基于改进DQN算法的自动化码头AGV调度问题研究

针对自动化码头AGV(automated guided vehicle)调度问题,提出了一种考虑未来任务的深度Q网络(future tasks considering deep Q-network,F-DQN)算法指导AGV进行实时调度。对系统状态进行了改进,结合实时调度和静态调度的优点,在做出实时决策时考虑了静态的未来任务信息,以获得更优的调度方案。以洋山四期自动化码头的真实布局和设备情况为参考,使用仿真软件Plant Simulation进行了一系列仿真实验。实验结果表明:F-DQN算法可以有效解决自动化码头AGV实时调度问题,且F-DQN算法相比于传统DQN算法,能够显著缩短岸桥的等待时间。

基于计算物流的自动化集装箱码头AGV生产调度

针对自动化集装箱码头自动导引车(AGV)在线实时生产调度约束动态复杂和难以可视化的问题,在计算物流框架下,利用AnyLogic平台创建自动化码头水平运输计算实验模型,并针对平台中已有的经典资源分配策略,面向AGV生产调度提出两方面的改进:将运筹规划商业求解器与计算实验平台结合来求解动态复杂组合优化问题;基于计算物流的思想方法,迁移和定制出五种面向问题探索的自定义AGV在线调度算法。由于商业求解器的局限性,模型和实验数据是基于自动化码头进口箱作业部分。实验表明,两种改进策略能够弥补商业求解器和计算实验平台的部分不足,尤其是自定义策略相较于经典资源分配策略能够面向特定装卸船需求更好地实现AGV生产调度,实现自动化码头水平运输的高效作业。

自动导引车（AGV）的整体设计及动态实时调度

本文介绍一种用于普及型车间及高度自动化工厂中执行搬运任务的自动导引车及其环境识别系统，该系统采用超声波传感器，有效地解决了多个自动导引车相碰撞的问题，同时介绍一种近似最优的实时调度算法。

自动导引车系统实时多属性任务调度方法

针对制造系统环境下自动导引车系统任务调度问题,提出一种实时多属性任务调度方法;建立综合考虑加工子系统和搬运子系统的制造系统模型;采用输入输出缓冲区状态等系统属性衡量搬运任务的紧迫性,暂时禁止搬运非紧急任务以提高加工子系统的效率;为避免制造系统出现死锁,在调度过程中采用启发式调度规则临时禁止一些关键任务;为提高搬运子系统的效率,将空载路程作为任务分配的依据。仿真结果表明,与三种常用调度方法相比,所提方法具有更好的整体性能。

柔性作业车间中机床与自动导引车在线调度方法

针对柔性作业车间中机床与自动导引车同时调度问题,提出了在线调度算法,将调度问题分解成机床选择和自动导引车调度两个子问题求解;首先针对机床选择子问题,根据问题规模分别采用穷举法和小生境遗传算法求解,目标是最小化机床最大负荷,平衡各机床负荷以及最小化搬运系统负荷;在小生境遗传算法设计过程中,采用邻域搜索以提高遗传算法的收敛速度;采用基于海明距离的小生境淘汰运算以保持种群多样性。然后针对自动导引车调度子问题,提出了一种启发式调度算法。为避免作业车间出现死锁,采用基于剩余容量的死锁避免规则。最后通过仿真实验验证了所提算法是可行的。

自动导引车调度优化研究综述

制造系统中自动导引车(Automated Guided Vehicles,AGV)调度对于提高制造系统效益和降低制造成本具有重要作用,同时AGV调度也是十分复杂的组合优化问题,将AGV调度优化问题分为3类:AGV静态调度、AGV动态调度、AGV同时调度(与其他资源联合调度)进行了概述,并对其研究方法进行了分析与总结,包括传统分析方法、建模与仿真方法、智能优化算法、混合优化方法,分析了各类方法的优缺点,指出了当前AGV调度优化研究中存在的不足,并提出了未来的研究方向和建议。

自动化码头AGV充电与作业的集成调度研究

为了提高自动化集装箱码头AGV(Automated Guided Vehicle)的作业效率,根据采用电力驱动的AGV作业时的充电需求和运输过程的特性,考虑了垂岸式集装箱堆场布局和AGV充电过程对实际作业的影响,以最大化AGV充电利用率、最小化最末任务完成时间、最小化AGV空载时间为目标,以AGV充电后的续航能力等为约束条件,以遗传算法为研究方法,构建了考虑充电过程的自动化码头AGV作业的调度模型。通过算例分析,对比了遗传算法与混合整数规划算法的求解效果,分析了参与运输的AGV数量对运输时间的影响,也验证了遗传算法给出的调度方案的可信性。最后得出结论:针对该问题,遗传算法可以快速、高效地给出值得信赖的AGV调度方案。

一种用于自动导引车(AGV)的超声波导航系统

设计了一种用于自动导引车 (AGV)的超声波导航系统 ,介绍了系统的工作原理及结构 ,并进行了各项导航功能的样车实验。实验数据表明 :系统可适应AGV的工作特点 ,可用于CIMS中固定及自由路径模式的AGV。

直线往复式轨道自动导引车智能调度算法

以某自动化立体仓库系统为例,介绍运行于单条轨道上的2辆直线往复式轨道自动导引车(RGV)的智能调度算法和避碰防撞算法,解决2辆RGV的相向碰撞和同向追尾问题,在不相撞的前提下合理高效地向2辆RGV分配任务。实际应用结果表明,该算法能有效提高工作效率。

基于排队论的自动化立体仓库AGV调度效率分析

为了提高自动化立体仓库系统AGV的输送效率,在对整体系统进行介绍后,运用排队论理论对自动化立体 仓库AGV的调度系统进行建模,得到M/G/1模型,在对该模型理论分析后,就该模型的调度效率进行了分析。

考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车(AGV)系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化(AI-GWO)算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。

自动导引车系统避免死锁的多属性任务调度方法

为了提高AGV系统的效率,提出一种能避免死锁、权值可动态调整的多属性任务调度方法(AWMA)。根据效率和避免死锁的要求,选择AGV到任务起始点的距离、输入输出缓冲区状态作为任务调度的属性指标,根据系统的加工负载和搬运负载状况,确定各个属性的权值。为了保证不发生死锁,在调度过程中采用了基于剩余容量的死锁避免策略。为了验证提出方法的有效性,对三种常用的调度方法与AWMA方法进行了对比仿真实验。实验结果表明:采用死锁避免策略可以避免死锁;在资源缺乏的情况下,AWMA方法优于其他方法,从而证明了AWMA方法是有效的。

自动化码头装卸混合模式下QC、L-AGV及ARMG协同调度方法

为解决复杂的自动化码头设备协同调度问题,考虑码头各作业间的相互作用和制约,以最小化船舶在港时间和主要设备作业成本为目标,构建新的装卸混合模式下岸桥(quay crane,QC)、顶升式自动引导车(lifting automated guided vehicle,L-AGV)及自动化轨道吊(automated rail mounted gantry crane,ARMG)协同调度的混合整数非线性规划模型。提出一种遗传算法与启发式策略结合的协同调度方法,实现在系统整体性能最优情况下的设备作业序列优化。该模型能充分保障QC、L-AGV、ARMG之间的协同性,并引入QC调度的主要约束,更利于与QC调度模型进一步集成。数值试验证明了该方法的有效性,可为码头装卸作业调度提供决策支持。

自动化码头起重机和自带提升功能的AGV的集成调度

为深入研究新工艺带来的自动化码头设备集成调度问题,针对自动化码头的一种自带提升功能的自动导引小车(L-AGV)和缓冲支架系统,提出新的设备集成调度框架。考虑不同设备之间的相互关联和制约的协同关系,将岸桥分配调度与L-AGV、场桥调度分开,合理定义两种任务(两个问题)的划分方式,建立两个多目标混合整数规划模型。设计一种具有内外层关联的适应度函数的双层遗传算法。相对传统联合调度算法,该算法平衡了计算复杂性与调度均衡性。最后的数值试验证明了模型和算法的有效性。从岸桥数量、任务规模、AGV数量和调度策略等对岸桥等待时间的影响上,对采用L-AGV的系统和采用传统AGV的系统进行比较,为自动化码头装卸作业调度提供决策支持。

自动导引车与机器集成调度问题研究现状

随着自动导引车(automated guided vehicles,AGV)的广泛应用,柔性制造车间中机器设备与AGV之间的协同配合日益受到重视。AGV与机器的集成调度主要研究机器分配、工序排序、搬运任务的AGV分配以及AGV路径规划。该问题是极为复杂的组合优化问题,对其研究具有重要的学术意义和应用价值。围绕问题特征,从模型与算法两个方面,对国内外最新的研究文献进行了梳理。对现有模型中的约束条件和优化目标进行了详细分类,从遗传算法、混合优化算法、仿真优化算法等五个方面综述了现有算法研究中的代表性成果。在此基础上,指出了现有研究中的不足,提出了未来的研究内容和方向。

卷烟辅料库自动导引车(AGV)系统改进

由于卷烟辅料库自动导引车(AGV)系统存在小车空跑、多跑及系统参数设置不合理等问题,导致自动导引车(AGV)系统运行效率偏低,已不能满足精益生产的要求。为保证生产所需的辅料高效、安全送达到卷包机组,消除断料停产隐患,需对自动导引车(AGV)系统的调度策略和相关参数进行优化。通过优化调度策略和根据实际情况调整相关参数后,卷烟辅料库自动导引车(AGV)系统效率得到了提升,降低了维修、备件更换费及电能消耗。

基于混合算法的自动导引车调度问题研究

针对自动化仓库自动导引车(automated guided vehicle,AGV)调度问题,文章在考虑车辆载重约束的情况下,建立车辆行驶总距离和总能耗最小为目标的数学模型,并通过离散差分进化算法与蚁群算法相结合的混合算法进行求解。将混合算法与改进蚁群算法、遗传算法、模拟退火算法、粒子群算法在CVRPLIB SET P算例集上的求解结果进行对比,验证该混合算法的有效性;通过数值仿真实验对提出的自动化分拣仓库AGV调度问题进行求解,证明该混合算法对实际算例有较好的求解结果,可以有效提高自动化仓库作业效率。

考虑电池电量约束的自动化码头AGV调度

为提高自动化集装箱码头AGV(Automated Guided Vehicle)作业效率,考虑电驱动AGV空、重载耗电差异及非线性充电的特点,对AGV的充电过程对其调度的影响进行分析,建立以总任务时间最短为目标的AGV调度模型。通过Python求解算例发现,机会充电模式下,AGV的机会充电区间为75%~85%时,总任务时间及AGV平均充电时长最短,AGV利用率最高。

多载量自动导引车系统防死锁任务调度方法

针对车辆装配制造应用环境中的辅料配送多载量自动导引车系统(AGVS)任务调度问题,建立了以最小化任务配送路程和最大化待料停产剩余时间为综合优化目标的任务调度数学模型,提出于基于改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)的防死锁任务调度方法。首先,构建了多个用于产生优质个体的启发式规则,以提升NSGA-Ⅱ初始种群的质量;设计了结合前瞻性预测机制和防死锁策略的个体解码决策流程,以决策出满足所有约束条件的防死锁任务调度方案;然后,为了加速非支配前沿向更优方向收敛,设计了带精英保留策略与邻域搜索的种群进化机制;最后,通过仿真实验对所提方法进行了验证。仿真结果表明:与其他方法相比,所提出的防死锁任务调度方法,能够以较低的任务执行时间获得更高的内饰装配线产能。

分布式AGV调度研究综述与发展趋势分析

智能物流是智能制造的重要组成部分,也是物流行业发展的必然趋势。自动导引车(automated guided vehicle,AGV)可无缝衔接企业生产系统和仓储系统,是实现智能物流的一种重要技术装备。AGV调度对于提高物流效率、降低能源消耗、减少运输过程中货物的损坏和事故的发生等至关重要。AGV调度问题涉及任务分配和路径规划两个子问题,从调度方式上可分为集中式调度和分布式调度。随着AGV设备智能化水平的提升,分布式AGV系统凭借可扩展性、高可靠性等优势已成为当前研究的热点。首先描述了分布式AGV调度问题;然后分别阐述分析了分布式AGV任务分配和路径规划领域的研究现状;最后对分布式AGV调度未来的发展前景进行了展望。