魔方型智能仓储系统多AGV任务调度及优化

为探究针对魔方型仓储系统的多AGV调度问题,建立考虑倒箱因素的多AGV调度优化数学模型,设计改进的多层编码的遗传算法,有助于算法跳出局部最优并改善其局部搜索能力。通过设计不同算例,对比优化前后的AGV调度方案,验证改进算法的有效性和可行性,同时,对不同任务规模、AGV规模、仓储填充率、仓储立体规模和仓储平面规模五方面的工况进行探究分析,为魔方型仓储系统运行状况研究提供理论基础。

基于双层蚁群算法的纺织车间多AGV调度系统

为解决多AGV系统在纺织车间复杂环境下运输任务分配不合理的问题,在考虑纺织车间工序多样、AGV类型丰富的情况下,建立可完成车间运输任务分配且满足全局AGV路径规划最优化的多AGV调度模型,并提出了一种以全局蚁群算法和局部蚁群算法相结合的内外双层任务分配调度算法。该算法将传统蚁群算法中的信息素用于连接内外两层从而将纺织设备任务点分配与AGV调度相结合,并根据AGV不同类型匹配不同纺织设备的特点,引入角色分配机制,以适应不同类型AGV对应相应的纺织工序及纺织设备。仿真试验结果表明:双层蚁群算法能够完成纺织车间中不同类型AGV间协同任务分配,可以有效完成车间运输任务合理调度以及多AGV路径优化。

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。

基于融合任务规则优先级蚁群算法的多AGV路径规划实现研究

蚁群算法所具备的合作搜索能力被广泛用于寻找单台AGV最短路径,却不适用解决现实情况中多台AGV同时使用的问题,为此提出了融合任务规则优先级的蚁群算法实现多AGV路径规划,用于解决现实问题中多台AGV同时使用而且存在多种碰撞冲突的情形。通过将AGV运行的路径环境进行建模等针对性措施,把蚁群算法引入到AGV路径规划的现实问题中,然后考虑多AGV路径规划可能存在的不同碰撞冲突类型,并考虑不同AGV拥有不同的任务优先级的现实情况,提出了避免AGV碰撞的策略,形成了基于融合任务规则优先级蚁群算法的多AGV路径规划算法。通过仿真实验结果,证实所提出的算法可以避免多台AGV之间的路径冲突,同时利用了蚁群算法寻求最优路径的能力,改进后的蚁群算法能够用于多AGV路径规划的实际场景中。

基于改进NSGA⁃Ⅱ算法的多AGV多任务分配研究

针对自动仓储系统中多AGV的批量任务分配问题,以总任务等待时间、AGV负载均衡指数、总AGV能耗为目标,以AGV和任务的匹配关系为决策变量构建多目标优化数学模型,加入电量约束条件。为克服传统NSGA⁃Ⅱ算法存在的收敛速度慢、种群多样性维护差等不足,提出三种改进策略:改进交叉和变异算子,采用顺序交叉算子、逆序和单点相结合的混合变异算子;改进拥挤度计算公式,提出非线性平均绝对差的拥挤度计算方法;提出从局部和全局双角度调整的动态参数自适应调整策略。最后,设计多AGV多任务分配的仿真实验。实验结果表明:改进的NSGA⁃Ⅱ算法有效解决了多AGV多任务分配问题,同时,所提出的改进策略有效提高了算法的收敛速度、稳定性和鲁棒性。

基于WebGL的多AGV物流调度仿真系统的研究与应用

针对K公司汽车总装生产线中多AGV电量分配不均、路径冲突、AGV利用率低等物流调度问题,为了提高K公司生产线中多AGV物流调度的效率,设计了一种多AGV物流调度仿真系统;利用WebGL技术建立了整个生产线场景的三维模型;系统能够自动给AGV分配任务,在AGV执行任务时,将AGV的电池电量和AGV路径规划问题考虑到物流调度系统中;该系统实现了对物流调度系统中AGV运输任务的合理分配,提高了物流调度的效率;经实际应用满足了K公司汽车总装生产线多AGV物流调度工程上的应用。

面向大型工业仓库的多AGV综合优化调度方法

针对大型工业仓库中自动引导车(AGV)集群执行大规模任务时效率低的问题,提出一种基于分层规划的综合优化调度方法,将调度问题分解为聚合的上层任务定序分配问题和下层路径规划问题。在上层问题中生成精英解集,将下层路径规划生成的禁忌列表作为碰撞冲突约束条件融入上层问题迭代寻优过程,并在迭代搜索中,将路径规划结果反馈给上层问题并更新约束条件,通过上下两层问题的综合计算得到整体性能最优的方案。进一步将路径搜索和禁忌列表融合,实现AGV调度中相互关联的多个问题的同步优化。通过大型工业仓库实例验证该方法的有效性。研究结果表明:相较于依次优化调度方法,基于分层规划的综合优化调度方法的平均任务完成时间减少10.56%,碰撞冲突造成的延迟时间减少74.53%;相较于混合自适应大邻域搜索算法和预先规划算法,基于混合离散状态转移算法的分层规划综合调度方法对于大规模问题任务完成时间分别减少9.73%和5.54%,计算时间分别减少84.19%和86.68%。

MEC下工业AGV的任务卸载策略研究与分析

近年来,AGV被广泛运用到智能化工业生产中,但AGV处理能力有限,难以满足人们对高质量服务的要求。为促进AGV在工业领域的快速发展,将移动边缘计算引入工业AGV中,提出了一种基于粒子群优化算法的计算任务卸载策略,以降低系统迟延,该策略考虑任务优先级,根据任务优先级别来卸载计算任务。结果表明,该策略能有效降低系统时延。

融合NSGA-II和CSA的多目标车间调度

针对在灵活车间系统中调度作业和自动引导车(automated guide vehicle,AGV)的同时调度问题,考虑在有限多个AGV和加工机台的情况下,以最小化最大完工时间、单个AGV搬运消耗时间及所有AGV搬运总消耗时间为目标函数,设计融合NSGA-II(non-dominated sorting genetic algorithms)和克隆选择(clonal selection algorithm,CSA)的改进算法INGCSA来解决此类问题。采用工件、加工机台和AGV三部分编码;引入非支配排序和目标函数值大小排序后总得分进行种群分层,从而有效地保留优秀个体;针对克隆后的种群,对不同等级的种群采取不同的变异概率,并对染色体进行内部交换与均匀交叉混合交换的基因重组,有效地提高了种群的多样性与防止陷入局部最优。通过三组对比实验,验证了该算法在探索最优解时,具有运行时间短、稳定性高和收敛性好等优点。

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的"货到人"订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。

基于神经-内分泌协调机制的多AGV调度研究

为解决多AGV系统中的任务调度及协调控制问题,受神经-内分泌协调机制的启发,结合混合区域控制模型,建立了任务、制造单元及AGV之间相互刺激的激素分泌模型,并在此基础上提出了基于神经-内分泌协调机制的多AGV任务分配及调度机制。结合实例进行了调度仿真实验,验证了此方法的可行性和有效性。

基于变体马尔可夫博弈的自动引导车任务协同处理

为了提高转运仓库的转运效率,提出了一种基于变体马尔可夫博弈的自动引导车任务协同处理(VMG-AGV任务协同处理)方法。在利用FlexSim构建转运仓库模型的基础上对ProcessFlow、全局表、任务分配器、AGV等组件或实体进行参数、脚本设计,将VMG-AGV任务协同处理方法与传统的“一车带一物”拣选方法进行对比实验。仿真结果表明:新方法与传统方法相比,4辆AGV的平均利用率提高了11%,在制品平均运输量提高了40%,4台出库合成器平均每小时增加出库4.5单。

考虑软时间窗约束的多车型AGV路径优化

由于AGV的车型分配与路径规划影响着柔性制造车间的生产效率与经济效益,同时考虑到AGV在运行过程中的转弯行为会使总配送时间延长,并造成额外的能源消耗。因此以工厂柔性制造车间为对象,首先将AGV总能耗最小和软时间窗惩罚成本最小等作为组合优化目标;其次结合AGV工作过程中直行与转弯两种运动模式下的能耗分析,建立以软时间窗为约束的多车型AGV优化配送模型;最后使用遗传算法对其求解。通过实验结果表明:采用多车型AGV配送与单一轻载配送相比,总成本降低了10%;与单一重载配送相比,总成本降低近21.1%,转弯成本减少21.3%。总之,多车型配送方案能够在保证柔性车间运转效率的同时达到优良的节能效果。

AGV社区应用系统分析与功能设计

提出将AGV功能社区化、人性化的设计方案,并在系统功能、机械结构、控制组件、控制程序等方面进行了设计.同时,对系统模型进行仿真,取得了预期的控制效果,证明了设计方案的可行性和有效性.

柔性制造车间多载具AGV任务分组算法研究

多载具自动导引运输车(Multi-load automated guided vehicle,多载具AGV)任务调度策略影响柔性制造车间的高效、平稳生产。在已知柔性制造车间环境和任务的情况下,提出了一种基于取货点距离的多载具AGV任务分组算法。该算法通过读取任务序列中各任务的取货点信息,进而对任务进行聚类分组。案例研究表明,在已知各多载具AGV运输能力时,所提算法不仅能够实现多载具AGV的任务分组,而且能够最大化利用多载具AGV搬运货物的能力。

在离散车间下的AGV任务分配规划研究

针对离散车间实时动态任务分配结果不理想的问题,文中提出一种改进的注水算法。相较于原有注水算法,改进的注水算法加入工作速率和费用因子,可协调工作速率、费用以及运送工件之间的关系。该算法综合考虑原有未运送工件和AGV工作速率、费用的关系,由KKT条件推导出分配结果的最优解析解,对分配结果进行调整并对剩余工件进行二次分配,以满足离散分配的要求。改进注水算法能够对临时增加的工件进行实时、动态分配,且分配方案不受原有工件分配的影响,每次分配结果均相互独立。最后,将改进注水算法与两阶段优化方法、匈牙利算法、注水算法进行对比。实验结果表明,改进的注水算法在运送时间和运送费用上具有一定的优势,且运算复杂度仅与AGV的数量有关。

卷烟工业物流系统AGV任务调度策略优化

为了解决卷烟工业AGV运输过程中任务堵塞、优先级不可控、空跑、路径欠佳等问题,通过对自动化物流系统AGV调度策略优化,采用任务动态优先级控制、任务捆绑、任务下发数量控制等手段,有效减少了生产断料及等料事件的发生。验证结果表明:采用本调度策略,平均每条AGV任务的响应时间至少缩短40秒,出入库综合效率提高13%,在车间正常生产情况下,AGV减少搬运时间1.5小时左右,取得了良好的实际应用效果。

基于规则的柔性作业车间机床与AGV联合调度优化

利用离散事件系统建模与仿真技术和规则调度方法,对柔性作业车间机床与AGV(automatic guided vehicle)联合调度问题进行研究。基于离散事件建模仿真方法建立了柔性作业车间仿真模型,以平均流动时间、完工时间、AGV平均利用率与完工数量为评价指标,首先将不同路由规则与调度规则组合结合AGV数量进行仿真测试,确定了最佳规则组合与AGV最佳数量。在确定最佳规则基础上,研究车间任务到达模式与AGV数量对系统性能的影响,不同工况下的仿真结果表明,在最优规则组合、任务到达模式与AGV数量下,柔性作业车间联合调度问题能得到有效解决且系统性能将达到最优。

工业移动机器人智能化发展趋势研究

针对工业移动机器人(AGV/AMR)智能化发展方向,提出了AGV/AMR健康度评价,涉及AGV重要部件、运行负荷、运行精度等多个方面,以此为依据,提出了结合大数据分析综合评估AGV健康度的自诊断方法,并依据健康度评价结果进行单机自主决策控制;另外,从AGV/AMR系统层面,提出了基于时空的快速仿真推演思路以及基于时空快速仿真推演的编队通行交通策略、多元化任务分配策略。

基于混合蚁群遗传算法的多AGV任务分配

针对“货架到人”订单拣选过程中多AGV货架任务分配问题,在考虑订单分批的前提下,构建以最小化所有AGV总行驶距离为目标,以任务执行顺序为决策变量的数学模型。针对蚁群算法易陷入局部最优的问题,通过带惩罚机制的动态信息素更新策略进行改进并将蚁群算法的最优解作为遗传算法的初始种群,有效改进了遗传算法的局部搜索能力,具有更高的搜索效率和求解精度。针对小批量和不同AGV数量下的大批量货架搬运任务进行仿真实验,实例表明,文中所提的混合蚁群遗传算法能够提高遗传算法全局寻优的能力,提高拣选系统的整体运行效率。