[发明专利]一种智能仓储多AGV调度方法

说明书

本发明涉及一种智能仓储多AGV调度方法，属于智能物流领域。该方法包括步骤：S1，将仓库的平面地图划分为若干个相同大小的栅格，建立栅格地图；S2，基于栅格地图构造多AGV的调度模型F；S3，以F为目标函数采用改进的遗传算法求解AGV的最优调度结果。本发明可以获得可靠的栅格地图精度。

技术领域

本发明属于智能物流领域，涉及一种智能仓储多AGV调度方法。

背景技术

仓库作为物流最重要的组成部分之一，随着存储量和流通量的不断加大，人工成本也在不断加大，还有管理仓库的进出库的信息数据变更和维护的难度也在不断加大。因此，为了降低人工成本，有必要引入智能设备建立面向无人化、智能化的仓储系统。同时相关智能设备的引入还能实现货物的自动分拣、自动运输，也可以降低人工可能带来的误差率，对于整个仓储系统运行效率的提升也有很大的作用。

自动导航小车(AutomatedGuidedVehicle,AGV)出现于上世纪五十年代，是一种在智能车间或者智能仓储中用来实现物料运输的轮式机器人。随着AGV技术的发展，AGV的自主导航方式也出现了很多种，比如磁导航、激光导航等。由于应用场景的不同，不同的导航方式使得AGV具有更强的适应性，因此AGV在智能车间或者智能仓储中执行物料搬运、运输和转移等任务时，能够大幅地提高运行效率。如今AGV已经成为智能车间系统和智能仓储系统中必不可少的一部分。

多目标优化已经成功应用于很多领域，包括工程、交通和物流。多目标优化问题就是在冲突的目标中寻找一个最优方案满足所有的目标函数。随着自动化智能化技术的不断发展，很多制造企业传统的物料运输方式已经不能满足于现在的需求，为了应付这种情况，很多企业引入了AGV，达到物料运输的目的。AGV由于在车间仓库运送物料的高效性，在物流行业已经扮演了越来越重要的角色。但是Multi-AGV系统的运用仍然面临几个重要的问题：AGV的数量，路径规划，施加约束等。

发明内容

有鉴于此，本发明的目的在于提供一种智能仓储多AGV调度方法。首先将仓库平面地图划分为若干个相同大小的栅格，并基于栅格地图建立多AGV的调度模型。再采用改进的遗传算法求解出AGV的调度方案，通过加入电量判断操作来保证AGV有充足的电量完成任务，以及改变遗传算法中的变异算子来加快算法的收敛速度。

为达到上述目的，本发明提供如下技术方案：

一种智能仓储多AGV调度方法，该方法包括以下步骤：

将仓库的平面地图划分为若干个相同大小的栅格，建立栅格地图，并基于栅格地图建立调度模型：

以F取最小值为目标函数采用改进遗传算法求解AGV最优调度结果；

其中，L_k为需要AGV配送的工作站点的下标，γ为AGV行驶距离对应的电量转换系数，C_ij为i、j站点间的最短距离，X_ijk在K号AGV通过i到j的路径时为1，否则为0，M为AGV数量，k为AGV编号，E_k为k号AGV在此次调度规划中需要消耗的电量。

可选的，所述多AGV的调度模型约束条件为：

其中，Y_ki在k号AGV前往i号工作站点时为1，否则为0，ME_k为此次规划中AGV的最大允许电量消耗值。

可选的，所述改进遗传算法选择一个具有指数变换的适应度函数为：

f＝α*exp(β*E)