158A
CN113592158A CN202110789546.XA CN202110789546A CN113592158A CN 113592158 A CN113592158 A CN 113592158A CN 202110789546 A CN202110789546 A CN 202110789546A CN 113592158 A CN113592158 A CN 113592158A
Authority
CN
China
Prior art keywords
agv
time
node
task
machine
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
CN202110789546.XA
Other languages
English (en)
Other versions
CN113592158B (zh
Inventor
贺松平
周晟
许可
李斌
毛新勇
张露
梁焜
刘红奇
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110789546.XA priority Critical patent/CN113592158B/zh
Publication of CN113592158A publication Critical patent/CN113592158A/zh
Application granted granted Critical
Publication of CN113592158B publication Critical patent/CN113592158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Physiology (AREA)
  • Educational Administration (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开多AGV路径规划和多AGV智能生产线中AGV与机器联合调度方法，属于生产线生产技术领域。本发明采用A*算法与时间窗相结合，利用时间窗提前检测出AGV之间的冲突，采用等待或更换路径的方式来避免冲突，将其融入改进的A*算法中，最终能够为AGV规划出一条从任务起点到任务终点时间最短的无冲突路径。本发明建立智能生产线中以最大完工时间最小为优化目标的AGV与机器联合调度数学模型，在柔性车间调度问题的基础上，增加AGV资源的约束，即智能生产线调度问题，并提出混合遗传算法进行模型的求解。混合遗传算法采用三段式染色体编码方法得到问题的可行解，设计相应的选择、交叉和变异操作，将多AGV路径规划算法融入解码过程，获得智能生产线的调度结果。

Description

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
技术领域
本发明属于生产线生产技术领域，更具体地，涉及多AGV路径规划和多AGV智能生产线中AGV与机器联合调度方法。
背景技术
调度问题中最现实的约束条件包括运输时间、机器故障、模糊处理时间、紧急插单、资源约束和作业顺序设置时间等。而在智能生产线中AGV已广泛用于提高内部物流和物料处理任务的效率，AGV主要是用来运输工件，使之在不同加工机器之间进行转移，需要在正确的时间向正确的地点提供工件，来满足工件加工的需求，而传统的柔性作业车间调度少有考虑工件的运输时间，而AGV的调度对制造系统的生产力有重大影响。
因此，将AGV的运输时间考虑到智能生产线的调度中更加符合实际情况且必要。但在调度过程中选择不同的AGV与AGV之间需要避免产生冲突而选择可行路径的不同都会影响工件在机器之间的运输时间，这将会影响工件开始加工的时间，进而影响整个生产周期。并且由于单辆AGV工作能力有限，目前智能生产线中大部分都是多AGV同时工作，而工件通过AGV运输的时间越短越好，所以如何为AGV规划出从任务起点到任务终点所花时间最短的无冲突路径也是需要考虑的问题。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了多AGV路径规划和多AGV智能生产线中AGV与机器联合调度方法，其目的在于解决以AGV为载体的结合工件运输时间的智能生产线调度的技术问题，为AGV规划出时间最短的无冲突路径，改善生产线资源的利用率，提高生产效率。
为实现上述目的，按照本发明的第一方面，提供了一种多AGV路径规划方法，该方法包括：
S1.数字化AGV工作环境信息，得到AGV工作环境电子地图；
S2.在AGV工作环境电子地图上，为AGV规划出时间最短的无冲突路径，包括以下子步骤：
S21.获取各AGV各任务的优先级，所述任务包含任务起点、任务终点和执行任务的AGV；
S22.按照任务优先级从高到低，依次对每个任务进行路径规划，包括以下子步骤：
S221.计算任务起点的评价值，按照评价值将任务起点加入待测试节点列表，所述待测试节点列表中节点按照评价值升序排列，并被所有任务共享，所述评价值表示从任务起点经过当前节点到任务终点的代价；
S222.判断待测试节点列表是否不为空，若是，进入S223，否则，该任务路径规划结束，未找到从任务起点到达任务终点的可行路径；
S223.不放回取出待测试节点列表中评价值最小的节点作为当前节点；
S224.判断当前节点是否不为任务终点，若是，进入S225，否则，进入S229；
S225.判断当前节点的相邻节点集是否为空，若是，返回S222，否则，进入S226；
S226.从相邻节点集中不放回取出当前节点的一个相邻节点；
S227.根据连接当前节点和取出的相邻节点的边的时间窗，判断AGV是否可以进入该边，若是，计算AGV进入该边的时间，进入S228，否则，返回S225；
S228.根据AGV进入该边的时间和取出的相邻节点的时间窗，判断AGV是否可以进入取出的相邻节点，若是，计算AGV进入该节点的时间，计算其评价值，指定其父节点为当前节点，最后将取出的相邻节点按照其评价值加入待测试节点列表；否则，返回S225；
S229.从任务终点开始，寻找其父节点，路径回溯直至寻找到任务起点，并按顺序记录寻找过程中经过的节点，所有的节点组成从任务起点到任务终点的最短路径；
所述边的时间窗为AGV开始进入该边到刚好离开该边的时间，所述节点的时间窗为AGV开始进入该点到刚好离开该点的时间。
优选地，采用拓扑法构建双向单路径的AGV环境电子地图：
根据AGV需要停靠的停靠点设置相应的节点，使用坐标(id,x,y)表示，id表示节点的编号，(x,y)表示AGV从原点出发到达节点横坐标、纵坐标所需时间；设置AGV在作业点之间来回的中间节点；
节点设置好后将相邻节点用边连接组成网状结构图。
有益效果：采用拓扑法可以用点和线简洁的表达AGV的工作环境；双向单车道运输效率高且易于设置交叉路口的控制规则。
优选地，评价值计算公式如下：
f(n)＝g(n)+h(n)
h(n)＝abs(xe-xn)+abs(ye-yn)
其中，f(n)表示从初始节点s经过当前节点n到目标节点e的评价值，g(n)是初始节点s到当前节点n的实际代价；h(n)是从当前节点n到目标节点e最佳路径的估计代价，(xe,ye)表示目标节点在地图中的坐标，(xn,yn)表示当前遍历的节点n在地图中的坐标。
有益效果：通过在搜索过程中给遍历的每个节点计算评价值，然后从中选出具有最优的评价值的节点作为下一个遍历的节点，从而起到引导搜索方向的目的。由于AGV运行的电子地图为矩阵的形状，曼哈顿距离小于等于实际的距离，故可以保证获得最优解。
优选地，根据连接当前节点和取出的相邻节点的边的时间窗，判断AGV是否可以进入该边，具体如下：
(1)根据AGV刚到达节点np的时间以及边apq的空闲时间窗来确定AGV进入边apq的时间；
(2)用边apq第k个空闲时间窗的结束时间
Figure BDA0003160537580000041
减去AGV进入边apq时间，得到边apq的第k个空闲时间窗；
(3)将其与AGV以正常速度
Figure BDA0003160537580000042
通过边apq的时间
Figure BDA0003160537580000043
比较，来判断边apq第k个空闲时间窗是否符合要求，lpq表示边apq的长度。
优选地，根据AGV进入连接两节点的边apq的时间和取出的相邻节点nq的时间窗，判断AGV是否可以进入取出的相邻节点，具体如下：
(1)根据AGV可以离开边apq的时间
Figure BDA0003160537580000044
以及节点nq的空闲时间窗来确定AGV进入节点nq的时间；
(2)用节点nq第k个空闲时间窗的结束时间
Figure BDA0003160537580000045
减去该时间，得到节点nq的第k个空闲时间窗；
(3)将其与AGV以正常速度
Figure BDA0003160537580000046
通过节点nq的时间
Figure BDA0003160537580000047
比较，来判断节点nq第k个空闲时间窗是否符合要求，
Figure BDA0003160537580000048
分别表示AGV的长度和宽度。
为实现上述目的，按照本发明的第二方面，提供了一种多AGV智能生产线中AGV与机器联合调度方法，该方法包括：
(1)获取各工件的所有工序，以及，相应的在各个机床上加工的时间；
(2)将上述数据输入至改进的混合遗传算法中，得到最优的生产调度顺序；
所述改进的遗传算法采用三段式编码，具体如下：
(1)对工件工序排序进行编码：工序排序部分的染色体长度为T0，从左到右工件的编号出现第几次就代表加工该工件的第几个工序，其中，
Figure BDA0003160537580000051
该工件的工序数δi表示工件编号Ji出现的总次数；
(2)对相应工序选择对应加工的机器进行编码：机器选择部分的染色体长度为T0，每个位置上用整数表示机器在加工工序的机器集合中的序号，从左到右以工件编号的顺序排列，每个工件部分再按照工序的先后顺序排列；
(3)对相应工序选择运输的AGV问题进行编码：AGV选择部分的染色体长度为T0，从左到右每个位置上的整数表示AGV的序号，并且与工序排序部分的相同位置上的工序一一对应；
(4)三段式编码组合为整个问题的染色体。
优选地，所述改进的遗传算法采用以下方式对最优个体进行解码，输出调度结果的甘特图：
Step1：从染色体的工序排序OS部分开始，按从左往右的顺序，每次读取一个加工的工件工序pij，以此作为一个任务单元；
Step2：然后根据机器选择部分MS工序pij选择加工的机器的序号，从加工工序pij的机器集合M(pij)中选择对应序号的机器mk，进而得到工序pij在机器mk上加工需要的时间tijk；
Step3：再根据AGV选择部分AGVS，在工序排序OS部分中工序pij对应的位置上得到运输工序pij的AGV为vc；
Step4：根据工序pij的上一工序的完工时间S′i(j-1)k′，若当前工序为工件第一个工序时，则其上一个工序的完工时间为0，确定机器mk上从S′i(j-1)k′开始时，有连续tijk时长的未安排加工任务的最早开始时间time_machine_start；
Step5：判断工序pij的加工机器mk与其上一工序pi(j-1)的加工机器mk′是否相同，如果相同，则执行Step6，否则，执行Step7；
Step6：工件还在原先工序加工的机器上加工，机器上加工pij开始加工时间为time_machine_start，持续tijk，更新该机器的加工时间窗，并且vc不需要执行运输任务，可以直接执行下一任务，回到Step1，执行下一任务单元；
Step7：vc空载开始时间为Dtijc，AGV刚开始执行任务时空载开始时间为0，正常为上一任务负载结束的时间，再根据如第一方面所述的多AGV路径规划算法，规划一条从vc当前所在的节点nc到工件上一工序pi(j-1)所在的机器mk′所在节点nk′的时间最短无冲突路径，并得到vc空载结束时间D′tijc；若空载结束时间D′tijc大于等于工件的上一工序pi(j-1)的结束时间S′i(j-1)k′，执行Step8，否则，执行Step9；
Step8：vc负载开始的时间Ltijc为D′tijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc，跳转到Step10；
Step9：计算在vc空载结束后，根据工序pij上一工序pi(j-1)结束的时间S′i(j-1)k′，以及工件所在的节点位置nk′的时间窗占用情况，得到负载开始的时间Ltijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc；
Step10：若L′tijc≤time_machine_start时，工序在mk上开始加工的时间为time_machine_start，回到Step1，执行下一任务单元，若L′tijc>time_machine_start，确定机器mk上从L′tijc开始时，有连续tijk时长的未安排加工任务的最早开始时间，该时间为mk开始加工工序pij的时间，回到Step1，执行下一任务单元。
有益效果：本发明的遗传算法在进行解码时，结合多AGV路径规划算法，为AGV规划出时间最短的无冲突路径，获得AGV在工位之间的转移时间。通过上述步骤，可以完成整个染色体的解码步骤，以最大工序完成时间作为个体的适应度。
优选地，所述改进遗传算法的交叉操作如下：
工序排序部分和AGV选择部分采用优先操作交叉方式；机器选择部分选择采用均匀交叉方式。
有益效果：针对机器选择部分，本发明选择采用均匀交叉的方式，这样可以保证基因位置的先后顺序保持不变，仍然产生可行解。
优选地，所述改进遗传算法的变异操作如下：
工序排序部分和AGV选择部分采用交换变异，机器部分选择单点突变。
有益效果：上述方式使得能够在一定程度上产生新的个体。
为实现上述目的，按照本发明的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)针对多AGV执行任务过程中，AGV之间容易产生冲突，所花时间最短的路径难以确定问题，本发明采用A*算法与时间窗的方法相结合，利用了时间窗提前检测出AGV之间的冲突，并采用了等待或更换路径的方式来避免冲突，并将其融入了改进的A*算法中，最终能够为AGV规划出一条从任务起点到任务终点时间最短的无冲突路径，既能快速的向终点方向搜索，又能够有效地检测出当前可行的节点。同时，在A*算法的open list中可以存储有同一节点不同时间的f(n)值，以保留某些时间两节点之间不可通行，但经过一段时间又可以通行的可能。
(2)针对AGV与机器联合调度复杂问题，本发明建立了智能生产线中以最大完工时间最小为优化目标的AGV与机器联合调度数学模型，在柔性车间调度问题的基础上，增加了AGV资源的约束，即智能生产线调度问题，并提出了混合遗传算法进行模型的求解。混合遗传算法采用了三段式染色体编码方法得到问题的可行解，设计了相应的选择、交叉和变异操作方法，并将多AGV路径规划算法融入解码过程中，最终可获得智能生产线的调度结果。
附图说明
图1为本发明实施例提供的一种多AGV智能生产线中AGV与机器联合调度方法流程图；
图2为本发明实施例提供的AGV运行环境的拓扑地图；
图3为本发明实施例提供的AGV经过节点和边的示意图；
图4为本发明实施例提供的AGV经过节点和边的时间窗；
图5为本发明实施例提供的路径时间窗中的节点冲突；
图6为本发明实施例提供的基于时间窗的A*算法流程图；
图7为本发明实施例提供的混合遗传算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提供一种多AGV智能生产线中AGV与机器联合调度方法，包括：
步骤一，根据智能生产线的平面布局信息，构建AGV的运行环境电子地图；
步骤二，利用时间窗提前检测AGV之间的冲突，并采用等待或更换路径的方式避免冲突；
步骤三，建立多AGV路径规划数学模型；
步骤四，将时间窗融入改进的A*算法中得到多AGV路径规划算法，为AGV规划出一条从起点到终点时间最短的无冲突路径；
步骤五，建立智能生产线中以最大完工时间最小为优化目标的AGV与机器联合调度数学模型；
步骤六，将多AGV路径规划算法融入混合遗传算法解码过程中，最终可获得智能生产线的调度结果。
从实际的生产工厂中获取生产加工的相关数据，构建智能生产线的环境电子地图、工件的工艺信息等，将这些数据作为本发明所提方法的输入。以不考虑工件运输时间的智能生产线调度问题和考虑AGV运输时间为定值的智能生产线调度问题为对照组，采用相同的训练参数，得到最后的调度结果，通过对最后机器与AGV的调度结果与各AGV经过地图中的所有节点和边的时间窗的对比观察，验证了本发明所提方法的有效性。
具体地，步骤一，根据智能生产线的平面布局信息，构建AGV的运行环境电子地图，如图2所示，具体包括：
对于具体的环境电子地图构建，首先根据智能生产线的平面布局绘制拓扑图，然后根据AGV需要停靠的地方，如仓库的出入口、加工机器的停靠点等，设置相应的节点，使用坐标(id,x,y)表示，其中id表示节点的编号，(x,y)表示节点在二维平面坐标系中的横纵坐标，为了更加方便的表示AGV到达节点的时间，节点的横纵坐标单位为秒，以AGV从原点出发到达节点所需要的时间来表示，另外需要在一些地方设置中间节点，便于AGV在作业点之间来回，节点设置好后将相邻节点用线连接组成网状结构图。如图2所示，表示仓库入口、出口在节点1和节点2处，加工机器mi在节点8处，AGV1此时在节点11处。
具体地，步骤二，利用时间窗提前检测AGV之间的冲突，并采用等待或更换路径的方式避免冲突，具体为：
多个AGV同时在地图上运行时，如果路径规划算法只考虑空间的可行性，那么很有可能在某一时刻在同一地点会与其它AGV发生冲突，而常见的AGV冲突类型主要有：节点冲突、相向冲突、赶超冲突和混合冲突。
为了设计出合理的算法并考虑AGV系统实际的环境状况，针对本发明实例之前采用拓扑法构建的环境电子地图与AGV，对系统做出如下假设：
1)AGV运行的路径是双向单通道，节点与边同一时刻只允许一辆AGV通过；
2)单辆AGV执行运输任务时每次只能运送一个工件；
3)AGV每次执行完输送任务后停靠在执行完输送任务的机器旁，不回到原来的位置；
4)AGV只对单个运输任务负责，并不负责一个工件从开始加工到完成加工工序的所有运输任务；
5)AGV运行时速度不变，与空载/负载无关；
6)优先级更高的AGV具有对地图中节点和边的优先占有权；
7)AGV可以在节点和边上停止等待；
8)AGV对每个运输任务装/卸时间忽略不计，不考虑AGV充电与故障等问题。
由于AGV本身具有一定的体积，AGV进入和离开边和节点的状态需要提前规定好。如图3所示，AGV1从节点n4经过边n4-n5到达节点n5，再从节点n5经过边n5-n6到达节点n6。AGV1开始进入边n4-n5的位置为AGV1的①位置，刚好离开边n4-n5的位置为AGV1的②位置，即AGV的中心刚好在节点处向边移动表示刚好进入边，AGV的中心刚好从边移动到节点处表示刚好离开边；AGV2从节点n8经过边n5-n8到达节点n5，再从节点n5经过边n2-n5到达节点n2，由于AGV本身占有一定的体积，故对节点的占有要提前半个车身宽，离开的状态也是一样，所以AGV2移动到位置②时就开始进入节点n5，AGV2进入节点n5的时间窗从这个时候开始计算，AGV2移动到位置③时刚好离开节点n5，AGV2占用节点n5的时间窗到这个时间为止。
以图3中AGV1的行驶路径为例，沿途没有等待，以匀速经过，其占用经过的节点和边的时间窗如图4所示。从时间t0开始，AGV1开始进入边n4-n5，同时也占有节点n4；到时间t1时，AGV1离开节点n4；到时间t2时，AGV1开始进入节点n5；时间为t3时，AGV1离开边n4-n5，开始进入边n5-n6；时间为t4时，AGV1离开节点n5；时间为t5时，AGV1开始进入节点n6；时间为t6时，AGV1离开边n5-n6。其中，t4-t2＝2(t1-t0)＝2(t6-t5),t3-t2＝t4-t3，从图中可以看出若AGV未在节点处停留时两个相邻边的时间窗是无缝衔接的。
由以上的假设可知，我们假设边和节点处在同一时刻只允许一辆AGV通过。但如果进行AGV路径规划时只考虑边的时间窗，就可能会出现边的时间窗上确实没有冲突，而节点的时间窗发生了重叠。如图5所示，AGV1先通过边na-nb，然后经过边nb-nc，AGV2刚好相反，从边的时间窗上看，AGV1与AGV2经过边的时间窗没有发生重叠，但是实际上在时间t1时AGV1与AGV2在节点nb的时间窗发生重叠，一般这种情况为AGV路径规划时的混合冲突。因此，在进行路径规划的过程中需要同时考虑边的时间窗和节点的时间窗。
由上可知，对于节点冲突和混合冲突，可以通过检测节点的时间窗来识别；对于相向冲突和赶超冲突，可以采用边的时间窗来识别，采用时间窗的方法可以有效的检测出AGV之间的冲突。
具体地，步骤三，建立多AGV路径规划数学模型，具体为：
为了更清晰的表述多AGV路径规划问题，对相关符号和变量进行说明和定义：拓扑图G＝(N,E)表示拓扑图，N代表点集，E代表边集，用apq来表示节点np和节点nq之间的边，其长度用lpq表示，用邻接矩阵R表示各节点的相邻节点与相邻节点之间的边AGV以正常速度通过时需要的时间，时间通过边的长度除以AGV运行的速度即可得到。ω表示所有AGV的数量，AGV稳定运行的速度为
Figure BDA0003160537580000121
vc表示编号为c的AGV，Wic表示小车vc执行任务i时所花费的时间，
Figure BDA0003160537580000122
表示边apq的时间窗，
Figure BDA0003160537580000123
表示节点np的时间窗，用来记录各AGV执行任务时占用的情况，
Figure BDA0003160537580000124
表示小车vc在执行任务i时进入边apq的时间，
Figure BDA0003160537580000125
表示小车vc在执行任务i时离开边apq的时间，
Figure BDA0003160537580000126
表示小车vc在执行任务i时进入节点np的时间，
Figure BDA0003160537580000127
表示小车vc在执行任务i时离开节点np的时间；tpqk表示为边apq从开始时间算起的第k个空闲时间窗，
Figure BDA0003160537580000128
表示为边apq从开始时间算起的第k个空闲时间窗的开始时间，
Figure BDA0003160537580000129
表示为边apq从开始时间算起的第k个空闲时间窗的结束时间，tpk表示为节点np从开始时间算起的第k个空闲时间窗，
Figure BDA00031605375800001210
表示为节点np从开始时间算起的第k个空闲时间窗的开始时间，
Figure BDA00031605375800001211
表示为节点np从开始时间算起的第k个空闲时间窗的结束时间；目前分配给AGV的任务集合M＝{m1,m2,m3,…mi,…,mm}，每个任务mi都有对应的优先级Pi，同时对于每个任务都有相应的一条路径与之对应，路径是由相应的节点和边的集合组成的，任务从起点ns到终点ne组成的路径集由有序节点和边集σi＝{ns,asq,nq,aqm,nm,amn,…,ape,ne}组成，其中ns,nq,nm,…,ne∈N，asq,aqm,amn,…,ape∈E，因此，每个任务可以描述为：
mi(t)＝(ns,ne,σi(t),Pi,vc)
对于每个任务，起始位置和目标位置与分配执行该任务的小车与任务的优先级都不随时间的变化，任务的优先级已经由调度系统确定了，在选择路径时根据实际的情况动态的选择最优的无冲突的路径，故σi(t)是一个随时间变化的函数。
当AGV在执行任务需要经过某节点或边，而该边或节点此时被执行相关任务的其它AGV占用时，则该AGV不能进入，这就需要提前记录好各AGV经过节点或边时所占用的时间窗的情况。以边apq为例，节点是一样的，从系统开始运行时，边apq的时间窗为空，即未被任何AGV占用，若有AGV经过边apq时，则需要记录经过的AGV，以及AGV进入和离开节点或边的时间，此时边apq的时间窗口
Figure BDA0003160537580000131
为：
Figure BDA0003160537580000132
Figure BDA0003160537580000133
表示编号为c的AGV在时间
Figure BDA0003160537580000134
进入边apq，在时间
Figure BDA0003160537580000135
离开边apq。
AGV从进入到离开边apq的时间长度需要大于等于AGV以正常速度通过边长度lpq的时间：
Figure BDA0003160537580000136
AGV从进入到离开节点np的时间长度需要大于等于AGV以正常速度通过自身长度
Figure BDA0003160537580000137
与宽度
Figure BDA0003160537580000138
之和的时间：
Figure BDA0003160537580000139
路径规划的目标为规划一条从起点到终点所需要的时间为最短的路径：
min(Wic)
Figure BDA00031605375800001310
确定边apq符合要求的第k个空白时间窗：
Figure BDA00031605375800001311
AGV刚开始进入边apq的时间：
Figure BDA00031605375800001312
AGV刚离开节点np的时间：
Figure BDA0003160537580000141
AGV在节点np处可能需要等待一段时间才能进入边apq，那么在这段时间内，该AGV占用的节点np的时间窗不能与节点np的其它时间窗发生重叠：
Figure BDA0003160537580000142
确定节点nq符合要求的第k个空白时间窗：
Figure BDA0003160537580000143
AGV刚开始进入节点nq的时间：
Figure BDA0003160537580000144
AGV刚离开边apq的时间：
Figure BDA0003160537580000145
AGV在边apq处可能需要等待一段时间才能进入节点nq，那么在这段时间内，该AGV占用的边apq的时间窗不能与边apq的其它时间窗发生重叠：
Figure BDA0003160537580000146
具体地，步骤四，将时间窗融入改进的A*算法中得到多AGV路径规划算法，为AGV规划出一条从起点到终点时间最短的无冲突路径，如图6所示，具体为：
对于每个节点，因为不仅仅需要记住其父节点，还需要记录AGV进入父节点的时间，以及AGV进入父邻边的时间，因此，节点i具体存储形式如以下表达式所示：
nodei＝(cur_node_id,cur_edge,par_edge_start_time,par_node,par_node_start_time)
其中，cur_node_id表示当前节点编号；par_edge表示父邻边，表示从该边进入当前节点；par_edge_start_time表示AGV进入父邻边的时间；par_node表示父节点，表示AGV从该节点进入父邻边；par_node_start_time表示AGV进入父节点的时间。AGV进入父邻边的时间加上AGV离开节点所需要的时间
Figure BDA0003160537580000151
就等于AGV离开父节点的时间；再根据进入父节点的时间，就可以计算AGV占用父节点的时间窗；而当前节点i的g(i)值刚好表示AGV离开父邻边的时间，在根据AGV进入父邻边的时间，就可以计算出AGV占用父邻边的时间窗，通过该方法可以准确记录AGV经过各节点和边的时间窗，同时，根据记录的父节点和父邻边的时间窗可以很快地回溯出一条从终点到起点的路径，在将路径反转就得到从起点到终点的时间最短的无冲突路径。
对于本发明实例的多AGV路径规划算法来说，当前节点的最优值并不一定是最佳通过时间，需要保留节点各个到达时间。因此，本本发明实例所提算法去除了closelist，并且openlist中使用优先级队列来存储用上述提到的节点存储方式存储各节点的各个状态，便于快速查找当前f(n)值最小的节点。
具体地，步骤五，建立智能生产线中以最大完工时间最小为优化目标的AGV与机器联合调度数学模型，具体为：
对智能生产线中AGV与机器联合调度数学模型做出相关假设条件如下：
1)机器之间相互独立，工件之间相互独立，不同工件加工时没有先后要求；
2)机器在加工某工件工序时不能中断，且每次最多只能加工一个工件工序；
3)机器设置有足够大的缓冲区，能够放下AGV运输过来的工件；
4)在刚开始时间t＝0时，所有机器都可用，所有工件都可以被加工；
5)工件在同一时刻只能在一台机器上加工；
6)工件在机床之间的转移时间由AGV的运输时间决定；
7)本发明不考虑AGV在空载结束后与负载开始前这段等待时间内AGV所需要待在的节点位置，默认负载开始时AGV所在节点与在空载结束时所在节点相同。
8)关于AGV的假设，参见上述多AGV路径规划数学模型相关假设；
对于假设中的第六条考虑如下，对于AGV的路径规划，只要给定任务的起点和终点，那么AGV就会立刻从起点出发，在最短的时间内到达任务的终点，而一个工件的运输任务即单个工序对于AGV来讲是分成两个单独的小任务，即空载和负载。AGV空载行程结束后，到达工件的位置，如果工件此时已经完成了上一工序的加工，那么AGV可以立刻开始其负载行程，但如果工件此时还没有完成上一工序的加工，则AGV需要等待一段时间，直到其加工完成，并且工件所在节点处有空余的时间窗供AGV装载工件，AGV才能开始负载行程。那么AGV等待的这段时间该何去何从，如果一直等在工件所在节点处，直到其完成了上一工序的加工，可能优先级更高的AGV需要在这段时间内占用该节点的时间窗，或者如果后面任务中优先级更低的AGV经过该节点后能够更早的完成任务的话，AGV也需要给其让路，因为此时的AGV虽然优先级更高，但其此时让路并不会对其自身任务造成延迟的影响，反而可以加快其它任务的执行速度，对整体的效率是有提升的，因此，是需要避让的。可是不管AGV移动到相邻节点还是其它地方避让都可能发生上面的情况，因为优先级更低的任务此时还没有规划，无法做出预测。所以本发明实例的方法时，这段时间内AGV需要待在的位置不规划，只需要确保AGV可以在负载开始的时间在工件节点处即可。一个可行的办法是，等所有路径都规划完成后，此时，再根据等待这段时间内节点和周围节点和边的时间窗占用情况，做出避让的规划，这样可以保证AGV等待的这段时间里不会造成对节点资源的浪费。
根据以上假设条件，对部分符号和变量进行说明和定义：Ei表示工件i完成加工的时间，其中i∈(1,2,3,…,τ)，Emax表示生产任务最终的完成时间；Sijk表示Pij在mk上开始加工的时间，S′ijk表示Pij在mk上完成加工的时间；Dtijc表示vc运输Pij前空载的开始时间，D′tijc表示vc运输Pij前空载的结束时间，Ltijc表示vc运输Pij时负载的开始时间，L′tijc表示vc运输Pij时负载的结束时间；nc表示vc当前所在的节点位置，nk表示mk所在地图的节点位置，nk′表示加工工序pi(j-1)机器mk′所在的节点，
Figure BDA0003160537580000171
表示vc在节点nc和nk之间移动的时间；λ表示一个足够大的正数；
Figure BDA0003160537580000172
Figure BDA0003160537580000173
Figure BDA0003160537580000174
Figure BDA0003160537580000175
智能生产线中AGV与机器联合调度的目标为生产任务的总完工时间最小：
Figure BDA0003160537580000176
智能生产线中AGV与机器联合调度的过程需要满足一定约束条件，具体包括：
一道工序只能选择一台机器加工：
Figure BDA0003160537580000177
工件一旦在机器上开始加工就不允许中断：
S′ijk＝Sijk+tijk
工件需要按到达机器的顺序在机器上加工：
Sijk+λ(1-ypqijk)≥S′pqk
工件开始加工的时间大于等于在AGV负载运行结束时间：
Sijk≥L′tijc
一个工件工序每次只能安排一台AGV来运输：
Figure BDA0003160537580000181
一个AGV在某一时刻只能运送一个加工任务，空载的开始时间在上一个任务结束之后：
Dtijc+λ(1-βpqij)≥L′tpqc
空载的结束时间在空载的开始时间加上在AGV当前所在节点到运输任务的节点所需的时间，这里假设工件第一个工序的上一工序为在仓库中存放：
Figure BDA0003160537580000182
负载的开始时间大于等于AGV空载的到达时间与工件上一个工序的结束时间中的较大值：
Ltijc≥max{D′tijc,S′i(j-1)k}
负载的结束时间大于等于负载的开始时间加上从工件的上一个工序进行加工的机器位置到进行当前工序加工的机器所在位置所需的时间，这里假设工件第一个工序的上一工序为在仓库中存放：
Figure BDA0003160537580000183
具体地，步骤六，将多AGV路径规划算法融入混合遗传算法解码过程中，最终可获得智能生产线的调度结果，如图7所示，具体为：
混合遗传算法设计采用三段式的染色体编码方式，基于MSOS染色体编码方案增加AGV编码部分，即由工序排序(Operation Selection,OS)，机器选择(Machine Selection,MS)和AGV选择(AGV Selection,AGVS)组成。
混合遗传算法采用锦标赛选择操作，锦标赛法无需计算所有个体的适应度，拥有更小的计算复杂度，并且不易陷入局部最优。
混合遗传算法针对工序和AGV部分采用优先操作交叉，机器部分采用均匀交叉，保证交叉过程中新个体的有效性。
混合遗传算法变异操作针对工序和AGV部分采用交换变异，机器部分选择单点突变，使得能够在一定程度上产生新的个体。
混合遗传算法解码过程中考虑通过多AGV路径规划算法计算出的AGV运输时间，得到正确的个体适应度，具体步骤如下：
Step1：从染色体的工序排序OS部分开始，按从左往右的顺序，每次读取一个加工的工件工序pij，以此作为一个任务单元；
Step2：然后根据机器选择部分MS工序pij选择加工的机器的序号，从加工工序pij的机器集合M(pij)中选择对应序号的机器mk，进而得到工序pij在机器mk上加工需要的时间tijk；
Step3：再根据AGV选择部分AGVS，在工序排序OS部分中工序pij对应的位置上得到运输工序pij的AGV为vc；
Step4：根据工序pij的上一工序的完工时间S′i(j-1)k′，若当前工序为工件第一个工序时，则其上一个工序的完工时间为0，确定机器mk上从S′i(j-1)k′开始时，有连续tijk时长的未安排加工任务的最早开始时间time_machine_start；
Step5：判断工序pij的加工机器mk与其上一工序pi(j-1)的加工机器mk′是否相同，如果相同，则执行Step6，否则，执行Step7；
Step6：工件还在原先工序加工的机器上加工，机器上加工pij开始加工时间为time_machine_start，持续tijk，更新该机器的加工时间窗，并且vc不需要执行运输任务，可以直接执行下一任务，回到Step1，执行下一任务单元；
Step7：vc空载开始时间为Dtijc，AGV刚开始执行任务时空载开始时间为0，正常为上一任务负载结束的时间，再根据多AGV路径规划算法，规划一条从vc当前所在的节点nc到工件上一工序pi(j-1)所在的机器mk′所在节点nk′的时间最短无冲突路径，并得到vc空载结束时间D′tijc；若空载结束时间D′tijc大于等于工件的上一工序pi(j-1)的结束时间S′i(j-1)k′，执行Step8，否则，执行Step9；
Step8：vc负载开始的时间Ltijc为D′tijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc，跳转到Step10；
Step9：计算在vc空载结束后，根据工序pij上一工序pi(j-1)结束的时间S′i(j-1)k′，以及工件所在的节点位置nk′的时间窗占用情况，得到负载开始的时间Ltijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc；
Step10：若L′tijc≤time_machine_start时，工序在mk上开始加工的时间为time_machine_start，回到Step1，执行下一任务单元，若L′tijc>time_machine_start，确定机器mk上从L′tijc开始时，有连续tijk时长的未安排加工任务的最早开始时间，该时间为mk开始加工工序pij的时间，回到Step1，执行下一任务单元。
通过上述步骤，可以完成整个染色体的解码步骤，以最大工序完成时间作为个体的适应度。
通过将多AGV路径规划算法融入混合遗传算法解码过程中，得到考虑AGV运输时间的智能生产线调度结果，供实际生产参考使用。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多AGV路径规划方法，其特征在于，该方法包括：
S1.数字化AGV工作环境信息，得到AGV工作环境电子地图；
S2.在AGV工作环境电子地图上，为AGV规划出时间最短的无冲突路径，包括以下子步骤：
S21.获取各AGV各任务的优先级，所述任务包含任务起点、任务终点和执行任务的AGV；
S22.按照任务优先级从高到低，依次对每个任务进行路径规划，包括以下子步骤：
S221.计算任务起点的评价值，按照评价值将任务起点加入待测试节点列表，所述待测试节点列表中节点按照评价值升序排列，并被所有任务共享，所述评价值表示从任务起点经过当前节点到任务终点的代价；
S222.判断待测试节点列表是否不为空，若是，进入S223，否则，该任务路径规划结束，未找到从任务起点到达任务终点的可行路径；
S223.不放回取出待测试节点列表中评价值最小的节点作为当前节点；
S224.判断当前节点是否不为任务终点，若是，进入S225，否则，进入S229；
S225.判断当前节点的相邻节点集是否为空，若是，返回S222，否则，进入S226；
S226.从相邻节点集中不放回取出当前节点的一个相邻节点；
S227.根据连接当前节点和取出的相邻节点的边的时间窗，判断AGV是否可以进入该边，若是，计算AGV进入该边的时间，进入S228，否则，返回S225；
S228.根据AGV进入该边的时间和取出的相邻节点的时间窗，判断AGV是否可以进入取出的相邻节点，若是，计算AGV进入该节点的时间，计算其评价值，指定其父节点为当前节点，最后将取出的相邻节点按照其评价值加入待测试节点列表；否则，返回S225；
S229.从任务终点开始，寻找其父节点，路径回溯直至寻找到任务起点，并按顺序记录寻找过程中经过的节点，所有的节点组成从任务起点到任务终点的最短路径；
所述边的时间窗为AGV开始进入该边到刚好离开该边的时间，所述节点的时间窗为AGV开始进入该点到刚好离开该点的时间。
2.如权利要求1所述的方法，其特征在于，采用拓扑法构建双向单路径的AGV环境电子地图：
根据AGV需要停靠的停靠点设置相应的节点，使用坐标(id，x，y)表示，id表示节点的编号，(x，y)表示AGV从原点出发到达节点横坐标、纵坐标所需时间；设置AGV在作业点之间来回的中间节点；
节点设置好后将相邻节点用边连接组成网状结构图。
3.如权利要求1所述的方法，其特征在于，评价值计算公式如下：
f(n)＝g(n)+h(n)
h(n)＝abs(xe-xn)+abs(ye-yn)
其中，f(n)表示从初始节点s经过当前节点n到目标节点e的评价值，g(n)是初始节点s到当前节点n的实际代价；h(n)是从当前节点n到目标节点e最佳路径的估计代价，(xe，ye)表示目标节点在地图中的坐标，(xn，yn)表示当前遍历的节点n在地图中的坐标。
4.如权利要求1至3任一项所述的方法，其特征在于，根据连接当前节点和取出的相邻节点的边的时间窗，判断AGV是否可以进入该边，具体如下：
(1)根据AGV刚到达节点np的时间以及边apq的空闲时间窗来确定AGV进入边apq的时间；
(2)用边apq第k个空闲时间窗的结束时间
Figure FDA0003160537570000021
减去AGV进入边apq时间，得到边apq的第k个空闲时间窗；
(3)将其与AGV以正常速度
Figure FDA0003160537570000031
通过边apq的时间
Figure FDA0003160537570000032
比较，来判断边apq第k个空闲时间窗是否符合要求，lpq表示边apq的长度。
5.如权利要求1至3任一项所述的方法，其特征在于，根据AGV进入连接两节点的边apq的时间和取出的相邻节点nq的时间窗，判断AGV是否可以进入取出的相邻节点，具体如下：
(1)根据AGV可以离开边apq的时间
Figure FDA0003160537570000033
以及节点nq的空闲时间窗来确定AGV进入节点nq的时间；
(2)用节点nq第k个空闲时间窗的结束时间
Figure FDA0003160537570000034
减去该时间，得到节点nq的第k个空闲时间窗；
(3)将其与AGV以正常速度
Figure FDA0003160537570000035
通过节点nq的时间
Figure FDA0003160537570000036
比较，来判断节点nq第k个空闲时间窗是否符合要求，
Figure FDA0003160537570000037
分别表示AGV的长度和宽度。
6.一种多AGV智能生产线中AGV与机器联合调度方法，其特征在于，该方法包括：
(1)获取各工件的所有工序，以及，相应的在各个机床上加工的时间；
(2)将上述数据输入至改进的混合遗传算法中，得到最优的生产调度顺序；
所述改进的遗传算法采用三段式编码，具体如下：
(1)对工件工序排序进行编码：工序排序部分的染色体长度为T0，从左到右工件的编号出现第几次就代表加工该工件的第几个工序，其中，
Figure FDA0003160537570000038
该工件的工序数δi表示工件编号Ji出现的总次数；
(2)对相应工序选择对应加工的机器进行编码：机器选择部分的染色体长度为T0，每个位置上用整数表示机器在加工工序的机器集合中的序号，从左到右以工件编号的顺序排列，每个工件部分再按照工序的先后顺序排列；
(3)对相应工序选择运输的AGV问题进行编码：AGV选择部分的染色体长度为T0，从左到右每个位置上的整数表示AGV的序号，并且与工序排序部分的相同位置上的工序一一对应；
(4)三段式编码组合为整个问题的染色体。
7.如权利要求6所述的方法，其特征在于，所述改进的遗传算法采用以下方式对最优个体进行解码，输出调度结果的甘特图：
Step1：从染色体的工序排序OS部分开始，按从左往右的顺序，每次读取一个加工的工件工序pij，以此作为一个任务单元；
Step2：然后根据机器选择部分MS工序pij选择加工的机器的序号，从加工工序pij的机器集合M(pij)中选择对应序号的机器mk，进而得到工序pij在机器mk上加工需要的时间tijk；
Step3：再根据AGV选择部分AGVS，在工序排序OS部分中工序pij对应的位置上得到运输工序pij的AGV为vc；
Step4：根据工序pij的上一工序的完工时间S′i(j-1)k′，若当前工序为工件第一个工序时，则其上一个工序的完工时间为0，确定机器mk上从S′i(j-1)k′开始时，有连续tijk时长的未安排加工任务的最早开始时间time_machine_start；
Step5：判断工序pij的加工机器mk与其上一工序pi(j-1)的加工机器mk′是否相同，如果相同，则执行Step6，否则，执行Step7；
Step6：工件还在原先工序加工的机器上加工，机器上加工pij开始加工时间为time_machine_start，持续tijk，更新该机器的加工时间窗，并且vc不需要执行运输任务，可以直接执行下一任务，回到Step1，执行下一任务单元；
Step7：vc空载开始时间为Dtijc，AGV刚开始执行任务时空载开始时间为0，正常为上一任务负载结束的时间，再根据如权利要求第1至5任一项所述的多AGV路径规划算法，规划一条从vc当前所在的节点nc到工件上一工序pi(j-1)所在的机器mk′所在节点nk′的时间最短无冲突路径，并得到vc空载结束时间D′tijc；若空载结束时间D′tijc大于等于工件的上一工序pi(j-1)的结束时间S′i(j-1)k′，执行Step8，否则，执行Step9；
Step8：vc负载开始的时间Ltijc为D′tijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc，跳转到Step10；
Step9：计算在vc空载结束后，根据工序pij上一工序pi(j-1)结束的时间S′i(j-1)k′，以及工件所在的节点位置nk′的时间窗占用情况，得到负载开始的时间Ltijc，再利用多AGV路径规划算法，规划一条从vc空载结束所在的位置nk′到机器mk所在位置nk时间最短无冲突路径，并得到vc负载结束时间L′tijc；
Step10：若L′tijc≤time_machine_start时，工序在mk上开始加工的时间为time_machine_start，回到Step1，执行下一任务单元，若L′tijc＞time_machine_start，确定机器mk上从L′tijc开始时，有连续tijk时长的未安排加工任务的最早开始时间，该时间为mk开始加工工序pij的时间，回到Step1，执行下一任务单元。
8.如权利要求6或7所述的方法，其特征在于，所述改进遗传算法的交叉操作如下：
工序排序部分和AGV选择部分采用优先操作交叉方式；机器选择部分选择采用均匀交叉方式。
9.如权利要求6或7所述的方法，其特征在于，所述改进遗传算法的变异操作如下：
工序排序部分和AGV选择部分采用交换变异，机器部分选择单点突变。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9任一所述方法的步骤。
CN202110789546.XA 2021-07-13 2021-07-13 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 Active CN113592158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110789546.XA CN113592158B (zh) 2021-07-13 2021-07-13 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110789546.XA CN113592158B (zh) 2021-07-13 2021-07-13 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

Publications (2)

Publication Number Publication Date
CN113592158A true CN113592158A (zh) 2021-11-02
CN113592158B CN113592158B (zh) 2024-03-22

Family

ID=78247491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110789546.XA Active CN113592158B (zh) 2021-07-13 2021-07-13 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

Country Status (1)

Country Link
CN (1) CN113592158B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963562A (zh) * 2021-12-21 2022-01-21 北京慧拓无限科技有限公司 作业区多车辆的避让方法以及装置
CN114527766A (zh) * 2022-03-03 2022-05-24 湖南工学院 一种基于最小处理单元的移动机器人路径规划方法
CN114674322A (zh) * 2022-03-30 2022-06-28 同济大学 一种单通道场景下的启发式路径规划方法、设备及介质
CN115202306A (zh) * 2022-07-21 2022-10-18 西安理工大学 基于头脑风暴机制的复杂重型装备生产优化调度方法
CN115328113A (zh) * 2022-05-23 2022-11-11 重庆邮电大学 基于改进时间窗算法的多物流机器人路径规划方法
CN116224923A (zh) * 2022-12-01 2023-06-06 吉林大学 一种考虑冲突规避的多agv路径规划方法
CN116451888A (zh) * 2022-10-21 2023-07-18 中国科学院沈阳自动化研究所 基于多avg的柔性生产车间协同调度的方法
CN117270534A (zh) * 2023-09-22 2023-12-22 苏州科技大学 一种基于改进冲突搜索法的多机器人路径规划方法
CN117273606A (zh) * 2023-09-19 2023-12-22 中油管道物资装备有限公司 一种基于智能仓库的无人搬运车调度方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280213A (ja) * 2003-03-13 2004-10-07 Japan Science & Technology Agency 分散型経路計画装置及び方法、分散型経路計画プログラム
CN106251016A (zh) * 2016-08-01 2016-12-21 南通大学 一种基于动态时间窗的泊车系统路径规划方法
CN110108290A (zh) * 2019-04-24 2019-08-09 东北大学 一种基于遗传算法的多智能车避撞路径规划的方法
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
US20210200240A1 (en) * 2019-12-31 2021-07-01 Delta Electronics Int'l (Singapore) Pte Ltd Automated guided vehicle management system and method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004280213A (ja) * 2003-03-13 2004-10-07 Japan Science & Technology Agency 分散型経路計画装置及び方法、分散型経路計画プログラム
CN106251016A (zh) * 2016-08-01 2016-12-21 南通大学 一种基于动态时间窗的泊车系统路径规划方法
CN110108290A (zh) * 2019-04-24 2019-08-09 东北大学 一种基于遗传算法的多智能车避撞路径规划的方法
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
US20210200240A1 (en) * 2019-12-31 2021-07-01 Delta Electronics Int'l (Singapore) Pte Ltd Automated guided vehicle management system and method

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963562A (zh) * 2021-12-21 2022-01-21 北京慧拓无限科技有限公司 作业区多车辆的避让方法以及装置
CN114527766A (zh) * 2022-03-03 2022-05-24 湖南工学院 一种基于最小处理单元的移动机器人路径规划方法
CN114527766B (zh) * 2022-03-03 2024-09-20 湖南工学院 一种基于最小处理单元的移动机器人路径规划方法
CN114674322A (zh) * 2022-03-30 2022-06-28 同济大学 一种单通道场景下的启发式路径规划方法、设备及介质
CN115328113A (zh) * 2022-05-23 2022-11-11 重庆邮电大学 基于改进时间窗算法的多物流机器人路径规划方法
CN115202306A (zh) * 2022-07-21 2022-10-18 西安理工大学 基于头脑风暴机制的复杂重型装备生产优化调度方法
CN116451888A (zh) * 2022-10-21 2023-07-18 中国科学院沈阳自动化研究所 基于多avg的柔性生产车间协同调度的方法
CN116451888B (zh) * 2022-10-21 2024-01-09 中国科学院沈阳自动化研究所 基于多agv的柔性生产车间协同调度的方法
CN116224923B (zh) * 2022-12-01 2023-12-29 吉林大学 一种考虑冲突规避的多agv路径规划方法
CN116224923A (zh) * 2022-12-01 2023-06-06 吉林大学 一种考虑冲突规避的多agv路径规划方法
CN117273606A (zh) * 2023-09-19 2023-12-22 中油管道物资装备有限公司 一种基于智能仓库的无人搬运车调度方法及系统
CN117273606B (zh) * 2023-09-19 2024-04-12 中油管道物资装备有限公司 一种基于智能仓库的无人搬运车调度方法及系统
CN117270534A (zh) * 2023-09-22 2023-12-22 苏州科技大学 一种基于改进冲突搜索法的多机器人路径规划方法
CN117270534B (zh) * 2023-09-22 2024-08-20 苏州科技大学 一种基于改进冲突搜索法的多机器人路径规划方法

Also Published As

Publication number Publication date
CN113592158B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
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
CN105354648B (zh) Agv调度管理的建模及其优化方法
CN107167154B (zh) 一种基于时间代价函数的时间窗路径规划冲突解决方法
US11635749B2 (en) Optimized factory schedule and layout generation
Lyu et al. Approach to integrated scheduling problems considering optimal number of automated guided vehicles and conflict-free routing in flexible manufacturing systems
CN110009259B (zh) 一种应用于双向路径下柔性制造车间的多agv调度方法
CN112833905B (zh) 基于改进a*算法的分布式多agv无碰撞路径规划方法
CN111596658A (zh) 一种多agv无碰撞运行的路径规划方法及调度系统
CN109543872B (zh) 多机器人无停车调度方法和系统
Hu et al. Conflict-free scheduling of large-scale multi-load AGVs in material transportation network
CN108520326B (zh) 一种基于agv任务路径调度的监督控制器实时合成方法
CN113359702B (zh) 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法
CN115237137B (zh) 一种多agv调度与协同路径规划方法和装置
Hu et al. Multi-AGV dispatching and routing problem based on a three-stage decomposition method
CN112465192B (zh) 任务调度的方法、装置、设备及介质
CN113516429B (zh) 一种基于网络拥堵模型的多agv全局规划方法
CN110285821A (zh) 一种基于智能停车场的agv存取车路径优化方法
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
Zhu et al. A decision model on human-robot collaborative routing for automatic logistics
CN111598332A (zh) 一种智能制造环境下车间双资源集成调度方法及系统
CN112801484A (zh) 一种考虑配料误差的物料配送调度方法和系统
Sun et al. CROTPN based collision-free and deadlock-free path planning of AGVs in logistic center
Hu et al. A dynamic integrated scheduling method based on hierarchical planning for heterogeneous AGV fleets in warehouses
CN116719282A (zh) 一种考虑路径规划和扰动响应的车间集成动态调度方法
Xia et al. A multi-AGV optimal scheduling algorithm based on particle swarm optimization

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