基于深度强化学习的多自动导引车运动规划

为解决移动机器人仓储系统中的多自动导引车(AGV)无冲突运动规划问题,建立了Markov决策过程模型,提出一种新的基于深度Q网络(DQN)的求解方法。将AGV的位置作为输入信息,利用DQN估计该状态下采取每个动作所能获得的最大期望累计奖励,并采用经典的深度Q学习算法进行训练。算例计算结果表明,该方法可以有效克服AGV车队在运动中的碰撞问题,使AGV车队能够在无冲突的情况下完成货架搬运任务。与已有启发式算法相比,该方法求得的AGV运动规划方案所需要的平均最大完工时间更短。

气缸套铸造过程中AGV小车应用于自动化浇注系统对提升生产效率的分析

本文提出了将AGV小车应用于气缸套铸造过程中进行智能化生产的整体系统设计,对智能工厂的工艺布局、信息流、对接控制、调度系统进行系统设计,并对比分析了在应用AGV小车之后,智能生产所能带来的提升。该技术的应用使得气缸套铸造过程更具效率、更稳定、更安全,同时提升了铸造工厂的智能化、自动化水平。

考虑充电因素的自动化集装箱码头AGV任务分配模型

自动化集装箱码头中,AGV(自动引导车)负责衔接岸桥和场桥两个装卸作业设备,被认为是影响整体效率的关键环节之一。为刻画AGV充电特征,降低作业成本,提高自动化集装箱码头系统作业可靠性,本文通过时空网络图刻画AGV运输任务和充电过程,以运输成本最小为目标,构建任务分配优化与充电时机选择模型。为求解模型,基于分支定价算法框架设计求解方法,首先通过Dantzing-Wolfe原理将模型分解为基于路径的集合划分主问题和一个存在电量等资源约束的最短路径子问题,其次设计标号修正算法求解。实验结果表明,本文模型算法能够提高模型的求解质量,有效优化AGV作业顺序并选择合适的充电时机,提升AGV任务分配方案的可靠性,并进一步分析了最大电池容量、行驶距离的变化对AGV使用数量、充电次数以及码头作业效率的影响。

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。

四轮驱动自动导引车横向轨迹跟踪研究

轨迹跟踪控制是自主导引车(AGV)的重要组成部分。为提高轨迹跟踪的快速性和稳定性,根据牛顿欧拉方程建立AGV的二自由度动力学方程,据此建立误差模型,设计基于AGV动力学模型的线性时变模型预测控制算法,建立以状态增量和控制增量为变量的优化函数,对其添加状态量约束、控制量约束和控制增量约束,同时增加软约束动态,通过仿真对设计的控制器进行分析验证,结果证明了控制器的有效性。

利用自动化控制程序实现AGV小车在可视化产线与模拟产线上的一致性

在大规模发展无人工厂的背景下,数字孪生技术快速兴起。结合实际案例,提出利用自动化控制程序,实现AGV小车在可视化产线与模拟产线的一致,包括瞬间动作一致,各产线相同阶段运行时间相同。该程序解决了各产线数据同步、实时性的问题,为生产安全性、数据可靠性、实时性、一致性提供了支持。

国家标准《物流仓储设备自动导引车安全规范》(初稿)讨论会顺利召开

2024年4月1日至3日,全国物流仓储设备标准化技术委员会(以下简称标委会)在辽宁省沈阳市组织召开了国家标准《物流仓储设备自动导引车安全规范》(初稿)讨论会。出席此次会议的有标准起草工作组成员、行业专家、标委会部分委员及秘书处人员共15个单位的22名代表。会议由标委会秘书长陈涤新主持。标委会主任委员陆大明、副主任委员唐超,沈阳新松机器人自动化股份有限公司移动机器人BG总裁王玉鹏应邀出席了会议。在开幕式上,王玉鹏总裁致了欢迎辞,陆大明主任委员发表了讲话。

数字孪生驱动的车间自动导引车路径规划

针对车间物流配送中的自动导引车(AGV)路径规划问题,以某企业自动化总装车间为研究对象,提出一种数字孪生驱动的AGV路径规划方法。建立了车间数字孪生环境模型,设计了基于环境地图孪生模型的无冲突路径规划算法。对于车间内实时到达的配送任务订单,采用改进的A^(*)算法结合环境地图孪生模型中的动态邻接矩阵和时间窗矩阵,按任务优先级顺序为相应的AGV规划无冲突路径,并实时更新孪生模型中的数据。所提方法使AGV配送的任务完成时间和冲突调整时间分别平均减少13.4%和17.54%。

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。

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。

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。

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。

基于人工势场算法改进的AGV自主避障路径规划算法及其应用

为解决AGV在瓦楞纸包装车间运行中难于从起始到目标位置寻求最优且避障的路径难题,提出了一种基于人工势场算法改进的自主避障路径规划算法。首先,将目的地与AGV的相对距离加入斥力函数中,对引力函数建立梯度,以解决目的地与障碍物较近导致的目标不可达问题;其次,在局部极小值附近增加虚拟障碍物以助力AGV逃离局部极小值区域;最后,借助二阶贝塞尔曲线对搜索到的路径实施平滑处理,确保AGV的路径可行性。仿真实验表明,改进后的人工势场算法应用于包装车间环境下AGV避障路径规划是可行且高效的。

基于改进A^(*)算法的AGV全局路径规划

采用八邻域搜索策略的传统A^(*)算法对AGV(自动导引车)进行全局路径规划时,存在搜索邻域过多、实时性差和生成路径拐点多等问题,本研究采用三邻域与八邻域混合搜索策略对传统A^(*)算法的搜索策略进行改进,改进后的A^(*)算法在当前搜索点周围不存在障碍物时,选取指向终点的三个栅格作为搜索邻域,当搜索点周围出现障碍物,则转换为传统的八邻域搜索,并在完成搜索后,对搜索路径进行拉直处理,消除多余拐点,减少路径长度。仿真实验结果表明,改进A^(*)搜索算法能有效缩短搜索时间、减少路径拐点数量并缩短路径长度,提高AGV运行效率。

考虑充电过程的自动化码头AGV调度

为了降低自动化集装箱码头充电过程对自动导引运输车(automated guided vehicle,AGV)调度的影响,以提高AGV的作业效率,考虑AGV实际充电需求和空重载耗电差异,以最小化最大完成工时为目标,以AGV电池电量为约束条件,应用遗传算法,构建考虑充电过程的自动化码头AGV作业调度模型。设计3种充电策略,并进行优劣性对比,分析各策略对作业时间的影响。检验结果表明,与传统的充电策略相对比,充电区间设定为50%~65%的机会式充电策略,完成任务总时间和充电时长最优,可以有效提高AGV作业效率。

自动化码头AGV电池备件与充电机配置联合决策

以自动化集装箱码头换电式自动导引车(automated guided vehicle,AGV)电池换电系统为研究对象,采用双有限源封闭循环描述AGV电池换电队列与充电队列,以满足一定工作水平下的总成本最低为目标,基于马尔可夫过程建立电池备件和充电机配置联合优化模型。通过遗传算法求解,得到最优电池备件数与充电机数量。研究结果表明,电池备件数或充电机数过少时,将产生高额的惩罚成本与利润损失。相较于传统的用一备一策略,采取最优策略使得运营总成本显著降低。

改进蚁群算法在自动导引车路径规划中的应用

传统蚁群算法求解自动导引车(Automated Guided Vehicle,AGV)路径规划时生成的最优路径弯曲次数多,累积弯曲角度大,造成路径轨迹整体不平滑;算法解算的路径规划结果容易陷入局部最优;处理死锁状态时路径规划方案多样性减少,导致出现寻优结果失真。针对上述情况,该文提出了将蚁群算法与A^(*)算法相结合的优化模型,通过引入弯曲抑制算子以平滑路径;通过比对限制路径信息素,避免陷入局部最优;利用缩回机制应对凹陷障碍时容易出现的死锁情况,避免陷入死锁状态的蚂蚁在循环迭代中死亡。仿真实验结果表明,改进后的蚁群算法在收敛速度、最短路径长度以及路径轨迹平滑度上都优于传统蚁群算法。

基于启发式规则的自动化码头换电式AGV调度优化方法

针对自动化集装箱码头的水平运输调度问题,考虑换电式AGV的同步装卸作业模式特点,提出了一种基于启发式规则的AGV调度优化方法。以AGV作业序列和换电时机为决策变量,建立了以最小化AGV空载时间、AGV等待时间、任务等待时间和岸边延误时间总成本为目标的调度模型。在此基础上,设计了基于“任务相对优先级”和“最早可获得时间”启发式规则的改进蚁群算法进行求解。通过数值实验,与不考虑换电过程、传统的启发式规则以及最小化最大完工时间得到的调度方案效果进行验证比较。实验结果表明,本方法提高码头运作效率的同时降低AGV能耗,更符合换电式AGV的实际作业调度。

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。

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车(automated guided vehicle,AGV)数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索(conflict based search,CBS)算法。底层采用基于曼哈顿距离的A算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。