[发明专利]一种智能工厂AGV场景移动的端-边-云协同数据传输方法

说明书

本发明公开了一种智能工厂AGV场景移动的端‑边‑云协同数据传输方法，涉及智能工厂AGV技术领域。针对智能工厂中无线传感器，AGV，AGV调度系统AGVS构成的延迟容忍移动传感器网络DTMSN建立移动端边云协同架构；融合AGV，端边云协同，和DTMSN技术；考虑端(无线传感器)和边(AGV)的移动对端边云架构网络结构和数据传输效果的影响；改进现有的DTMSN算法，借鉴模拟淬火按概率接受劣解的思想取代分阶段方法来进行中间节点的选择；将数据传输任务本身特性，节点密度，节点速度，节点类型等因素结合到效用函数中；从而提高数据传输质量，减少数据传输时延和能耗，保证移动端边云协同的可行性和有效性，进而充分利用AGV的计算资源，减少任务响应时间和云的计算存储压力。

技术领域

本发明涉及智能工厂AGV技术领域，尤其涉及一种智能工厂AGV场景移动的端-边-云协同数据传输方法。

背景技术

在工业4.0的背景下，大部分工厂已经实现了生产和物流的自动化。通过配备具有物料运送及信息传输功能的AGV，能够大大节省人力，拼好智能工厂的最后一块拼图。然而，由于工厂面积普遍较大且存在大量移动的金属物体遮蔽信号，无线传感器和AGV相对稀疏且电量和计算能力有限，AGV具有较高的移动性且活动范围大而不固定，这对信息传输的质量，时延，以及能耗带来了巨大的挑战。因此，针对智能工厂AGV的特点，使用端边云协同的架构，设计基于延迟容忍移动传感器网络(DTMSN)的信息传输策略就显得尤为重要，这将有助于提高信息传输的质量，减少信息传输时延和能耗，同时有助于充分利用边缘端的计算资源，减少任务响应时间和云的计算存储压力。

由于智能工厂AGV场景缺乏整体规划和多视角解读，其与端边云的关系，延迟容忍传感器网络的结合及传输协议的针对性改进缺乏研究。AGV，端边云，DTMSN的研究相对独立。

目前对AGV的研究一方面为对单个AGV的导航与控制。主要的实现方案为：使用即时定位与地图构建(slam)技术，在目标环境中运动一周并使用深度相机(RGB-D相机)获得场景中点的彩色RGB图像和每个点到深度相机所在的垂直平面的距离值，然后利用这些数据对目标环境进行地图构建，并即时确定自身在地图坐标中的具体位置，这时AGV便有了自动导航的功能。然后标记地图中AGV需要工作的点及其特性，如设置A点是“举起点”，则AGV在该点的动作就是先将货叉水平插入，然后举起至规定距离，将所有工作点连接起来就是一套完整的作业动作；另一方面的研究则集中在对多个AGV构成的AGV系统进行任务协调和路径规划。主要的实现方案为：ERP/MES(生产管理系统)发送叫料指令到WMS(库位管理系统)，WMS与WCS(仓库控制系统)进行信息交互并由WCS生成和下发任务清单。AGVS(AGV调度系统)接到任务清单以后，按照就近原则将任务分配给离工作点最近的AGV，接收到任务的AGV开始执行搬运任务，通过RFID(库位识别)与工作点对接，然后将此次的搬运信息反馈给AGVS，AGVS再将信息上传至上层系统，从而完成整个流程。

对于端边云协同的研究中，一般都假设端边云中所有设备都是固定的，且不考虑通信链路和传输协议的问题，默认通信质量和通信时延能够达到要求。然后在此架构下考虑任务的分配和卸载问题。一般使用端(即传感器)采集数据，边(如网关等具有一定计算能力的设备)整合数据并进行一些预处理和简单运算，云则处理和计算复杂的大型任务。典型的应用如在云上训练神经网络模型，边周期性的从云上下载更新本地神经网络模型对现场数据进行实时预测。但现有的研究都是在假定所有设备固定，网络的拓扑结构不变，且网络状况良好的情况下进行的，没有考虑端和边移动时对网络结构和传输的影响。它对于智能工厂AGV的场景并不适用。在智能工厂AGV的场景中，AGV具有一定的计算能力，可以作为边完成一定的信息处理和计算功能，但由于AGV的运动性，无线传感器(端)和AGV(边)以及AGVS(云)所构成的网络的拓扑结构是不断发生变化的，必须针对这一特点对原有的端边云架构的前提假设和数据传输方式进行相应的调整和改进以实现移动端边云协同充分利用AGV的计算资源，减轻云端的计算和存储压力。