论文部分内容阅读
近年来,自动引导小车（AGV）在智能制造领域的应用越来越广泛,鉴于其能够自主避障、运货载物,常常被应用于车间的物料配送环节,为多个工位点补充物料。采用AGV实行车间物料配送能够解放人力、降低成本、提升效率,该领域主要涉及两方面技术,一方面是AGV的路径规划,另一方面是AGV的任务分配。如何对车间物料配送任务进行合理分配,规划出AGV的全局无冲突最优运行路径,是提升车间配送效率的关键。为此,本研究主要探索了 AGV全局最优路径的规划、配送任务的分配以及冲突消解的方法,具体工作内容如下:（1）提出一种改进蚁群算法来解决单AGV的路径规划问题。针对传统蚁群算法搜索时间较长、较难寻到全局最优解等缺陷进行改进。具体优化要点包括:初始信息素采取不均匀分布,降低初期搜索的盲目性;在启发式信息中加入A*算法的估价函数及转角约束因子,减少路径转弯次数;在信息素更新部分融合狼群算法的分配原则并限制其浓度大小。为AGV规划出一条综合路径长度及转弯次数最优的运行路径,更加适用于车间复杂环境。仿真结果表明:在四种规格的栅格地图中,相较于七种对比算法,改进蚁群算法规划出的全局最优路径在路径长度、转弯次数及累计转弯角度等方面均具有显著优势。（2）提出一种改进NSGA-Ⅱ算法来解决多AGV的任务分配问题。针对A车间现行物料配送存在的费人力、成本高、效率低等缺陷,以配送总成本最小、软时间窗惩罚函数值最小建立双目标优化模型。然后针对传统NSGA-Ⅱ算法求解速度较慢、解集分布性较差等不足进行改进。具体优化措施包括:将初始种群数扩大至原先的1.5至2倍,加快种群收敛速度;将传统拥挤度除以相邻个体目标函数值的方差作为新的拥挤度计算公式;在选择算子中增加概率公式,扩大解集分布性,提高解的质量。仿真结果表明:改进后的NSGA-Ⅱ算法相较于改进前,能够基于双目标优化模型,为A车间中多AGV规划出更优越的任务分配方案,进一步达到模型的优化目标。（3）提出一种动态优先级与时间窗法相结合的冲突消解方法,来实现多AGV的无冲突路径规划。首先采用改进蚁群算法和改进NSGA-Ⅱ算法在A车间中规划出每辆AGV执行各自相应任务的初始全局最优运行路径。然后针对初始路径之间可能存在的冲突,采用冲突消解方法进行局部路径规划。通过膨化路径提取冲突区,依据冲突点距离AGV下一目标工位点的距离,为AGV设置动态优先级,综合优先级高低及冲突类型,采取相应的时间窗排布方法消解冲突,最终生成多AGV全局无冲突最优运行路径。仿真结果表明:基于（1）和（2）中的方法,在A车间栅格地图中成功规划出了每辆AGV执行相应配送任务的初始最优运行路径。时间窗法成功消解了路径之间的冲突,使多AGV能够在车间中安全行驶、高效地完成配送任务。