[發明專利]一種智能倉儲多AGV調度方法

在審

• 申請號: 202011410306.6
• 申請日: 2020-12-03
• 公開（公告）號: CN112508481A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 黃超;張毅;鄭凱
• 申請（專利權）人: 重慶郵智機器人研究院有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06F16/29;G06F30/20;G06N3/12;G06F111/04;G06F111/06
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

本發明涉及一種智能倉儲多AGV調度方法，屬于智能物流領域。該方法包括步驟：S1，將倉庫的平面地圖劃分為若干個相同大小的柵格，建立柵格地圖；S2，基于柵格地圖構造多AGV的調度模型F；S3，以F為目標函數采用改進的遺傳算法求解AGV的最優調度結果。本發明可以獲得可靠的柵格地圖精度。

技術領域

本發明屬于智能物流領域，涉及一種智能倉儲多AGV調度方法。

背景技術

倉庫作為物流最重要的組成部分之一，隨著存儲量和流通量的不斷加大，人工成本也在不斷加大，還有管理倉庫的進出庫的信息數據變更和維護的難度也在不斷加大。因此，為了降低人工成本，有必要引入智能設備建立面向無人化、智能化的倉儲系統。同時相關智能設備的引入還能實現貨物的自動分揀、自動運輸，也可以降低人工可能帶來的誤差率，對于整個倉儲系統運行效率的提升也有很大的作用。

自動導航小車(AutomatedGuidedVehicle,AGV)出現于上世紀五十年代，是一種在智能車間或者智能倉儲中用來實現物料運輸的輪式機器人。隨著AGV技術的發展，AGV的自主導航方式也出現了很多種，比如磁導航、激光導航等。由于應用場景的不同，不同的導航方式使得AGV具有更強的適應性，因此AGV在智能車間或者智能倉儲中執行物料搬運、運輸和轉移等任務時，能夠大幅地提高運行效率。如今AGV已經成為智能車間系統和智能倉儲系統中必不可少的一部分。

多目標優化已經成功應用于很多領域，包括工程、交通和物流。多目標優化問題就是在沖突的目標中尋找一個最優方案滿足所有的目標函數。隨著自動化智能化技術的不斷發展，很多制造企業傳統的物料運輸方式已經不能滿足于現在的需求，為了應付這種情況，很多企業引入了AGV，達到物料運輸的目的。AGV由于在車間倉庫運送物料的高效性，在物流行業已經扮演了越來越重要的角色。但是Multi-AGV系統的運用仍然面臨幾個重要的問題：AGV的數量，路徑規劃，施加約束等。

發明內容

有鑒于此，本發明的目的在于提供一種智能倉儲多AGV調度方法。首先將倉庫平面地圖劃分為若干個相同大小的柵格，并基于柵格地圖建立多AGV的調度模型。再采用改進的遺傳算法求解出AGV的調度方案，通過加入電量判斷操作來保證AGV有充足的電量完成任務，以及改變遺傳算法中的變異算子來加快算法的收斂速度。

為達到上述目的，本發明提供如下技術方案：

一種智能倉儲多AGV調度方法，該方法包括以下步驟：

將倉庫的平面地圖劃分為若干個相同大小的柵格，建立柵格地圖，并基于柵格地圖建立調度模型：

以F取最小值為目標函數采用改進遺傳算法求解AGV最優調度結果；

其中，L_k為需要AGV配送的工作站點的下標，γ為AGV行駛距離對應的電量轉換系數，C_ij為i、j站點間的最短距離，X_ijk在K號AGV通過i到j的路徑時為1，否則為0，M為AGV數量，k為AGV編號，E_k為k號AGV在此次調度規劃中需要消耗的電量。

可選的，所述多AGV的調度模型約束條件為：

其中，Y_ki在k號AGV前往i號工作站點時為1，否則為0，ME_k為此次規劃中AGV的最大允許電量消耗值。

可選的，所述改進遺傳算法選擇一個具有指數變換的適應度函數為：

f＝α*exp(β*E)