[发明专利]集成多AGV路径规划与多行设备布局优化方法

权利要求书

1.集成多AGV路径规划与多行设备布局方法，其特征在于，所述方法包括：

S1、采集车间运行数据，求解得到不少于2个的群聚指标，线性加权处理所述群聚指标得到模型目标函数，根据所述模型目标函数以及预置模型约束，建立多行设备布局多目标优化模型；

S2、针对预置布局情况，基于时间窗的A*算法进行多AGV路径规划，结合所述车间运行数据，求解得到迭代中的总加工时间；

S3、采用结合遗传算法的蚁群算法，根据所述迭代中的总加工时间求解最终布局情况；

S4、基于预设离散事件进行动态仿真，以根据所述最终布局情况，验证所述多行设备布局多目标优化模型的准确性。

2.根据权利要求1所述的集成多AGV路径规划与多行设备布局方法，其特征在于，所述步骤S1还包括以下具体步骤：

步骤S11、利用下述逻辑，确定所述模型目标函数：

min Z＝μ₁T+μ₂C+μ₃K    (1)

其中T为完成订单的时间，C为运输成本，K为设备之间的群聚指标，μ₁、μ₂、μ₃分别表示订单完成时间、运输成本、设备之间的群聚指标的权重；

步骤S12、利用下述逻辑定义所述设备之间的群聚指标：

其中，d_ij为设备i，j之间的距离，S_t为加工同种工序的设备的集合，m为加工工序的数量；

S13、确定三个目标之间的权值，根据熵权法确定所述群聚指标的权重；

S14、根据所述设备之间的空间条件约束，确定所述预置模型约束。

3.根据权利要求2所述的集成多AGV路径规划与多行设备布局方法，其特征在于，所述步骤S13包括：

步骤S13还包括：

S131、利用下述逻辑，使用最小最大标准化的方法得到预处理数据：

其中，X_ij为样本i第j个指标标准化前的数据，X_i为样本i中的数据，Y_ij为样本i第j个指标标准化后的数据。

S132、计算所述预处理数据，以得到所述群聚指标的比重：

S133、根据所述群聚指标的比重，以下述逻辑求解出指标的信息熵：

S134、利用下述逻辑处理所述信息熵，以确定所述群聚指标的权重：

其中E_j指标j的信息熵，k为指标的个数，w_j为计算后的群聚指标的权重。

4.根据权利要求1所述的集成多AGV路径规划与多行设备布局方法，其特征在于，所述步骤S2还包括：

S21、构建栅格地图，使每台设备分别处在栅格中的一个点位中；

S22、根据预置AGV调度规则，最小化车间的加工时间；

S23、对已派遣运输任务AGV，利用所述基于时间窗的A*算法，对所述已派遣运输任务AGV在所述栅格地图中的路径进行规划；

S24、针对节点冲突和相向冲突，通过构建不同所述节点的所述AGV占用时间窗情况，调整所述AGV的路径；

S25、重复执行所述步骤S23至所述步骤S24，直至所有产品加工完毕，以计算得到所述迭代中的总加工时间。

5.根据权利要求4所述的集成多AGV路径规划与多行设备布局方法，其特征在于，所述步骤S23中，所述基于时间窗的A*算法还包括：

S231、获取当前的AGV路径外，其余所述AGV路径的上一次任务路径；

S232、将所述上一次任务路径上的非上下货点设置为障碍；

S233、结合上一次任务的起点终点及所述障碍，调用A*算法获取适用路径；

S234、根据适用路径获得所述当前任务经过节点的时间窗；

S235、对比所述当时的时间窗与所述总时间窗，据以判断是否存在节点冲突；

S236、若是，则等待时间t，平移所述时间窗；

S237、得到新的所述AGV路径；

S238、若否，将当前是所述AGV路径的所述时间窗，加入到所述总时间窗内。