无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automated guided vehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.     

单无人搬运车/单缓冲区约束的柔性生产系统调度研究

阐述了无人搬运车( AGV)在柔性生产系统中的调度规则,并在此基础上建立了实现工件调度和AGV调度集成问题的数学模型.改进了普通的遗传算法,设计了二次解码算法,优化了基因序列,实现对遗传算法的优化.调度结果不仅给出了各加工站的优化作业顺序,而且给出了AGV的行走优化路径.实验结果表明,改进的遗传算法的计算效率比普通的遗传算法高,同等计算条件下设备利用率也明显提高.     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

基于多级决策的多智能体自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车 ( AGV)调度系统中每个 AGV所需要的动态分布式调度策略 .系统中的每一个 AGV都由一个具有两级决策能力的智能体控制 :在选择级 ,智能体采用 Markov对策框架下的强化学习方法 ,以根据其他 AGV当前的子任务建立自己的最有反应子任务 ;在行动级 ,智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务 .AGV调度仿真结果证明 ,该方法能提高系统的产量 ,并在零件到达比变化时保持输出产量的稳定     

面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传-差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

集装箱码头AGV电量非饱和状态下的调度优化

对AGV电量非饱和状态下电池放电的非线性特征进行研究,区分AGV重载与空载的耗电差异,对该问题建立数学模型并使用CPLEX进行实例求解.结果表明,本文的AGV调度方案较传统AGV调度方式,使用车辆数下降17%,单车卸箱、装箱的平均个数分别增加21.43%和25%,可有效解决不饱和电量下的AGV调度问题,实施效果更优.     

生产-库存系统中物流调度系统的分析

分析了生产-库存系统中的物流调度系统。在研究过程中把自动化立体仓库输送系统的调度和自动引导车（Auto-mated Guided Vehicle,AGV）运输系统看作随机服务系统,利用排队论来研究这种物流系统的性能及相关的概率特性。     

AGV小车系统在自动化物流系统中的应用

AGV是一种无人驾驶的激光导引运输车,AGV小车系统涉及机械、电子,光学、计算机等多个领域,广泛应用于自动化物流系统中。其作用是在上位计算机的调度和管理下,指挥AGV车辆完成一系列的作业如托盘运输等,解决一系列的问题如计算机与计算机之间的通讯和调度,上位计算机和下住AGV控制器之间的通讯、命令的管理与分配,AGV与AGV之间的交通管理等,并在这一自动化过程中保持较高的作业精度和作业效率。     

优化的模糊决策算法在多自动引导车调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较,减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

基于优化的模糊决策算法在多AGV调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

关于AGV及其在中国的应用与发展探析

AGV从发明至今,其种类和形式变得多种多样,其应用领域也不断扩展.AGV作为一种成熟的技术和产品,对企业提高生产效率、降低成本、提高产品质量、提高企业的生产管理水平起到了显著的作用.AGV在我国的应用中突出的问题是第一,应用普及率低;第二,科技含量较低;第三,AGV价格居高不下,使用成本大.面对来自全球范围的机遇与挑战,中国AGV应该如何发展值得深入探讨首先,我们应加强对AGV的宣传,转变企业领导人的观念;其次,积极进行低成本的AGV开发,结束AGV价格居高不下的局面.     

民用客机总装车间自动引导车任务分配及路径规划

为了实现自动引导车(AGV)在某民用客机总装车间的高效运作，提出AGV任务分配与路径规划两阶段求解方法，有效地解决了车间内AGV的多次往返配送调度问题.在任务分配阶段，提出基于行程的AGV任务分配模型，提高任务分配的效率；在路径规划阶段，采用时间窗算法，对AGV占用的地图资源进行时间窗的初始化、更新和排布，并针对由于避障和等待引起的物料送达时间无法满足的情况，设计了料包交换、优先级提前、预留时长放宽共3种递进的调整策略，实现AGV的无冲突路径规划.在数值实验中，两阶段方法应用于50、100、150个料包问题的平均求解时间分别为15.86、41.12、162.29 s,表明两阶段方法有效缓解了多行程AGV调度问题的复杂性，能在合理时间内实现民用客机总装车间AGV的调度优化，以适应民用客机年产量逐年快速递增的生产需求.     

基于多级决策的多智能化自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车（AGV）调度系统中每个AGV所需要的动态分布式调度策略。系统中的第一个AGV都由一个具有两级决策能力的智能体控制：在选择级，智能体采用Markov对策框架下的强化学习方法，以根据其他AGV当前的子任务建立自已的最有反应子任务；在行动级，智能体通过强化学习建立优化的动作策略来完成由级选择级确定的子任务。AGV调度仿真结果证明，该方法能提高系统的产量，并在零件到达比变化时保持输出产量的稳定。     

自动化集装箱码头AGV调度与换电双层模型求解

为降低自动化集装箱码头AGV换电问题对码头整体作业效率的影响,首先分析了AGV调度和换电的相互影响和内在联系.其次考虑AGV耗电差异和换电阈值等约束以最小化最终完工时间为目标建立AGV调度模型(上层模型),考虑换电站数量和排队等约束以最小化换电总时间为目标建立AGV换电模型(下层模型),并针对两者之间的双层耦合关系,设计换电需求和换电方案为公用变量进行解耦.最后使用自动化集装箱码头实际作业参数设计算例,分别采用GAMS求解器和遗传算法循环迭代求解.算例结果表明,双层耦合模型合理地决策了AGV调度和换电问题,换电排队时间控制在4 min之内,降低了AGV换电总时间和最终完工时间,提升了AGV利用率.     

自动化集装箱码头多载AGV调度问题研究

多载AGV是一种自动化集装箱码头水平作业设备,它可以同时搬运多个集装箱,可缩小AGV流的规模,增大AGV的利用率.为了提高自动化集装箱码头的作业效率,考虑了垂岸式集装箱堆场布局,以最小化作业总费用为规划目标,以作业限制、时间窗长度、负载平衡等为约束条件,以事件驱动的调度策略为研究方法,建立了多载AGV调度问题的混合整数规划模型.同时利用GUROBI和遗传算法求解多载AGV的作业总费用和空载率,并与相同条件下单载AGV的作业总费用和空载率对比,验证了多载AGV的优越性.     

基于DE算法求解AGV作业调度问题研究

AGV作业调度问题在一定约束条件下可建模为一个NP完全的多重TSP问题。为了优化AGV作业调度的效果,提高AS/RS系统的运行效率,本文提出用差分演化(DE)算法来求解AGV作业调度问题,并针对问题的特点对DE算法进行了若干改进。设计了新的个体两段编码方法,提出了基于生存时间的种群多样性增强机制来提高算法的搜索能力,避免陷入局部最优等。模拟结果显示,提出的算法可以有效求解AGV作业调度问题,获得了高质量的优化解,且收敛速度快。     

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.     

遗传算法在柔性动态调度中的应用

采用一种实用的柔性制造系统（FMS）在线动态调度方案 ,以对车间生产环境的变化作出及时反应,建立了零件的可变工艺路径、包含AGV的FMS调度问题的模型,采用遗传算法（GA）以任意始点的任务集为背景同时调度机器和自动引导小车（AGV）。研究由若干台加工中心（WS）和AGV组成的FMS的调度问题,论述了综合事件机制及时间机制优点的动态调度机制,通过被修订的工序集与所有剩余工序形成交集,来识别需要被修订的工序集。这种重调度方式减少了人为的干预,允许按环境改变而对方案作出修订,因此可以在实时条件下工作。     

集装箱码头AGV调度优化

为了解决集装箱码头自动导航车AGV(Automatic Guided Vehide)调度优化问题,建立以无效最短时间为原则的数学模型,采用Netlogo软件模拟仿真,比较了“作业线”和“作业面”两种调度模式,验证所建立数学模型的合理性以及“作业面”调度模式的优越性.在验证实验模型的基础上进行了仿真实验的应用,通过假设,以运载900 TEU为例,设置车道数为2车道和3车道,以及岸桥与AGV的配比为1∶4,1∶5,1∶6时,对比分析不同模拟环境下AGV的等待率,实验结果是当车道数为3以及岸桥与AGV的配比为1∶6时,AGV的等待率为3.71%,为6种模拟情况中的最佳AGV和岸桥配置方式.该结果能够在一定程度上对自动化集装箱码头的调度作业提供参考和借鉴,提高自动化集装箱码头的作业流畅性,更好配合越来越大型化的集装箱船装卸作业,提升码头的作业效率和信息化水平,实施有效的作业管理.