基于改进的两阶段控制策略的AGV路径优化调度研究

２００８掘第２７卷

９月

第９期

。机械科学与技术

ＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｆｏｒＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇ

Ｓｅｐｔｅｍｂｅｒ２００８

Ｖ０１．２７Ｎｏ．９

基于改进的两阶段控制策略的ＡＧＶ路径

优化调度研究

王佳溶，楼佩煌，王晓勇

（南京航空航天大学江苏省精密与微细制造技术重点实验室，南京２１００１６）

王佳溶

摘要：提出了一种基于改进后的两阶段控制策略和多目标的带约束遗传算法的控制策略，并用通过速度调节的冲突解决模式，实施对ＡＧＶ系统的优化调度。首先利用遗传算法离线生成ｋ条最优路径，再采用速度调节的冲突解决模式对其进行在线动态路径规划；若ｋ条路径均不能满足条件，则用带约束多目标遗传算法计算最优路径。仿真证明：本文提出的调度策略，大大增加了ＡＧＶ调度系统的柔性、效率和鲁棒性，提高了系统效率，为实际应用提供了技术依据。

关键词：ＡＧＶ；调度系统；两阶段控制策略；带约束的遗传算法；动态路径规划

中图分类号：Ｕ４６９．２２文献标识码：Ａ文章编号：１００３．８７２８（２００８）０９—１２１１－０６

ＤｙｎａｍｉｃＰａｔｈＰｌａｎｎｉｎｇａｎｄＳｃｈｅｄｕｌｉｎｇｆｏｒＭｕｌｔｉｐｌｅＡＧＶＳｙｓｔｅｍＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＴｗｏ－ｓｔａｇｅＴｒａｆｆｉｃＣｏｎｔｒｏｌＳｃｈｅｍｅ

ＷａｎｇＪｉａｒｏｎｇ，ＬｏｕＰｅｉｈｕａｎｇ，ＷａｎｇＸｉａｏｙｏｎｇ

（ＪｉａｎｇｓｕＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｒｅｃｉｓｉｏｎａｎｄＭｉｃｒｏ－ＭａｎｕｆａｃｔｕｒｉｎｇＴｅｃｈｎｏｌｏｇｙ，

Ｎ觚ｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６）

Ａｂｓｔｒａｃｔ：ＡｓｙｓｔｅｍａｔｉｃｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｉｓｐｒｅｓｅｎｔｅｄｆｏｒｓｃｈｅｄｕｈｎｇｔｈｅｍｕｌｔｉｐｌｅＡＧＶｓｙｓｔｅｍ．Ｓｕｃｈａｓｔｒａｔｅｇｙｉｓｂａｓｅｄｏｎａｌｌｉｍｐｒｏｖｅｄｔｗｏ－ｓｔａｇｅｔｒａｆｆｉｃｃｏｎｔｒｏｌｓｃｈｅｍｅ，ｍｕｔｉ－ｏｂｊｅｃｔｉｖｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｗｉｔｈｃｏｎｓｔｒａｉｎｔｓａｎｄｃｏｎｆｌｉｃｔａｖｏｉｄａｎｃｅｐｏｌｉｃｙｂｙｒｅｇｕｌａｔｉｎｇｓｐｅｅｄ．Ｆｉｒｓｔ，后ｃａｎｄｉｄａｔｅｐａｔｈｓａｒｅｐｒｅｐａｒｅｄｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｏｆｆ－ｌｉｎｅ，ａｎｄｓｔｏｒｅｄｉｎｔｈｅｆｏｒｍｏｆｒｏｕｔｉｎｇｔａｂｌｅ．Ｔｈｅｎｔｈｅｏｎ?ｌｉｎｅｔｒａｆｆｉｃｃｏｎｔｒｏｌｌｅｒｕｔｉｌｉｚｅｓｔｈｅｔａｂｌｅｔｏｇｅｎｅｒａｔｅａｃｏｌｌｉｓｉｏｎ?ｆｒｅｅｐａｔｈｂｙｔｈｅｃｏｎｆｌｉｃｔ

ａｖｏｉｄａｎｃｅｐｏｌｉｃｙ；ｉｆｔｈｅｋｃａｎｄｉｄａｔｅｐａｔｈｓａｒｅｎｏｔｓｕｉｔａｂｌｅ，ｔｈｅｎａｓｕｉｔａｂｌｅｐａｔｈｉｓｔｏｂｅｇｅｎｅｒａ－ｔｅｄｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｗｉｔｈｃｏｎｓｔｒａｉｎｔｓ．Ｉｔｉｓｐｒｏｖｅｄｗｉｔｈｓｉｍｕｌａｔｉｏｎｔｈａｔｔｈｅｓｔｒａｔｅｇｙｉｍｐｒｏｖｅｓｆｌｅｘｉｂｉｌｉｔｙ，ｒｏｂｕｓｔ－ｎｅｓｓａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅＡＧＶｓｙｓｔｅｍ．

Ｋｅｙｗｏｒｄｓ：ａｕｔｏｍａｔｅｄｇｕｉｄｅｄｖｅｈｉｃｌｅ（ＡＧＶ）；ｔｗｏ－ｓｔａｇｅｃｏｎｔｒｏｌｓｃｈｅｍｅ；ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｗｉｔｈｃｏｎｓｔｒａｉｎｔｓ；

ｄｙｎａｍｉｃｐａｔｈｐｌａｎｎｉｎｇ

随着生产的发展和自动化程度的提高，自动引导车（ａｕｔｏｍａｔｅｄｇｕｉｄｅｄｖｅｈｉｃｌｅ，ＡＯＶ）已成为生产物流系统中实现物料自动化传送的重要工具，多ＡＧＶ调度技术也越来越受到广大学者的关注。

１９８７年，英国的研究者Ｂｒｏａｄｂｅｎｔ等人最早提出的基于交通控制的无碰的、最少时间的运动规划；１９９２年，日本的研究人员ＳｈｉｎＫａｔｏ等人采用了交

收稿日期：２００７一１１一１６

基金项目：江苏省精密与微细制造技术重点实验室基金项目（ＪＳＰＭ２００７０１）和江苏省物流自动化装备工程技术研究

中心基金项目（ＢＭ２００６８０６）资助

作者简介：王佳溶（１９８４一），硕士，研究方向为柔性制造技术，现代集成制造技术，ｗａｎｇｊｉａｒｏｎｇ＠ｙａｈｏｏ．啪．∞通规则法和超声波传感器信息成功实现了多移动机器人之间的协调…；１９９８年，韩国的ＪｕｎｇＨｏｏｎＬｅｅ等人在多ＡＧＶ系统中采用两阶段的交通控制表实现各ＡＧＶ之间的无碰规划旧ｏ；此后国内外学者又提出了如有色Ｐｅｔｒｉ网【３】，遗传算法【４曲】，递阶强化学习Ｈ’等调度算法。

本文在两阶段交通控制策略［１，Ｂｏ的基础上进行了改进，首先采用遗传算法离线生成各点间ｋ条最优路径存入路径表中，利用其对细化后的子任务进行在线交通控制；当路径表中的路径均不能满足要求时，再进行有约束条件的遗传算法计算从而得到优化的运行路径。该控制策略受地图结构变化的影

响小，通用性好，大大减少了实时在线运算。与传统

第９期王佳溶等：基于改进的两阶段控制策略的ＡＧＶ路径优化调度研究

优先级，所在位置等，选取离起始点最近的空闲

ＡＧＶ承担任务，并重新编排优先级。

（３）提取非空闲ＡＧＶ的工作信息，包括：

①工作ＡＧＶ的运行路线，和到达各个节点的

估计时间。

②工作ＡＧＶ的暂时停靠节点及停留时间。

（４）提取路径表中相应节点间的ｋ条路径。

（５）选取第一条路径，检测冲突，若该冲突可解

决，采取解决方案，若是不可解决的冲突，改选下一

条路径。直到选到合适路径为止。

（６）若在ｋ条路径中找到满意路径，将路径信

息转化为命令传给相应的ＡＧＶ。

（７）若后条路径中都无法找到满意路径，提供

约束条件，再用有约束条件的遗传算法进行计算，得到符合条件的满意路径，将路径信息转化为命令传给相应的ＡＧＶ。

５实例分析

本文在以上算法基础上，在ｅＭ—Ｐｌａｎｔ系统中进行了系统仿真，其目的是得到小车工作及系统运行的各种统计数据，证明算法可行性和优越性，并为实际运用提供参考依据。

５．１基础参数

如图１所示自动化车间，节点数为１０，ＡＧＶ数目为２，取路径库中任两点间存储路径条数ｋ＝５；安全距离ｄ＝５ｍ。

遗传算法中，种群规模２０，变异率０．０５，埘＝［０．７，０．２，０．１］，ｔ＝［３０，１５０］，进化终止代数５０。

其在ｅＭ—Ｐｌａｎｔ中的仿真界面如图４所示。５．２设计目标

多ＡＧＶ系统规划仿真的总体目标是使整个系统高效、有序，发挥ＡＧＶ的最大效能。

图４ＡＧＶ调度仿真系统

（Ｉ）实现多ＡＧＶ系统的无碰最优规划，在保证小车不会发生冲突的前提下，找到最优路径。

（２）由于节点数较多，而车辆有限，为保证小车不会超负荷运转，当ＡＧＶ空闲时需回到ＡＧＶ站进行充电，并保证ＡＧＶ的使用效率应低于８０％。

（３）对于较易引起堵塞故障的繁忙路段，在不造成大幅绕路的情况下，应当尽量避开。

（４）尽量减少ＡＧＶ的停车次数和转弯次数，以提高效率并减少机械结构及电机的负担。

５．３仿真结果

依据仿真参数，分别采用两种不同的调度策略，对同一任务单进行了仿真，得到采用本文提出的调度算法和普通算法的仿真结果，如图５所示。

仿真测试结果表明，本文提出的ＡＧＶ系统调度策略可以很好地对整个ＡＧＶ系统进行动态路径规划和调度，实现多辆ＡＧＶ的全局优化。同时，对于相同的任务量，与普通策略相比，该算法大大减少了ＡＧＶ等待时间，从而提高了整个ＡＧＶ系统的效率。

图５不同控制策略下ＡＧＶ运行效果图