基于改进蚁群优化算法的AGV路径规划

【目的】针对传统蚁群算法(ant colonyalgorithm, ACA)在移动机器人(automatic guided vehicle, AGV)路径规划中搜索效率低、寻找路径长、拐点个数多等问题,提出一种改进的蚁群优化算法(ant colony optimization, ACO)。【方法】首先,在蚁群算法中加入预估代价值策略来改进启发函数,增强目标点的引导作用,提升搜索效率;然后,结合狼群算法(wolf pack algorithm, WPA)分配机制来更新信息素,解决路径规划时易陷入局部最优的问题;接着加入拐点影响因子来降低路径拐点;最后,采用动态避障策略来解决死锁问题。【结果】运用改进蚁群优化算法后,移动机器人路径规划时,最佳路径长度、迭代次数和拐点数等比传统算法分别降低9.7%、57.8%、65.0%。【结论】本研究结果能为移动机器人在复杂环境下的路径选择提供重要参考。

基于双种群蚁群算法的AGV路径规划研究

针对蚁群算法存在的收敛速度慢、易陷入局部最优和容易死锁等问题,提出了一种用于自动引导车(AGV,automated guided vehicle)路径规划的双种群蚁群算法;该算法引入差异化信息素初始值,修改启发函数并在信息素更新时对最优及最差路径进行奖惩;以改进策略为基础,引入自适应步长搜索策略,通过具有差异化步长的两个种群相互协作加强算法寻优能力和搜索效率;针对死锁问题,提出了将符合条件的单元格视为障碍物的“填充陷阱”策略;分别进行仿真实验和车间现场实验,结果表明,该算法可以为AGV规划出一条安全且综合性能较好的路径,为AGV路径规划提供了一种可行的方案。

基于多载量AGV的运输系统死锁避免调度方法

近年来,多载量自动导引车(Automatic guided vehicle,AGV)系统因其交通拥堵率低、车队规模性小等优势,在物流运输领域的应用愈加广泛。实现死锁避免一直是多载量AGV系统调度过程中面临的主要挑战之一。为了避免系统死锁,现有文献普遍采用了低在制品数策略。然而,该策略会使加工机床易于待料停产,最终降低系统效率。为此,提出了一种适用于高在制品数AGV系统的死锁避免方法。首先,在包含4个子问题的调度过程中融入了一个死锁避免策略,该策略根据系统缓存区状态动态识别并临时禁止关键任务运行以避免潜在死锁。其次,为了提高系统的效率,综合考虑输入/输出缓存区状态、行驶距离等属性设计了3条多属性调度规则。最后,开发了一个仿真系统来评估所提出的死锁避免策略和多属性调度规则在不同在制品数上的性能。仿真结果表明,所提出的死锁避免调度方法不仅可以避免潜在的死锁,而且可以在较高的在制品数量上提高系统的效率,具有较高的系统适应性。

基于任务-资源图的AGVS循环死锁搜索算法的改进研究

针对AGVS中循环死锁搜索算法研究中存在的不能搜索全部的循环死锁的问题,利用任务-资源图提出一个改进算法.改进算法如下:首先,根据AGV的相对位置关系和执行任务的情况,利用任务-资源图(Task-Resource graph,T-R图)对AGVS进行建模,然后根据循环死锁的T-R图特征,在每一个状态时刻下的T-R图使用图的强连通分支理论搜索循环死锁.当访问完所有状态时刻下的T-R图,也就找到了AGVS中的所有循环死锁.算例验证与理论分析均说明改进算法可以搜索到全部类型的循环死锁,解决了原算法存在的不足.根据改进算法开发的控制规则,可以有效避免新循环死锁的产生.同时指出,对改进算法稍加修改,可以找到AGVS中所有的循环死锁和非循环死锁.

移动机器人智能车场停车资源调度分配

当今社会“停车难”的问题日渐严峻,通过引入移动机器人(automated guided vehicle,AGV)构建自动化智能停车场迫在眉睫。针对AGV智能停车场可以自由选择终点这一特点,本文提出了一种停车资源分配方案的代价评价模型,将路径干涉概率引入代价评价模型;同时针对现有的停车资源分配方法对AGV运行情况运行不足从而造成浪费的情况,本文在现有的停车资源分配方法的基础上提出了根据距离交替分配以及基于遗传算法的整体规划分配两种停车资源分配方法。通过Plant Simulation软件对代价模型以及分配方法进行验证,仿真结果显示:在44个停车位,4辆AGV投入运输的情况下,通过降低停车代价将停车总时长提高了30.4%,并针对仿真过程对影响停车效率的因素进行分析。

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。

基于链状结构保持的多AGV系统灵活高效死锁避免控制策略

现有的多AGV(自动导引车)系统处理死锁的方案往往约束过强,压缩了潜在的性能优化空间。本文提出一种高度灵活的死锁避免算法,通过分析系统状态图中的宏环结构并结合银行家算法来实现状态图的链状结构判断,在确保算法高效性(最坏情形时间复杂度为O((|V|+|E|)|A|),其中V、E、A分别代表节点、边、AGV)的同时,实现了灵活的死锁避免。通过离散事件系统仿真及实际系统应用验证了算法的有效性,结果表明,在典型路线图上,该算法相较于经典的银行家算法及其变种,容许覆盖率提升高于16%,在使用相同任务分配、路径规划算法的情况下,任务平均完成时间降低了15%,具有更高的灵活性,有效提升了系统性能优化的潜力。

多AGV系统的动态路径规划算法

重点研究针对多AGV在物流系统中路径的规划存在规划不灵活、容易出现死锁问题,提出一种动态路径规划算法。该算法主要是采用基于连接特性算法全局规划、动态局部调整相结合方法,解决多AGV系统运行过程中空间和时间的冲突,实现AGV系统运行时间最短的最优规划目标,使多AGV在物流系统中能快速有效地完成工作。通过仿真和试验对规划算法进行验证。仿真和试验结果表明:该方法在物流系统实现全局最优规划,有效提高系统效率。避免了在线路径搜索带来的运算负担,解决目前多AGV系统路径规划不灵活、容易出现冲突的问题。该算法能够精确规划出空间、时间上未出现冲突的最短路径,满足试验的要求且算法运行可靠。