CN113780633A - 面向复杂环境的带实时冲突消解的多agv智能协同调度方法 - Google Patents

面向复杂环境的带实时冲突消解的多agv智能协同调度方法 Download PDF

Info

Publication number
CN113780633A
CN113780633A CN202110958806.1A CN202110958806A CN113780633A CN 113780633 A CN113780633 A CN 113780633A CN 202110958806 A CN202110958806 A CN 202110958806A CN 113780633 A CN113780633 A CN 113780633A
Authority
CN
China
Prior art keywords
agv
task
conflict
time
path
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
CN202110958806.1A
Other languages
English (en)
Other versions
CN113780633B (zh
Inventor
赵宏
袁锴薪
刘静
刘洋
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.)
Guangzhou Infohand Technology Co ltd
Original Assignee
Guangzhou Institute of Technology of Xidian University
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 Guangzhou Institute of Technology of Xidian University filed Critical Guangzhou Institute of Technology of Xidian University
Priority to CN202110958806.1A priority Critical patent/CN113780633B/zh
Publication of CN113780633A publication Critical patent/CN113780633A/zh
Application granted granted Critical
Publication of CN113780633B publication Critical patent/CN113780633B/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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，具体包括以下步骤：获取复杂环境的地图和AGV路网信息，若产生任务请求，获取任务的起点位置信息、终点位置信息、所有AGV小车的位置信息，根据时间最短原则选择空闲AGV小车执行任务，获取执行任务的AGV小车的最短路径和所需时间，并为其规划执行任务的时间节点，实时监测不同AGV小车的运行状态；若产生冲突，获取当前时刻所有AGV小车的相关信息，构建其位置信息集合、冲突小车集合、冲突的公共路径段对应的节点集合，将冲突的AGV小车调度到缓冲节点并按照先进后出的顺序依次通过冲突的公共路径段。本发明实现多辆AGV的并行任务调度安排和自适应的冲突消解，能够规避和消解冲突。

Description

面向复杂环境的带实时冲突消解的多AGV智能协同调度方法
技术领域
本发明涉及AGV技术领域，特别是涉及一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法。
背景技术
近年来，信息技术与工业技术都得到了长足的发展，特别是新兴信息技术与传统工业技术的结合所开创出来的全新智能化时代，是下一代生产革命的趋势。在此大背景下，世界各国为了适应时代的需求，纷纷布局下一代智能工业。智能制造作为信息技术、人工智能的新兴产物是当前研究的重中之重。
在智能制造这场新的工业革命浪潮中，全球制造业都面临着前所未有的变革、冲击与机遇。智能工厂作为智能制造的主要载体，具备一定的协调、重组、扩充特性及自主决策能力。随着现代制造业的发展和升级，智能自动导航运输车AGV在产品加工、物流调度等工业场景中得到广泛应用。传统的工厂系统中，需要消耗大量的人力资源进行重复繁杂的货物查找、搬运和整理，而且由于现在工厂货物的种类增多、周期缩短、规模变大等特点，传统模式的人力操作、传送带运输的工厂物流方式已经难以满足需求。因此，快速的货物分拣、自动化智能车间运输、追求低错误率和低人力成本，同时提高工厂系统的整体运作效率，促进企业智能化和自动化的转型，成为工厂物流业发展的主要目标。AGV是AutomatedGuidedVehicle的缩写，意即“自动导引运输车”。在工厂环境中的产品生产加工场景中，传统方法通常使用单一的AGV小车依次处理工厂车间中所有的调度请求，或者对工厂场地进行区域划分，使用AGV分别处理各自区域的调度加工请求。然而，由于实际任务具有高度的随机动态性，任务规模一般较大，对机器人的数量要求、协作能力、响应能力、故障容错能力、多AGV的性能和系统效率要求更高因此需要进一步对多AGV智能调度进行研究。现有方法通常面临着盲目搜索，效率低下甚至难以规划出有效路径的问题。
1、现有的参与调度的AGV数量通常较少，AGV的协作能力和故障容错能力较差，调度效率较低。
2、现有的AGV调度方法缺乏智能的故障解决能力，发生冲突后往往导致大规模的调度任务瘫痪，需要人工介入修正，自动化水平较低。
因此，在“智能制造”的倡导下，亟需一种智能、高效的AGV小车调度方案来实现多个AGV小车的实时路径规划和动态避障技术。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，能够实现多辆AGV的并行任务调度安排和自适应的冲突消解，提升了工厂环境下多AGV小车的运输效率，不仅通过冲突预测在路径规划时规避掉了大量的冲突，同时在某些不可预测的冲突发生时，能够自动的消解冲突，实现了多AGV调度系统的自动化，智能化和高效化。
为了达到上述目的，本发明所采用的具体技术方案如下：
一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，具体包括以下步骤：
步骤一，获取复杂环境的地图和AGV路网信息，判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
步骤二，获取任务的起点位置信息、终点位置信息、所有AGV小车的位置信息，根据时间最短原则选择空闲AGV小车执行任务，获取执行任务的AGV小车的最短路径和所需时间，并为其规划执行任务的时间节点，执行步骤三；
步骤三，实时监测不同AGV小车的运行状态；
步骤四，判断是否发生冲突，若是，则执行步骤五，若未发生冲突则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
步骤五，获取当前时刻所有AGV小车的相关信息，构建其位置信息集合、冲突小车集合、冲突的公共路径段对应的节点集合，将冲突的AGV小车调度到缓冲节点并按照先进后出的顺序依次通过冲突的公共路径段；
步骤六，判断AGV小车是否到达任务终点，若是，则将该AGV小车的状态切换为空闲状态，否则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三。
优选的，步骤二具体包括以下步骤：
B、获取当前任务的起点位置信息和终点位置信息；
C、获取所有AGV小车的位置信息；
D、计算所有空闲AGV小车调度到任务起点的最短路径，并确定在与忙碌AGV小车不冲突情形下的出发时间和从任务下发到到达任务起点的时间代价；
E、从所有空闲AGV小车中选择抵达任务起点的预估时间代价最小的空闲AGV小车执行当前的任务；
F、获得响应当前第i个任务的小车到达任务起点的最短路径和对应的时间代价；
G、为响应任务的小车规划从任务起点到任务终点的路径以及其离开任务起点的时刻，并将其和该小车到达起点的最短路径，小车离开自身位置的时刻一并下发给终端AGV小车。
优选的，步骤D具体包括以下步骤：
D1、在任务下发时刻Ti，第j个空闲的AGV小车记为AFj，该车此刻的位置记为CAFj；其中，j＝1，2，…，f，f为此刻空闲AGV的总数；第k个忙碌的AGV小车ABk，该车执行的任务路径记为PABk，其中，k＝1，2，…，b，b为此刻忙碌AGV的总数，小车运行的平均速度为v；
D2、利用迪杰斯特拉算法搜索所有空闲AGV小车AFj从所在位置CAFj到达任务起点Si的最短路径ArrivePj和对应的路径长度Lengthj，并计算预估的通过路径的时间代价PathCostj，其中，PathCostj＝Lengthj/v；
D3、初始化空闲的AGV小车AFj的出发预估时刻为Tij＝Ti，设该AGV小车为了规避冲突的出发延迟时间为tjk，AGV小车的出发预估时刻更新为Tij＝Tij+tjk，则AGV小车AFj从任务下发时刻Ti到调度到任务起点Si的预估时间代价为
ArriveCostj＝PathCostj+(Tij-Ti)。
优选的，步骤G包括以下步骤：
G1、初始化AFj*离开起点Si的时刻TE＝Ti+ArriveCostj*；
G2、生成规避掉其他空闲小车的最短路径，利用迪杰斯特拉算法规划AFj*从起点Si到达终点Ei的最短路径Pi；
G3、判断为AFj*规划的最短路径Pi和第k个忙碌的AGV小车ABk要经过的路径PABk是否存在公共路径段，如果存在公共路径段，判断二者是否会在公共路径段发生冲突，如果预测到AFj*在TE时刻出发会和AGV小车ABk发生冲突，则安排AFj*延迟tjk*s，等到ABk通过公共路径后AFj*小车再执行任务，预估小车和所有忙碌小车可能发生的冲突并做延迟规避冲突更新后，得到AFj*离开起点Si的出发预估时刻TE。
优选的，步骤五具体包括以下步骤：
I、获取当前时刻所有AGV小车的信息；
J、构建当前时刻所有小车的位置信息集合和冲突小车集合；
K、构建冲突小车集合中的所有小车发生冲突的公共路径段对应的节点集合；
L、将冲突的AGV小车从冲突路径段依次调度到缓冲节点处；
M、将发生冲突的AGV小车调离到缓冲点的顺序从其所在的缓冲点依次通过发生冲突的公共路径；
N、冲突化解，所有小车继续执行当前的调度任务。
优选的，步骤J具体包括以下步骤：
J1、从AGV小车终端读取所有小车此刻的位置，将这些位置信息存储在位置信息集合L＝{Location1，Location2，…，LocationN}；
J2、初始化发生冲突的AGV小车集合AConflictSet为空集合，如果Ak小车沿着执行任务的规划路径Pathk经过Locationk到达的下一个节点处小车Am此刻的位置Locationm，m≠k，则将Ak与Am加入集合AConflictSet中，其中，k＝1，2，…，N；
J3、从AConflictSet中移除重复元素，统计冲突小车集合AConflictSet中的剩余小车总数，记为c。
优选的，步骤K具体包括以下步骤：
K1、初始化发生冲突的公共节点集合SharedADLocations为空集合；
K2：对于任意一组小车组合(AConflictSetx，AConflictSety)，将发生冲突的AGV小车AConflictSetx执行的任务的规划路径Pathx和AConflictSety执行的任务的规划路径Pathy的公共路径上的所有节点加入集合SharedADLocations中，其中i＝1，2，…，c，j＝i+1，i+2，…，c；
K3：从SharedADLocations移除重复出现的节点。
优选的，步骤L具体包括以下步骤：
L1、从冲突小车集合AConflictSet中随机选取一个在冲突状态下仍能够移动到其他节点的AGV小车AConflictSetk；
L2：生成规避掉其他小车的最短路径，将其他AGV小车所在的位置邻接的边删除，生成新的路网信息中的边的集合Er，然后在图Gr＝(V，Er)上利用迪杰斯特拉算法规划AConflictSetk从起点当前位置Locationk移动到最近的属性为AP且不在SharedADLocations中的缓冲节点TransitLocationk处，然后恢复最初的路网信息中的边的集合E，其中k＝1，2，…，c；
L3：更新所有小车的位置信息集合L，并从冲突集合AConflictSet移除AConflictSetk；
L4：如果AConflictSet集合不为空，返回L1；否则结束。
本发明的有益效果在于：能够实现多辆AGV的并行任务调度安排和自适应的冲突消解，提升了工厂环境下多AGV小车的运输效率，不仅通过冲突预测在路径规划时规避掉了大量的冲突，同时在某些不可预测的冲突发生时，能够自动的消解冲突，实现了多AGV调度系统的自动化，智能化和高效化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是由四个AP节点和四个LM构成工厂环境下的AGV小车路网图；
图2是延迟规避冲突示意图；
图3是规避空闲小车规划最短路径示意图；
图4是多辆小车冲突示意图；
图5是多辆小车冲突消解轨迹次序图；
图6是一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
如图1-图6所示，本发明提出了一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，具体包括以下步骤：
步骤一，获取复杂环境的地图和AGV路网信息，判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
具体的，包括步骤A、获取工厂地图(复杂环境的一种)和AGV路网信息：根据实际工厂的生产环境和加工设施布置，获取工厂的地图信息，以及AGV小车在工厂中的路网信息G＝(V，E)，其中V为图的节点集合，包含两种属性：AP或者LM；E为图中的边的集合。其中AP节点为工厂中的加工单元的入口节点，AGV可以在该节点将产品移交给相应的加工系统或从该节点提取经过某个工序加工后得到的产品，LM为路网中的其他节点。附图1给出了一个简单的AGV小车在工厂中的调度路网图。
步骤二，获取任务的起点位置信息、终点位置信息、所有AGV小车的位置信息，根据时间最短原则选择空闲AGV小车执行任务，获取执行任务的AGV小车的最短路径和所需时间，并为其规划执行任务的时间节点，执行步骤三；
B、获取当前任务的起点位置信息和终点位置信息；根据服务端下发的调度任务指令，获取当前任务的起点Si(Si表示当前第i个调度任务的起点)，终点Ei(Ei表示当前第i个调度任务的终点)和任务的下发时间Ti。
C、获取所有AGV小车的位置信息；从小车终端读取在Ti时刻所有小车的位置信息Lj。其中，Lj表示第j辆AGV小车在Ti时刻的位置信息。
D、计算所有空闲AGV小车调度到任务起点的最短路径，并确定在与忙碌AGV小车不冲突情形下的出发时间和从任务下发到到达任务起点的时间代价；在任务下发时间Ti时刻，使用迪杰斯特拉最短路径算法搜索每一辆空闲AGV小车AFj从停放位置CAFj调度到当前任务的起点Si的最短路径ArrivePj和预估的通过路径的时间代价PathCostj。并根据其他忙碌小车状态确定小车出发时间Tij(其中Tij表示安排第j辆空闲AGV小车离开CAFj调度到起点Si的预估出发时刻)和从从任务下发Ti时刻到到达起点的时间代价ArriveCostj。其中，j＝1，2，…，f，f为所有空闲AGV小车的总数。
E、从所有空闲AGV小车中选择抵达任务起点的预估时间代价最小的空闲AGV小车执行当前的任务；从f辆空闲AGV小车中选择到达任务起点Si的时间代价最小的小车AFj*执行当前第i个的任务。其中，
Figure BDA0003221361640000061
F、获得响应当前第i个任务的小车到达任务起点的最短路径和对应的时间代价；记录AGV小车AFj*到达任务起点Si的最短路径ArrivePj*，从任务下发的Ti时刻到到达起点的时间代价ArriveCostj*和AFj*离开CAFj*位置的时刻Tij*。
G、为响应任务的小车规划从任务起点到任务终点的路径以及其离开任务起点的时刻，并将其和该小车到达起点的最短路径，小车离开自身位置的时刻一并下发给终端AGV小车。根据当前其他空闲小车AFj(j≠j*)和所有忙碌小车ABk的状态信息和任务信息，预测AFj*在执行任务时可能出现的冲突，在潜在的冲突约束下规划从任务起点到终点的路径，从而规划出一条规避掉潜在冲突的路径Pi和AFj*离开起点Si的时刻TE，将其和到达起点Si的最短路径ArrivePj*，离开CAFj*的时刻Tij*一并下发给终端小车AFj*。
步骤三，实时监测不同AGV小车的运行状态；
H、实时监测不同AGV运行状态：实时监测AGV小车的运行状态，监测AGV小车是否出现发生任务冲突。
步骤四，判断是否发生冲突，若是，则执行步骤五，若未发生冲突则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
步骤五，获取当前时刻所有AGV小车的相关信息，构建其位置信息集合、冲突小车集合、冲突的公共路径段对应的节点集合，将冲突的AGV小车调度到缓冲节点并按照先进后出的顺序依次通过冲突的公共路径段；
I、获取当前时刻所有AGV小车的信息；获取当前时刻所有AGV小车Ak(Ak表示第k辆AGV小车)的信息InformationAk，包含所有小车此刻的位置信息Locationk，小车的状态信息Statek，和小车此刻执行的任务路径信息Pathk。其中，k＝1，2，…，N，N为AGV小车的总数。
J、构建当前时刻所有小车的位置信息集合和冲突小车集合；根据所有AGV小车的信息InformationAk构建所有AGV小车的位置集合L＝{Location1，Location2，…，LocationN}。初始化发生冲突的AGV小车集合AConflictSet为空，如果Ak小车沿着执行任务的规划路径Pathk经过Locationk到达的下一个节点处为Locationm，m≠k，则将Ak与Am加入集合AConflictSet中。其中，k＝1，2，…，N。检测完所有小车的位置信息后，从AConflictSet中移除重复元素，得到的冲突小车集合中的小车总数为c。
K、构建冲突小车集合中的所有小车发生冲突的公共路径段对应的节点集合；初始化冲突场景对应节点集合SharedADLocations为空。对于任意一组小车组合(AConflictSeti，AConflictSetj)，将AGV小车AConflictSeti和AConflictSetj对应的任务路径的公共路段上的所有节点加入集合SharedADLocations中。其中i＝1，2，…，c，j＝i+1，i+2，…，c。然后从SharedADLocations移除重复出现的节点。
L、将冲突的AGV小车从冲突路径段依次调度到缓冲节点处；从冲突小车集合AConflictSet中查找在冲突状态下，能够移动到其他节点的AGV小车AConflictSetk，在不途径所有小车的位置信息集合L的约束下，利用迪杰斯特拉算法规划新路径Pnewk，将其从Locationk移动到最近的属性为AP且不在公共路径段对应的节点集合SharedADLocations中的缓冲节点TransitLocationk处，然后更新所有小车的位置信息集合L。其中k＝1，2，…，c。并从AConflictSet移除AConflictSetk。当AConflictSetk到达TransitLocationk后，依次移动其他在AConflictSet中的冲突小车，直到AConflictSet集合为空。
M、将发生冲突的AGV小车调离到缓冲点的顺序从其所在的缓冲点依次通过发生冲突的公共路径；按照移出冲突小车集合AConflictSet的先后顺序，将第一个调离的小车AConflictSetk沿着Pnewk从TransitLocationk出发移动回到Locationk，并继续沿着未完成的任务路径Pathk继续执行任务。当AConflictSetk离开公共路径段对应的节点集合SharedADLocations后，安排第二个小车通过发生冲突的公共路径段，依次类推，直到所有小车离开发生冲突的公共路径段。
N、冲突化解，所有小车继续执行当前的调度任务。
步骤六，判断AGV小车是否到达任务终点，若是，则将该AGV小车的状态切换为空闲状态，否则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三。
O、将对应的小车状态切换为空闲态：执行调度任务的AGV小车到达任务的终点，小车将货物移交给加工单元，小车状态置为空闲状态。
优选的，步骤D计算所有空闲AGV小车调度到任务起点的最短路径，并确定在与忙碌AGV小车不冲突情形下的出发时间和从任务下发到到达任务起点的时间代价。具体包括以下步骤：
D1、在任务下发时刻Ti，第j个空闲的AGV小车记为AFj，该车此刻的位置记为CAFj；其中，j＝1，2，…，f，f为此刻空闲AGV的总数；第k个忙碌的AGV小车ABk，该车执行的任务路径记为PABk，其中，k＝1，2，…，b，b为此刻忙碌AGV的总数，小车运行的平均速度为v；
D2、利用迪杰斯特拉算法搜索所有空闲AGV小车AFj从所在位置CAFj到达任务起点Si的最短路径ArrivePj和对应的路径长度Lengthj，并计算预估的通过路径的时间代价PathCostj，其中，PathCostj＝Lengthj/v；
D3、初始化空闲的AGV小车AFj的出发预估时刻Tij＝Ti。判断为AFj规划的最短路径ArrivePj和第k个忙碌的AGV小车ABk要经过的路径PABk是否存在公共路径段。如果存在公共路径段，判断二者是否会在公共路径段发生冲突，如果预测到AFj在Tij时刻出发会和AGV小车ABk发生冲突，则安排AFj延迟tjks，等到ABk通过公共路径后AFj小车再执行任务。即小车的出发预估时刻更新为Tij＝Tij+tjk。其中，tjk为为了避免小车AFj和ABk在公共路径段发生冲突的等待时间。预估小车和所有忙碌小车可能发生的冲突并做延迟规避冲突更新后，得到第j辆空闲AGV小车AFj的出发预估时刻Tij。相应地，AFj从任务下发时刻Ti到调度到任务起点Si的预估时间代价为ArriveCostj＝PathCostj+(Tij-Ti)。
如图2左图所示，如果在t＝Ti时刻，空闲AGV小车AF1按照紫色虚线开始执行调度任务，则会和按照红色虚线正在忙碌的AGV小车AB1在公共路径e(LM1，LM2)(图2中的橙色边)产生调度冲突；为了避免冲突，将AF1的出发时刻延迟t11，此时忙碌的小车AB1离开公共路径到达节点LM2，在t＝Ti+t11时刻安排AF1按照紫色虚线开始执行调度任务，此时两辆小车可能发生的冲突被规避掉。
优选的，步骤G为响应任务的小车规划从任务起点到任务终点的路径以及其离开任务起点的时刻，并将其和该小车到达起点的最短路径，小车离开自身位置的时刻一并下发给该终端AGV小车。包括以下步骤：
G1、初始化AFj*离开起点Si的时刻TE＝Ti+ArriveCostj*；
G2、生成规避掉其他空闲小车的最短路径。将其他空闲AGV小车AFj(j≠j*)所在的位置邻接的边删除，生成新的路网信息中的边的集合Er。然后在图Gr＝(V，Er)上利用迪杰斯特拉算法规划AFj*从起点Si到达终点Ei的最短路径Pi。然后恢复最初的路网信息。附图3给出了一个规避空闲小车规划最短路径的简单例子。
如图3所示，在G中规划得到的将空闲小车AF1调度到节点AP3的最短路径如图3左图中的紫色虚线所示。然而该最短路径忽略了其他空闲的AGV小车对路线的阻断，因此若按照该路径调度小车AF1则会发生冲突。为此，我们将空闲小车AF2所在的节点连接的边删除，生成新的图Gr＝(V，Er)，然后在Gr上利用迪杰斯特拉算法规划将空闲小车AF1调度到节点AP3的最短路径，路径如图3右图中的紫色虚线所示。
G3、判断为AFj*规划的最短路径Pi和第k个忙碌的AGV小车ABk要经过的路径PABk是否存在公共路径段，如果存在公共路径段，判断二者是否会在公共路径段发生冲突，如果预测到AFj*在TE时刻出发会和AGV小车ABk发生冲突，则安排AFj*延迟tjk*s，等到ABk通过公共路径后AFj*小车再执行任务，预估小车和所有忙碌小车可能发生的冲突并做延迟规避冲突更新后，得到AFj*离开起点Si的出发预估时刻TE。
优选的，步骤J构建当前时刻所有小车的位置信息集合和冲突小车集合。具体包括以下步骤：
J1、从AGV小车终端读取所有小车此刻的位置，将这些位置信息存储在位置信息集合L＝{Location1，Location2，…，LocationN}；
J2、初始化发生冲突的AGV小车集合AConflictSet为空集合，如果Ak小车沿着执行任务的规划路径Pathk经过Locationk到达的下一个节点处小车Am此刻的位置Locationm，m≠k，则将Ak与Am加入集合AConflictSet中，其中，k＝1，2，…，N；
J3、从AConflictSet中移除重复元素，统计冲突小车集合AConflictSet中的剩余小车总数，记为c。
优选的，步骤K构建冲突小车集合中的所有小车发生冲突的公共路径段对应的节点集合。具体包括以下步骤：
K1、初始化发生冲突的公共节点集合SharedADLocations为空集合；
K2：对于任意一组小车组合(AConflictSetx，AConflictSety)，将发生冲突的AGV小车AConflictSetx执行的任务的规划路径Pathx和AConflictSety执行的任务的规划路径Pathy的公共路径上的所有节点加入集合SharedADLocations中，其中i＝1，2，…，c，j＝i+1，i+2，…，c；
K3：从SharedADLocations移除重复出现的节点。
优选的，步骤L将冲突的AGV小车从冲突路径段依次调度到缓冲节点处。具体包括以下步骤：
L1、从冲突小车集合AConflictSet中随机选取一个在冲突状态下仍能够移动到其他节点的AGV小车AConflictSetk；
L2：生成规避掉其他小车的最短路径，将其他AGV小车所在的位置邻接的边删除，生成新的路网信息中的边的集合Er，然后在图Gr＝(V，Er)上利用迪杰斯特拉算法规划AConflictSetk从起点当前位置Locationk移动到最近的属性为AP且不在SharedADLocations中的缓冲节点TransitLocationk处，然后恢复最初的路网信息中的边的集合E，其中k＝1，2，…，c；
L3：更新所有小车的位置信息集合L，并从冲突集合AConflictSet移除AConflictSetk；
L4：如果AConflictSet集合不为空，返回L1；否则结束。附图4给出了一个将冲突AGV小车调度到缓冲节点处的简单例子。
如图4所示，忙碌的五辆AGV小车AB1，AB2，AB3，AB4和AB5在工厂中相互锁死在了公共路径{LM4-LM5-LM6-LM7-LM8}，他们的部分调度路径如图4中的红色虚线所示。可以看到，在这种情形下，小车AB2，AB3和AB4的所有邻居均有其他小车，处于完全锁死的状态。小车AB1和AB5仍旧可以移动到其他没有小车停放的节点。(小车AB1可以被安排调度到LM3节点，小车AB5可以被安排调度到LM9节点)。我们随机选取小车AB1移动到其他节点来实现冲突消解。需要注意的是，尽管将AB1调度到LM3节点后，小车AB2的锁死状态解除(小车AB2所在的节点LM5的邻居节点位LM4没有小车)，然而小车AB1在主干道节点LM3上，会制约AB2的进一步移动。因此，在调动小车AB1解冲突时，将其移动到最近的属性为AP的节点处。如图4所示，首先将AB1调度到最近的空闲AP节点处AP3，类似地，依次调度AB1到最近的空闲AP2节点，然后调动AB3到最近的空闲AP1节点，然后调动AB5到最近的空闲AP9，最后调动AB4到最近的空闲AP6，至此，冲突路径中不再有任何小车，冲突消解。此时所有忙碌小车的位置如图5所示。冲突消解的轨迹如图5中绿色虚线所示。随后，按照调离冲突路径的次序，依次让所有小车调离总共冲突路径，冲突消解。
对比传统的AGV调度算法，本发明提出了面向复杂工厂环境的带实时冲突消解的多AGV智能协同调度规划方法，本方法的特色之处是能够实现多辆AGV的并行任务调度安排和自适应的冲突消解，提升了工厂环境下多AGV小车的运输效率。本发明不仅通过冲突预测模块在路径规划时规避掉了大量的冲突，同时在某些不可预测的冲突发生时，能够自动的消解冲突，实现了多AGV调度系统的自动化，智能化和高效化。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，本领域技术人员完全可以在不偏离本发明技术思想的范围内，进行多样的变更以及修改。本发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求书范围来确定其技术性范围。

Claims (8)

1.一种面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，具体包括以下步骤：
步骤一，获取复杂环境的地图和AGV路网信息，判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
步骤二，获取任务的起点位置信息、终点位置信息、所有AGV小车的位置信息，根据时间最短原则选择空闲AGV小车执行任务，获取执行任务的AGV小车的最短路径和所需时间，并为其规划执行任务的时间节点，执行步骤三；
步骤三，实时监测不同AGV小车的运行状态；
步骤四，判断是否发生冲突，若是，则执行步骤五，若未发生冲突则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三；
步骤五，获取当前时刻所有AGV小车的相关信息，构建其位置信息集合、冲突小车集合、冲突的公共路径段对应的节点集合，将冲突的AGV小车调度到缓冲节点并按照先进后出的顺序依次通过冲突的公共路径段；
步骤六，判断AGV小车是否到达任务终点，若是，则将该AGV小车的状态切换为空闲状态，否则在等待设定时间后判断是否产生任务请求，若是，执行步骤二，否则执行步骤三。
2.根据权利要求1所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤二具体包括以下步骤：
B、获取当前任务的起点位置信息和终点位置信息；
C、获取所有AGV小车的位置信息；
D、计算所有空闲AGV小车调度到任务起点的最短路径，并确定在与忙碌AGV小车不冲突情形下的出发时间和从任务下发到到达任务起点的时间代价；
E、从所有空闲AGV小车中选择抵达任务起点的预估时间代价最小的空闲AGV小车执行当前的任务；
F、获得响应当前第i个任务的小车到达任务起点的最短路径和对应的时间代价；
G、为响应任务的小车规划从任务起点到任务终点的路径以及其离开任务起点的时刻，并将其和该小车到达起点的最短路径，小车离开自身位置的时刻一并下发给终端AGV小车。
3.根据权利要求2所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤D具体包括以下步骤：
D1、在任务下发时刻Ti，第j个空闲的AGV小车记为AFj，该车此刻的位置记为CAFj；其中，j＝1，2，…，f，f为此刻空闲AGV的总数；第k个忙碌的AGV小车ABk，该车执行的任务路径记为PABk，其中，k＝1，2，…，b，b为此刻忙碌AGV的总数，小车运行的平均速度为v；
D2、利用迪杰斯特拉算法搜索所有空闲AGV小车AFj从所在位置CAFj到达任务起点Si的最短路径ArrivePj和对应的路径长度Lengthj，并计算预估的通过路径的时间代价PathCostj，其中，PathCostj＝Lengthj/v；
D3、初始化空闲的AGV小车AFj的出发预估时刻为Tij＝Ti，设该AGV小车为了规避冲突的出发延迟时间为tjk，AGV小车的出发预估时刻更新为Tij＝Tij+tjk，则AGV小车AFj从任务下发时刻Ti到调度到任务起点Si的预估时间代价为
ArriveCostj＝PathCostj+(Tij-Ti)。
4.根据权利要求3所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤G包括以下步骤：
G1、初始化AFj*离开起点Si的时刻TE＝Ti+ArriveCostj*；
G2、生成规避掉其他空闲小车的最短路径，利用迪杰斯特拉算法规划AFj*从起点Si到达终点Ei的最短路径Pi；
G3、判断为AFj*规划的最短路径Pi和第k个忙碌的AGV小车ABk要经过的路径PABk是否存在公共路径段，如果存在公共路径段，判断二者是否会在公共路径段发生冲突，如果预测到AFj*在TE时刻出发会和AGV小车ABk发生冲突，则安排AFj*延迟tjk*s，等到ABk通过公共路径后AFj*小车再执行任务，预估小车和所有忙碌小车可能发生的冲突并做延迟规避冲突更新后，得到AFj*离开起点Si的出发预估时刻TE。
5.根据权利要求1所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤五具体包括以下步骤：
I、获取当前时刻所有AGV小车的信息；
J、构建当前时刻所有小车的位置信息集合和冲突小车集合；
K、构建冲突小车集合中的所有小车发生冲突的公共路径段对应的节点集合；
L、将冲突的AGV小车从冲突路径段依次调度到缓冲节点处；
M、将发生冲突的AGV小车调离到缓冲点的顺序从其所在的缓冲点依次通过发生冲突的公共路径；
N、冲突化解，所有小车继续执行当前的调度任务。
6.根据权利要求5所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤J具体包括以下步骤：
J1、从AGV小车终端读取所有小车此刻的位置，将这些位置信息存储在位置信息集合L＝{Location1，Location2，…，LocationN}；
J2、初始化发生冲突的AGV小车集合AConflictSet为空集合，如果Ak小车沿着执行任务的规划路径Pathk经过Locationk到达的下一个节点处小车Am此刻的位置Locationm，m≠k，则将Ak与Am加入集合AConflictSet中，其中，k＝1，2，…，N；
J3、从AConflictSet中移除重复元素，统计冲突小车集合AConflictSet中的剩余小车总数，记为c。
7.根据权利要求5所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤K具体包括以下步骤：
K1、初始化发生冲突的公共节点集合SharedADLocations为空集合；
K2：对于任意一组小车组合(AConflictSetx，AConflictSety)，将发生冲突的AGV小车AConflictSetx执行的任务的规划路径Pathx和AConflictSety执行的任务的规划路径Pathy的公共路径上的所有节点加入集合SharedADLocations中，其中i＝1，2，…，c，j＝i+1，i+2，…，c；
K3：从SharedADLocations移除重复出现的节点。
8.根据权利要求5所述的面向复杂环境的带实时冲突消解的多AGV智能协同调度方法，其特征在于，步骤L具体包括以下步骤：
L1、从冲突小车集合AConflictSet中随机选取一个在冲突状态下仍能够移动到其他节点的AGV小车AConflictSetk；
L2：生成规避掉其他小车的最短路径，将其他AGV小车所在的位置邻接的边删除，生成新的路网信息中的边的集合Er，然后在图Gr＝(V，Er)上利用迪杰斯特拉算法规划AConflictSetk从起点当前位置Locationk移动到最近的属性为AP且不在SharedADLocations中的缓冲节点TransitLocationk处，然后恢复最初的路网信息中的边的集合E，其中k＝1，2，…，c；
L3：更新所有小车的位置信息集合L，并从冲突集合AConflictSet移除AConflictSetk；
L4：如果AConflictSet集合不为空，返回L1；否则结束。
CN202110958806.1A 2021-08-20 2021-08-20 面向复杂环境的带实时冲突消解的多agv智能协同调度方法 Active CN113780633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110958806.1A CN113780633B (zh) 2021-08-20 2021-08-20 面向复杂环境的带实时冲突消解的多agv智能协同调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110958806.1A CN113780633B (zh) 2021-08-20 2021-08-20 面向复杂环境的带实时冲突消解的多agv智能协同调度方法

Publications (2)

Publication Number Publication Date
CN113780633A true CN113780633A (zh) 2021-12-10
CN113780633B CN113780633B (zh) 2023-01-06

Family

ID=78838509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110958806.1A Active CN113780633B (zh) 2021-08-20 2021-08-20 面向复杂环境的带实时冲突消解的多agv智能协同调度方法

Country Status (1)

Country Link
CN (1) CN113780633B (zh)

Cited By (7)

* 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
CN114415675A (zh) * 2021-12-30 2022-04-29 西安电子科技大学广州研究院 一种基于智能预测和误差识别的多agv规划方法及系统
CN114757591A (zh) * 2022-06-14 2022-07-15 湖南大学 基于行为依赖图的多车型协同分拣调度方法
CN114819420A (zh) * 2022-06-29 2022-07-29 弥费实业(上海)有限公司 基于冲突消解的天车运输路径规划方法
CN115220461A (zh) * 2022-09-21 2022-10-21 睿羿科技(山东)有限公司 室内复杂环境下机器人单体系统及多机器人交互协同方法
CN115375251A (zh) * 2022-10-27 2022-11-22 埃克斯工业有限公司 基于ropn技术的物料搬运调度方法、设备及介质
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106843218A (zh) * 2017-02-16 2017-06-13 上海理工大学 车间用自动导引装置调度方法
CN109765896A (zh) * 2019-01-29 2019-05-17 重庆大学 一种基于智能停车场多agv的动态路径规划方法
CN109782757A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于分段调度的多agv系统的路径调度方法
WO2021068649A1 (zh) * 2019-10-08 2021-04-15 北京京东乾石科技有限公司 用于控制无人搬运车的方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106843218A (zh) * 2017-02-16 2017-06-13 上海理工大学 车间用自动导引装置调度方法
CN109782757A (zh) * 2018-12-30 2019-05-21 芜湖哈特机器人产业技术研究院有限公司 一种基于分段调度的多agv系统的路径调度方法
CN109765896A (zh) * 2019-01-29 2019-05-17 重庆大学 一种基于智能停车场多agv的动态路径规划方法
WO2021068649A1 (zh) * 2019-10-08 2021-04-15 北京京东乾石科技有限公司 用于控制无人搬运车的方法和装置

Cited By (10)

* 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
CN114415675A (zh) * 2021-12-30 2022-04-29 西安电子科技大学广州研究院 一种基于智能预测和误差识别的多agv规划方法及系统
CN114757591A (zh) * 2022-06-14 2022-07-15 湖南大学 基于行为依赖图的多车型协同分拣调度方法
CN114819420A (zh) * 2022-06-29 2022-07-29 弥费实业(上海)有限公司 基于冲突消解的天车运输路径规划方法
CN114819420B (zh) * 2022-06-29 2022-09-30 弥费实业(上海)有限公司 基于冲突消解的天车运输路径规划方法
WO2024001021A1 (zh) * 2022-06-29 2024-01-04 弥费科技(上海)股份有限公司 基于冲突消解的天车运输路径规划方法
CN115220461A (zh) * 2022-09-21 2022-10-21 睿羿科技(山东)有限公司 室内复杂环境下机器人单体系统及多机器人交互协同方法
CN115375251A (zh) * 2022-10-27 2022-11-22 埃克斯工业有限公司 基于ropn技术的物料搬运调度方法、设备及介质
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备
CN117325185B (zh) * 2023-11-27 2024-04-09 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Also Published As

Publication number Publication date
CN113780633B (zh) 2023-01-06

Similar Documents

Publication Publication Date Title
CN113780633B (zh) 面向复杂环境的带实时冲突消解的多agv智能协同调度方法
CN107179769B (zh) 一种基于实时调度仿真和排队论的agv数量配置方法
CN108762268B (zh) 多agv无碰撞路径规划算法
CN109991977A (zh) 机器人的路径规划方法及装置
CN107168316B (zh) 一种基于单双向混合路径的多agv调度系统
CN112833905B (zh) 基于改进a*算法的分布式多agv无碰撞路径规划方法
CN111633655B (zh) 一种分布式自主移动机器人交通调度方法
CN111026128B (zh) 一种多激光agv的避让方法
CN114489062B (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
CN112001064B (zh) 一种集装箱码头间全自主水上运输调度方法及系统
WO2023065595A1 (zh) 城市轨道交通线网与车站协同仿真计算方法
CN111638717A (zh) 一种分布式自主机器人交通协调机制的设计方法
Yang et al. Hierarchical planning for multiple AGVs in warehouse based on global vision
CN111459108B (zh) 拖挂式多agv系统的任务分配及无冲突路径规划方法
CN112036756A (zh) 一种双负载多agv调度方法
CN111879327B (zh) 集群自动驾驶车辆泊位作业的空间配置和时序规划方法
CN115981264A (zh) 一种考虑冲突的agv调度与数量联合优化方法
CN114840001A (zh) 一种封闭环境下的多车协同轨迹规划方法
Liu et al. Research on multi-AGVs path planning and coordination mechanism
Shi et al. Task allocation and path planning of many robots with motion uncertainty in a warehouse environment
CN116755401A (zh) 包含路径规划和车辆通行策略的多无人叉车调度控制方法
CN116522801A (zh) 一种用于物流系统的布局仿真方法及装置
CN111523789A (zh) 一种基于步长的多agv实时调度方法
CN116911483B (zh) 一种基于蚁群优化算法的多agv动态路径规划方法
CN114415675B (zh) 一种基于智能预测和误差识别的多agv规划方法及系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240507

Address after: Room 101 and 201, Building B3, No. 11 Kaiyuan Avenue, Huangpu District, Guangzhou City, Guangdong Province, 510000

Patentee after: GUANGZHOU INFOHAND TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: 510000 buildings B5, B6 and B7, Haisi center, Zhongxin knowledge city, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Guangzhou Research Institute of Xi'an University of Electronic Science and technology

Country or region before: China