一种基于灵活时空网络模型的AGV路径规划方法技术

本申请的提供一种基于灵活时空网络模型的AGV路径规划方法，本申请通过获取目标任务，确定每个自动导引车的子目标任务；基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；将每个自动导引车的信息及其对应的子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果和行驶时间，即构建一种基于分布估计算法和遗传算法的混合启发式算法来进行模型求解，通过对近似最优解的解码得到任务车辆的路径规划结果，以及车辆在每个轨道上行驶时间，保证各个AGV之间无碰撞，在尽量保证目标任务完成时间较短的条件下使车辆的总能耗降低。务完成时间较短的条件下使车辆的总能耗降低。务完成时间较短的条件下使车辆的总能耗降低。

【技术实现步骤摘要】
一种基于灵活时空网络模型的AGV路径规划方法


[0001]本申请涉及计算机领域，尤其涉及一种基于灵活时空网络模型的自动导引车(Automatic Guided Vehicle，AGV)路径规划方法。

技术介绍

[0002]现有技术中，AGV是计算机控制的无人驾驶车辆，用于运送材料。自1955年引进自动导引车以来，已成功应用于仓库、集装箱码头、运输和制造系统等多个领域。特别是近年来，随着智能制造业的快速发展，AGV以其操作简单、响应迅速、效率高的突出特点，越来越受到众多制造企业的青睐。使用AGV系统的主要目的是在实际中提高生产率和降低成本，为此，所采用的控制系统必须以有效的方式进行AGV的路径规划，即处理车辆的协调，避免冲突、碰撞和死锁。
[0003]AGV的路径问题可划分为两个连续的阶段：调度阶段和路径规划阶段。在调度阶段任务被分配给自动导引车，然后分配给每个自动导引车的任务被排序。基于调度阶段产生的序列，在路径规划阶段找到最优路径。国内外学者对此进行了许多相关研究。在车速固定且无法调节的假设下，对有时间窗的无冲突取货和交货问题(Dispatching And Conflict
‑
Free Routing Problem，DCFRP)进行了较为详细的研究。为了优化任务分配，使用了目标函数，如完工时间、总完成时间等。在用于制造系统的自动导引车领域中，移动机器人的能量消耗也是基于自动导引车系统的主要关注点，但是关于能量消耗的文献却很少，在尽量保证任务完成时间较短的条件下使系统的总能耗降低是本领域人员研究的一个重要方向。

技术实现思路

[0004]本申请的一个目的是提供一种基于灵活时空网络模型的AGV路径规划方法，以解决现有技术中如何保证任务完成时间合理优化路径的同时减少总能耗的问题。
[0005]根据本申请的一个方面，提供了一种基于灵活时空网络模型的AGV路径规划方法，包括：
[0006]获取目标任务，基于所述目标任务确定每个自动导引车的子目标任务；
[0007]基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；
[0008]将所述每个自动导引车的信息及其对应的所述子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果以及行驶时间。
[0009]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，所述基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，包括：
[0010]所述目标任务包括任务起点、任务终点、货物信息、开始时间、规划时间，将所述规划时间离散化为若干个时间间隙，基于所述目标任务进行数学描述，得到相关决策变量；
[0011]对所述决策变量分别进行时间约束、空间约束以及时空约束；
[0012]基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确
定所述时间目标函数和所述能耗目标函数。
[0013]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定所述时间目标函数和所述能耗目标函数，包括：
[0014]利用所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定的总行驶时间问题并基于混合整数优化，得到时间目标函数；
[0015]在所述总行驶时间问题的基础上确定总能耗问题，所述总能耗问题中总能耗包括车辆加速能耗和滚动摩擦能耗；
[0016]在所述总能耗问题中增加加速度变量及其约束和时间间隙数变量，并基于混合整数非线性规划，得到能耗目标函数。
[0017]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，所述引入混合元启发式算法，得到AGV时空网络模型，包括：
[0018]设计所述行驶时间和所述路径规划结果的混合启发式算法二维编码框架，采用种群增量学习算法构建AGV概率模型，并利用惩罚函数与所述能耗目标函数组成适应度函数，得到AGV时空网络模型。
[0019]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，所述混合启发式算法二维编码框架中第一维对应路径规划结果，第二维对应行驶时间。
[0020]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，所述基于时间维度采用所述种群增量学习算法构建所述AGV概率模型，所述AGV概率模型中包括时间种群、能耗种群以及学习种群，且所述时间种群、所述能耗种群以及所述学习种群按照预置比例设置。
[0021]进一步地，上述基于灵活时空网络模型的AGV路径规划方法中，所述将所述每个自动导引车的信息及其对应的所述子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果以及行驶时间，包括：
[0022]将所述每个自动导引车的信息及其对应的所述子目标任务输入AGV时空网络模型中；
[0023]基于所述每个自动导引车的信息及其对应的所述子目标任务，通过所述AGV概率模型得到初始种群；
[0024]在所述初始种群的基础上利用所述适应度函数计算得到精英种群，并进行变异操作生成新一代种群的路径向量，依照所述精英种群通过所述AGV概率模型获得所述新一代种群的时间向量，重复上述步骤，直至完成预置规定次数的适应度评价计算，得到最优的新一代种群的路径向量和时间向量，作为每个所述自动导引车的路径规划结果和行驶时间并输出。
[0025]与现有技术相比，本申请通过获取目标任务，基于所述目标任务确定每个自动导引车的子目标任务；基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；将所述每个自动导引车的信息及其对应的所述子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果以及行驶时间，即构建一种基于分布估计算法和遗传算法的混合启发式算法来进行模型求解，通过对近似最优解的解码得到已知目标任务车辆的路径规划结
果，以及车辆在每个轨道上行驶时间，保证各个AGV之间无碰撞，在尽量保证目标任务完成时间较短的条件下使车辆的总能耗降低。
附图说明
[0026]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0027]图1示出根据本申请一个方面的一种基于灵活时空网络模型的AGV路径规划方法的流程示意图；
[0028]图2示出根据本申请一个方面的一种基于灵活时空网络模型的AGV路径规划方法中一实施例的累积流量变量a(i，j，k，t)和d(i，j，k，t)的示意图；
[0029]图3示出根据本申请一个方面的一种基于灵活时空网络模型的AGV路径规划方法中一实施例的AGV系统的分层体系结构示意图。
[0030]附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
...

【技术保护点】

【技术特征摘要】
1.一种基于灵活时空网络模型的AGV路径规划方法，其特征在于，所述方法包括：获取目标任务，基于所述目标任务确定每个自动导引车的子目标任务；基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；将所述每个自动导引车的信息及其对应的所述子目标任务输入所述AGV时空网络模型得到每个所述自动导引车的路径规划结果以及行驶时间。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，包括：所述目标任务包括任务起点、任务终点、货物信息、开始时间、规划时间，将所述规划时间离散化为若干个时间间隙，基于所述目标任务进行数学描述，得到相关决策变量；对所述决策变量分别进行时间约束、空间约束以及时空约束；基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定所述时间目标函数和所述能耗目标函数。3.根据权利要求2所述的方法，其特征在于，所述基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定所述时间目标函数和所述能耗目标函数，包括：利用所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定的总行驶时间问题并基于混合整数优化，得到时间目标函数；在所述总行驶时间问题的基础上确定总能耗问题，所述总能耗问题中总能耗包括车辆加速能耗和滚动摩擦能耗；在所述总能耗问题中增加加速度变量及其约束和时间间隙数变量，并基于混合整数非线性规划，得到能耗目标函数。4...

【专利技术属性】
技术研发人员：辛健斌，魏刘倩，张方方，王东署，彭金柱，
申请(专利权)人：郑州大学，
类型：发明
国别省市：