考虑能耗的多AGV系统无冲突路径规划

针对制造企业仓储车间内利用多自动导引车(automated guided vehicle,AGV)进行货物运输任务时,车间内会出现部分区域禁止通行,路线间不完全连通使AGV绕道而行及无冲突路径规划未能考虑节能减排这一不足。基于此提出两阶段优化方法,首先,介绍三维变量定义部分连通电子拓扑图,建立优化目标为搬运时间和能耗的多AGV节能路径规划模型,利用非支配排序遗传算法(NSGA-Ⅱ)求解初始节能路径;然后,利用时间窗检测冲突类型,构建动态优先级策略进行主动避撞机制;当出现AGV发生故障、货物掉落等情况,通过被动避撞机制对AGV进行重新路径规划,以规划出全局多AGV无冲突路径;最后,案例研究验证了两阶段优化方法的有效性。

不协调本体调试与修复的冲突路径优化策略

以基于黑盒法的不协调本体调试与修复技术为研究对象,分析了黑盒法及其优化方法在调试过程中所存在的问题.针对这一问题,提出了一种基于冲突路径的调试与修复策略,证明了该策略能够正确构造出与基本冲突模式相对应的冲突路径.将黑盒法调试目标限定在与该冲突路径相关的冲突集上,以此降低调试目标的规模从而提高调试的效率.进而根据构造出的冲突路径,获得不可满足依赖路径并基于该路径制定出不可满足概念的修复策略.理论证明与实验结果均证实了所提出的调试与修复策略的正确性与有效性.

基于动态避障优先级与预测的多AGV无冲突路径规划

为实现多自动导引运输车(AGV)在机器人履约系统(RMFS)中的高效低成本运行,提出一种无冲突路径规划策略。对RMFS的仓储区域进行栅格处理,考虑重载和空载运行成本差异,细化不同运行状态包括匀速、加减速、等待、转弯等的成本,建立多AGV运行成本最小的路径规划模型。通过避障成本动态设置避障优先级及通过预测AGV在拣选工作区排队等待状态确定AGV重载出发时刻,结合改进A*算法,实现多AGV无冲突路径求解。仿真结果表明:从AGV的运行成本角度,考虑动态避障优先级和重载出发时刻预测的多AGV路径规划策略,降低了系统运行成本,缩短了任务完成时间,避免了多AGV在RMFS中的碰撞及拥堵,实现了降本增效。

基于改进Dijkstra算法的防冲突最短路径规划研究

多无人机在执行作业任务时可能面临发生航迹冲突的矛盾,由此提出一种改进Dijkstra算法用来实现多无人机寻找最短且互不冲突航线的功能。在经典Dijkstra算法搜寻并对各航迹节点遍历运算的过程中,通过引入各节点的前驱节点变长回溯数组来记录各节点包含的所有前驱节点,找出各任务从起始点到达目标点所存在的全部可行的最短长度航线。再引入时间窗冲突判断模型从各任务的所有可行航线中将互不冲突的航线分离出来,一旦所有航线都冲突,则将其中一条最短航线中的冲突节点当作临时障碍点处理,通过改变回溯数组重新找出与其他任务互不冲突的一条最短航线。应用Matlab软件设计编写程序来进行算法验证,实验表明该改进算法在多无人机执行作业任务时可以规划出各任务包含的全部长度最短且互不冲突的航线,任务集合的规划效率有了明显提高。

基于自动化码头的改进Dijkstra算法路径规划研究

针对自动化码头多路径规划中Dijkstra算法存有路径冲突的问题,引入时间窗防冲突判断模型对其进行改进。在Dijkstra算法从源节点向其他各节点逐步遍历的过程中,将时间窗冲突判断模型加到各路径节点上。通过改变规划中的路径节点向量,将每一个节点的所有前节点记录在路径节点向量中,在所有的路径中,搜索出一条最短路径,保证此最短路径与其他路径无冲突。在计算机上运用Matlab仿真软件进行算法验证,仿真结果显示,算法经过改进后,在规划多路径任务中能够得到预期效果。

“非公党建”:我国化解非公企业劳资冲突的新路径

非公有制企业作为充满活力的市场经济主体,已经成为我国国民经济的重要组成部分,是建设中国特色社会主义社会的重要力量。近年来,我国非公企业爆发了许多因工资、福利、保险甚至劳动工时的劳资冲突事件,特别是2010年富士康事件和南海本田事件把劳资冲突的问题引为"视点",社会倍加关注。本文试从组织学的视角出发来解读与分析在我国非公有制企业建立党组织对化解劳资冲突、构建和谐劳动关系的功能与作用。

自动化码头多AGV路径冲突的优化控制研究

针对自动引导车(AGV)在自动化码头水平运输过程中可能发生的路径冲突问题,提出一种将AGV路径容量、安全距离、行驶时间及行驶速度相结合的多参数优化控制模型.Dijkstra算法规划多条AGV路径,位向量交集运算法检测路径冲突,改进的速度控制策略通过控制AGV在冲突节点处的行驶速度,解决冲突问题.对某自动化码头的AGV路网进行仿真实验和分析.比较停车策略、速度控制策略和改进的速度控制策略的结果,验证了改进速度控制策略在AGV路径冲突问题中的可行性及有效性.

多自动导引车路径规划的时空冲突约束A^(*)算法

针对自动导引小车(AGV)在仓储物流搬运系统中的路径冲突问题,提出一种基于时空冲突约束的A^(*)算法。先在拓扑栅格地图的基础上加入时间轴建立时空地图模型,再针对时空地图的特点和冲突约束条件重新设计A^(*)算法的子节点扩展规则和节点评估函数。利用改进后的A^(*)算法按照优先级顺序为各个AGV规划路径,规划完成一条路径后,用mark表记录其在时空地图中的节点信息,再利用改进后的A^(*)算法结合mark表搜索新路径。通过仿真实验证明了该算法的有效性。

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

针对自动化集装箱码头自动导引车(AGV)调度与无冲突路径规划问题,提出了AGV冲突拥堵解决策略以生成无冲突路径。首先,考虑堆场缓冲支架的容量,运行路径无拥堵、节点无冲突约束,以最大完工时间最小、AGV总行驶时间最短为目标建立两阶段混合整数规划模型;其次,设计改进的自适应遗传算法、基于冲突拥堵解决策略的迪杰斯特拉算法求得AGV调度方案与无冲突路径。算例分析结果表明:改进的自适应遗传算法相较遗传算法平均求解时间降低了13.56%,且目标函数平均差距率为9.01%;基于冲突拥堵解决策略相较停车等待策略使得水平运输区拥堵度降低67.6%,AGV等待时间减少66.7%。可见,所提算法求解质量高且速度快,同时验证了所提策略的有效性。

基于路径冲突测度的Ad Hoc网络冲突最小化算法

提出一种新的冲突测量方法,通过引入测度实现对网络冲突的定量描述,进而给出计算路径冲突测度的算法(PIMA),并在此基础上提出冲突最小化拓扑控制算法(IAPM),由算法IAPM生成拓扑控制子图,该子图在保证网络连通的前提下实现对整个网络的冲突控制,并使得一定的网络环境下全网冲突最小化.仿真结果显示算法降低了网络冲突,在使全网冲突最小化方面有较好的性能.

基于冲突分类与消解的多智能体路径规划算法设计

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。

考虑能耗的多AGV系统路径冲突解决策略

针对多自动导航小车AGV系统路径规划中解决冲突时的部分耗电过快、能耗不平衡问题,课题组提出了一种基于能耗测算的AGV路径冲突解决策略优选方法。首先,对多AGV系统中各AGV的路径基于时间窗进行判定,在此基础上,建立了受负载和时间控制的能耗计算方法,并以系统能耗最低为目标构建AGV冲突消解模型;该模型在考虑AGV自身电量约束下预测各种消解措施下应对的能耗,最终优选出系统能耗最低的冲突解决策略;通过算例与传统冲突消解方式进行对比。研究结果表明:该解决策略可兼顾路径和系统能耗最优,完成任务的能耗较为均衡。该方法可以减少系统内的AGV的充电次数,提高多AGV系统的工作效率。

兵棋推演联合作战计划路径冲突校验算法研究

兵棋推演中,联合作战计划对地面部队的行动部署经常存在一些潜在的路径冲突。冲突可能导致地面部队行动偏离作战计划,进而对作战进程产生不利影响。为了解决上述路径冲突的校验问题,提出了一种基于最优路径搜索的冲突时间段校验方法和相应算法,能够在作战计划执行之前得出地面部队行动中潜在的路径冲突。改进校验方法首先采用最优路径搜索算法查找确定所有部队路径,之后找出交叉相遇点,最后计算拥堵在同一个六角格内的冲突时间段,在多次兵棋推演中,联合作战计划子系统采用上述方法对作战计划进行冲突校验,实验结果验证了改进校验算法的可行性。

基于GWM的多AGV路径冲突处理算法

针对AGV现有的路径规划方法无法解决对发任务、死锁问题等,提出了一种新的AGV路径冲突处理方法GWM,以解决更为复杂的路径冲突问题.但GWM在部分冲突场景中的处理效率不高,在此基础上又提出了基于GWM的路径冲突处理算法OCWG.该算法融合了等待法、重新规划法和GWM 3种路径处理方法,在AGV位置刷新的时候,检测其在安全距离内是否会与其他AGV发生冲突,并且能根据实时的系统状态选择合适的路径冲突处理方法,使其中一辆AGV行驶到空闲点进行让路.测试结果表明,OCWG算法的总花费时间较少,也能满足包括重复任务和对发任务在内的所有需求,而且不会出现触发碰撞警告和死锁问题.

考虑路径冲突的AGV配置与调度优化

合理调度有限的码头资源以满足船舶的装卸时间要求是自动化集装箱码头的重要目标之一。针对自动化集装箱码头自动导引车(automated guided vehicle,AGV)配置与调度问题,考虑船舶装卸时间要求和AGV运输过程中的路径冲突,提出分阶段调度策略。将船舶装卸作业分为卸船阶段、装卸同步阶段、装船阶段三个阶段,在每个阶段中,建立以最小化最大完工时间和最小化AGV空载和等待时间为双目标的调度优化模型,并设计基于NSGA-Ⅱ的启发式算法求解。根据本阶段的实际完工时间,从最优解集中选择下一阶段AGV的配置与调度方案。最后对比其他调度方案表明本文调度方案能够满足集装箱船的装卸时间要求,且提高了AGV的利用率,更符合码头实际作业要求。

考虑订单拆分策略的AGV拣选效率优化方法

为提高智能仓库系统中AGV的拣选效率,针对AGV订单拣选优化问题分为AGV-货架任务分配、多AGV无冲突路径规划两个子问题进行研究,根据订单特点引入订单拆分策略,并以最小化AGV完成所有订单的总时间为目标构建数学模型。首先,设计了确定货架优先级的AGV-货架任务分配算法(AGV-shelf task allocation algorithm, ASTA)求解匹配问题。然后,提出一种带有贪婪参数并嵌入冲突消解策略的改进Q-Learning算法,得到拆分策略下最优无冲突拣选路径方案。最后,通过在40 m×40 m仓库布局中的订单集数值实验对比分析,所提算法与现有的两种算法对比结果显示,AGV完成所有订单的总时间分别平均减少11.63%和26.74%,验证了拆分策略的有效性,并且通过AGV使用数量、完成订单时间和路径冲突等待时间占比三个指标的对比验证了拆分策略和所提算法能有效缓解拥堵情况,减少行驶路径长度,提高拣选效率。此外,针对AGV数量灵敏度分析,在不同数量的AGV对行驶时间和路径冲突等待时间的影响方面,发现19台AGV数量是最佳配置,验证了模型的可行性和算法的有效性。

基于改进自适应遗传粒子群混合算法的多AGV路径规划研究

针对仓库中AGV的路径规划问题,该文提出了一种改进自适应遗传粒子群混合算法。首先,根据算法搜索进度修改权重和学习因子,采用一种新的非线性权重系数,两者根据迭代而动态变化。其次,动态调整交叉和变异概率参数。最后,为了避免多AGV出现路径冲突,在适应度函数中引入拥堵系数对拥堵路段进行惩罚。结果表明,与已有的改进遗传算法和改进粒子群算法相比,该文采用的改进自适应遗传粒子群混合算法搜索最优路径的长度更短、搜索范围更广。

无人工程机械路径规划算法应用

现有AGV任务调度及路径规划算法无法直接应用于工程作业场景。针对无人装载机路径规划效率低、安全系数不足等问题,结合固定场景下的实际作业场景,使用拓扑和栅格结合的方式构建场景地图,提高装载机路径规划效率;通过添加额外行驶代价,区分装载机空载和满载作业时的运行状态,提高作业效率和作业安全系数;通过A*路径规划算法和路径冲突处理算法CBS,解决双车模型路径规划冲突问题。本文所使用的方法可以适用于固定场景的工程作业现场。

一种港口AGV运输交通路径规划仿真方法

为了合理规划AGV行驶路径、提高车辆运输效率、提升运营效益,给出了一种AGV交通路径优化算法,阐述了路径冲突类型及其解决策略,并针对实际案例进行仿真模拟分析。该方法可为相关项目规划提供参考。