考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

一种基于滚动窗口的AGV动态路径规划算法

AGV是一种无人驾驶搬运车,是智能型移动机器人的一种。路径规划技术是AGV技术研究中的一个重要领域。在多AGV协调作业时,需要研究AGV动态路径规划问题。由于AGV运行时需要很高的实时性和安全性,本文采用了基于滚动优化窗口的路径规划方法。在当前滚动窗口中,提出了一种针对AGV特点的动态路径优化算法。最后,通过仿真证明了该方法的有效性。     

基于软时间窗的自动化集装箱码头AGV路径规划

为研究只卸不装作业模式下的自动化集装箱码头AGV路径规划问题,建立了作业等待时间和AGV行驶时间最小的多目标混合整数规划模型。根据已分配的进口箱任务,考虑带有软时间窗和惩罚因子的约束,求解得到岸桥与箱区之间所有的可行路径、每台AGV完成任务的顺序以及AGV实际完成任务的行驶路径。为检验AGV作业路径的有效性,模拟每辆AGV通过路径节点的时刻,结果显示:系统中没有出现大量AGV排队和岸桥闲置的情况,表明AGV行驶路径的合理性、系统运量平衡和岸桥作业的连续性,提高了码头的作业效率。     

基于离散时空网络的多自动引导车路径规划问题

针对多AGV（automatic guided vehicle）在仓储物流搬运系统中的巷道拥堵问题,提出一种规避拥堵的系统优化策略,将产生的AGV拣货路径作为约束生成后续AGV运行轨迹。对仓库相邻节点赋予时间链接,构建时空网络地图,在此环境建立基于离散时空网络的考虑拥堵的路径优化模型,并设计了时空网络与SA(simulated annealing)相结合的全局优化算法ST-SA(space time simulated annealing) 以求解该模型,通过仿真实验对模型及算法的有效性进行验证。实验结果表明：系统优化策略可以对AGV路径规划过程进行控制与优化,ST-SA能够很快搜索到合理、高效的AGV拣货路径方案,缩短AGV在巷道的作业时间,避免了多AGV在智能仓储系统中的碰撞及拥堵。     

考虑倒箱操作的AutoStore魔方型仓储系统自动引导车双层路径规划

新兴魔方型仓储系统AutoStore中,用于存放货物的料箱垂直堆放在相互拼接但独立的货格内,AGV除了要搬运目标料箱外,还需负责目标料箱上部阻碍箱的倒箱操作,且活动范围从二维平面扩大到三维空间,均增加了路径规划的复杂性。为了降低路径规划的复杂性,在分解作业流程的基础上,通过建立AGV双层路径规划模型的方法：内层模型以阻碍箱落箱位为决策变量,最小化单个目标箱的倒箱时间;外层模型将内层模型所得倒箱时间为输入参数,优化目标为最小化AGV完成任务时间。通过提出嵌套式启发式算法,将倒箱路径寻优嵌入多AGV多任务路径分配中。研究了不同规模算例,证明了本文所给方法的有效率和适用性;且仓储规模增大后,目标箱分散度增加, AGV作业时间大幅度增加;AGV数量和作业时间负相关;仓储率提高会增加倒箱几率,增加作业时间;目标箱数目变化与AGV作业时间正相关。结果证明在求解效率方面,主要受目标箱随机生成位置和仓储率影响,但绝对值也仅在10秒左右。     

有限状态机的多AGV路径优化策略

为解决多自动运输引导车(AGV)在实际物流中易发生冲突、堵塞的问题,提出一种基于有限状态机模型的实时路径规划方法.通过A*算法对自动导引运输车系统(AGVS)进行预路径规划,以工作路径长度作为适应度函数,对不同任务的AGV进行优先级分配;然后,引入有限状态机的模型,动态地对不同任务的AGV进行协同控制.若AGV之间存在路径冲突点,通过去交叉法,在优先级低的AGV中暂设冲突节点为障碍物状态.对优先级低的AGV重新进行路径规划,优先级高的AGV继续运行,实现AGVS的无冲突发生.仿真结果表明:该方法在保证工作路径是最优的同时,能有效地避免AGV在物流运输中的碰撞,实现系统调度过程中无冲突的发生,提高系统的效率.     

基于改进A*与DWA算法的物流机器人路径规划

传统的仓库物流AGV移动机器人一般按照铺设的磁轨道进行作业,导致机器人搬运路线并非最优路线,工作效率较低。本文研究了一种基于ROS操作系统的路径规划自主控制算法,从实际应用场景出发,对移动机器人运行的仓储环境SLAM地图构建,对传统的A*算法和DWA算法进行改进优化,并在ROS开发平台上开发程序,进行实验验证。实验结果表明,该方法能有效实现自主导航、动态避障功能以及路径优化,并从路径转折次数、运行总时间、运行总路径长度等角度验证了策略的有效性。     

基于改进遗传算法的AGV路径规划

针对AGV在自动化生产线中原有路径规划算法存在路径拐弯次数多,不利于AGV自动控制的问题,提出了一种改进遗传算法。为提高AGV运行的效率,该算法引入了拐弯因素。针对在路径规划中传统遗传算法收敛速度慢的问题,结合分层方法,改进传统的精英保留策略。在算法进化过程中,根据个体适应度的变化动态调整交叉概率和变异概率,加快算法的收敛速度。Matlab仿真实验结果显示:改进遗传算法能够规划出一条更合理的路径,相比较传统方法减少了转弯次数,改善了搜索路径质量,表明该算法可以满足自动化生产线AGV路径规划的要求。     

基于通用变邻域搜索的多AGV分拣调度优化

为了解决物流仓储分拣中心多台AGV处理大量包裹调度优化困难的问题,在考虑分拣作业时间窗和充电需求的基础上,研究了大规模AGV调度问题。以最小化分拣作业周期为目标,提出了一种通用变邻域搜索(general variable neighborhood search, GVNS)算法,为各台AGV指定转运任务和作业排序,采用遍历插入启发式策略生成满足时间窗约束的初始解,设计了10种邻域算子对初始解迭代寻优,并对比不同规模算例的算法性能,分析AGV充电速率和数量配置对分拣效率的影响。结果表明,GVNS算法具有计算时间和求解性能方面的优势,能在较短时间内求得近似最优解,平均计算时间仅为532.78 s,明显优于混合整数规划模型和约束规划模型;当包裹数为100时,最合适的AGV配置为14辆。因此,GVNS可以有效解决分拣中心考虑充电需求和硬时间窗的大规模多AGV调度问题,提高物流分拣效率,帮助企业找到科学、合理的AGV配置方案。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

一种基于时间窗的自动导引车动态路径规划方法 

针对多自动引导车（Automatic Guided Vehicle,AGV）在柔性制造系统中的路径规划问题,提出一种基于时间窗的动态路径规划算法,能有效地避免车-车冲突、碰撞等问题,并且得到的路径是时间最优的.在备选路径上,通过时间窗的初始化、时间窗的更新、以及时间窗的排布,可以实现多辆车同时运行,相互之间不产生冲突碰撞.仿真实验和真车实验表明,该算法用在AGV路径规划上,能实现多车之间的无冲突、时间最优的路径规划功能.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法.仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性.     

基于实时工况的动态物料搬运路径规划

文章针对生产系统物料需求环境复杂多变以及生产过程中各种扰动所导致的搬运路径的不确定性问题,研究了物料搬运路径规划的重规划驱动机制以及扰动发生时的重规划策略;建立了包含多需求点、多搬运工具的多目标动态重规划搬运路径模型,以搬运时间、成本最小作为模型的优化目标,在扰动发生及到达重规划周期时间的情况下重新生成搬运路径;结合智能优化算法对该模型实例进行仿真计算,验证该规划方法可以增强搬运系统敏捷性并有效减少物料搬运的成本。     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

基于遗传算法的平面车库车辆路径规划

随着物流系统自动化、智能化水平的提高,AGV在物流系统的应用越来越普遍。AGV的导航是AGV的核心技术,而路径规划是AGV导航的重要环节之一。本文应用遗传算法求解单个AGV的路径规划问题,最后给出该算法实现的路径规划仿真和实验结果,实验结果证实了该方法的有效性。     

AGV系统的调度优化模型

传统AGV调度问题考虑单机或单请求的情形,分析了柔性制造系统(FMS)中 AGV 的作业特征,从一般的多机多请求情形出发,以最小化车辆总数、最大化平均满意度、最小化总运行距离为目标,以优先紧急请求、一般请求先进先出(FIFO)为基本原则,提出了多台 AGV 处理多项请求的数学模型,并给出一种解决它的混合遗传算法,确定了请求与 AGV 的一一对应.     

混流柔性加工单元自动导引小车的调度优化

多品种混流柔性加工单元中的自动导引运输车(AGV)数量和运行路径直接影响单元的运行效率.在考虑产品加工工时、批量需求、设备物理位置等约束下,以最小化搬运任务时间为优化目标,基于改进Memetic算法,通过编码和搜索机制的调整,对不同AGV数量以及不同设备加工任务分配方案条件下的调度策略进行协同优化求解,有效避免了迭代过程中易出现非法解的状况,从而获得了AGV最优调度路径.最后通过实例验证了该方法的可行性和有效性.     

基于MADDPG的多AGVs路径规划算法

针对多辆自动导引车系统（automated guided vehicle system,AGVs）在动态不确定环境下完成货物运送并进行路径规划的问题,提出一种基于多智能体深度确定性策略梯度（MADDPG）的多AGVs路径规划算法。本方法通过状态空间、动作空间、奖励函数和网络结构重新设计MADDPG算法的模型结构,通过OpenAI Gym接口搭建二维仿真环境用作多AGVs (agents)的训练平台。实验结果表明,相比于深度确定性策略梯度（DDPG）算法和双延迟深度确定性策略梯度（TD3）算法,基于MADDPG的多AGVs路径规划算法在智能仓储仿真环境下,多AGVs碰到货架的次数分别减少了21.49%、11.63%,碰到障碍物的次数分别减少了14.69%、10.12%,全部AGVs到达货物装卸点的成功率分别高出了17.22%、10.53%,表明学习后的AGV具有更高效的在线决策能力和自适应能力,能够找到较优的路径。     

基于机器人操作系统的室内运输自动导引车系统及其设计

针对当前室内运输自动导引车(AGV)导引技术存在灵活性差、开发成本高、路径维护烦琐等问题,设计并实现了一款基于开源机器人操作系统(robot operating system, ROS)的室内运输AGV系统。该系统包括硬件层和软件层两部分。在硬件层,综合考虑现实需求、性能、成本等因素后进行硬件选型,同时搭建了AGV底盘和单舵轮行走机构,为软件层提供了一个稳定、灵活的运行平台。软件层设计包括ROS规划端和网页人机交互端两部分。ROS规划端进行AGV地图构建、自主定位、路径规划、路径跟踪、自主导航五大功能模块设计;网页人机交互端实现远程人机交互功能。测试结果表明,基于ROS的室内运输AGV系统能够有效地完成室内自动化运输任务,且路径维护灵活简便,整个系统具有很强的可行性和实用价值。     

面向城市超低空物流场景的最小风险路径规划算法

随着城市超低空物流运输场景的迅速发展，无人机路径规划的安全性显得尤为重要，针对现有路径规划算法无法满足超低空物流运输无人机在密集障碍物场景下进行安全轨迹规划的问题，本文基于A*算法，将三维环境依据飞行高度划分为多个高度层，以规划风险最小轨迹为目标，从时间、风险两个维度对A*算法的成本估计函数进行重构，从而提出面向城市超低空物流场景的最小危险路径规划算法。仿真实验一表明，本文提出的最小风险路径规划算法在3种不同城市场景，15种不同运行环境中，相比于传统轨迹规划算法，规划得到的路径安全距离平均增加60%，安全性显著提高；本文也将该算法应用于多无人机多高度层的复杂城市场景中，实验结果表明，本文提出的最小风险路径规划算法在兼顾航程的同时可以为多架无人机规划安全性更高的路径；在实验三中运用蒙特卡洛法证明本文算法在路径规划算法中的可靠性与鲁棒性，为城市超低空物流场景提供了安全性更高的路径规划方法。