一种基于智能预测和误差识别的多AGV规划方法及系统技术方案

本发明专利技术提供了一种基于智能预测和误差识别的多AGV规划方法和系统，对比传统的AGV调度和规避系统，基于智能预测和误差识别的多AGV规划方法及系统能够利用预测冲突的方式提前进行暂停或重规划规避，减少了AGV小车频繁掉头回退导致的系统效率降低。同时对于预测消解冲突中可能存在误差导致的单边冲突和单点冲突，以及死锁情况，能够自动的消解冲突。实现了多AGV调度和规避系统的自动化和智能化。多AGV调度和规避系统的自动化和智能化。多AGV调度和规避系统的自动化和智能化。

【技术实现步骤摘要】
一种基于智能预测和误差识别的多AGV规划方法及系统


[0001]本专利技术涉及AGV
，特别是涉及一种基于智能预测和误差识别的多AGV规划方法及系统。

技术介绍

[0002]AGV(Automated Guided Vehicles)即自动导引运输车，通常也称为AGV小车，是能够自动沿规定的导航路径行驶、具有安全保护、自动充电和各种移载功能的运输车。随着技术的发展，AGV小车被广泛应用于制造业和物流业等不同的场景。为了提升AGV在不同应用场景中的效率，一种有效的方法是投入多辆AGV小车，但受限于工业环境的道路设置和任务的随机性，多AGV调度过程中小车之间存在着很多公共路径，冲突检测和规避才能使多AGV调度系统有效运行。此外，多AGV调度系统的效率很大程度上决定了无人化工厂的生产效率。
[0003]目前，如果采用实时冲突检测的方法，当冲突即将发生时进行规避，可能导致AGV小车掉头规避，降低AGV小车的运行效率和增加耗电。如果采用实时预测的方法，提前预测未来要发生的冲突并进行规避能够提升AGV小车的运行效率，但是现实场景中由于AGV小车运行并非匀速，可能导致预测不准进而导致死锁等情况。

技术实现思路

[0004]针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于智能预测和误差识别的多AGV规划方法及系统，对比传统的AGV调度和规避系统，该方法能够利用预测冲突的方式提前进行暂停或重规划规避，减少了AGV小车频繁掉头回退导致的系统效率降低，同时对于预测消解冲突中可能存在误差导致的单边冲突和单点冲突，以及死锁情况，能够自动的消解冲突，实现了多AGV调度和规避系统的自动化和智能化。
[0005]为了达到上述目的，本专利技术所采用的具体技术方案如下：
[0006]一种基于智能预测和误差识别的多AGV规划方法，具体包括以下步骤：
[0007]S1，获取工厂地图和AGV路网信息，工厂地图中包含任务点和AGV小车经过的结点；
[0008]S2，获取空闲AGV小车列表，从中选择完成任务代价最小的AGV小车并向其下发任务；
[0009]S3，判断是否有空闲AGV小车停在其他AGV小车的任务点上，若是，则向该空闲AGV小车下发规避到其他任务点的任务，否则执行下一步；
[0010]S4，按照优先级两两比较执行任务的AGV小车之间是否存在公共路径，若否，执行步骤S6；若是，分别计算上述两个AGV小车距离公共路径起点和公共路径终点的距离，设为Dis
i，start
、Dis
i，end
、Dis
j，start
和Dis
j，end
，若满足Dis
j，start
＜Dis
i，start
＜Dis
j，end
或Dis
i，start
＜Dis
j，start
＜Dis
i，end
，则判定会在公共路径产生冲突，并执行下一步，否则执行步骤S6；
[0011]S5，选择优先级低的AGV小车进行规避，依次计算其在公共路径起点前进行暂停规避和绕行规避的代价，并向前预测一步判断规避方案是否会引起新的冲突，设未引起二次
冲突的规避点为可行规避点，若可行规避点中的最优规避点为剩余路径的下一个结点，则直接下发规避任务，若为剩余路径下一个结点之后的节点，则执行步骤S6；若优先级低的AGV小车无可行规避点，则按照相同的规避策略向优先级高的AGV小车发布规避方案，规避成功后降低优先级，若两车均不存在可行规避点，则执行步骤S6；
[0012]S6，判断是否存在预测误差导致的冲突，预测误差导致的冲突包括单边冲突和单点冲突，若存在，则以优先级低的AGV小车进行掉头规避，即从上一个结点位置搜索一条离开公共路径的规避路径，腾出路径让优先级高的AGV小车通过从而消解冲突；若不存在，则执行下一步；
[0013]S7，根据规避关系记录判断是否存在死锁，若不存在，置空规避关系记录，执行步骤S3，若存在，则从优先级低至高依次尝试掉头规避，当某AGV小车规避方案可行时，则下发规避任务后执行步骤S3。
[0014]优选的，步骤S4中判断是否存在公共路径的具体方法如下：
[0015]以优先级低的AGV小车的剩余路径节点为对象，在优先级高的AGV小车的剩余路径倒序上查询是否存在上述节点，若存在则连续向后判断直到节点不相同，从而得到公共路径。
[0016]优选的，步骤S5中优先级低的AGV小车的规避代价包括等待代价和路径代价，路径代价为规避路径的长度，等待代价为等待优先级高的AGV小车通过公共路径所对应的距离长度。
[0017]优选的，单点冲突具体指的是两个AGV小车的下一位置相同，且二者的当前位置互为再下一个位置，假设小车j的当前位置节点为Loc
j
，剩余路径为Path
j
，小车i的当前位置节点为Loc
i
，剩余路径为Path
i
，若满足：Path
i
[0]＝Path
j
[0]且Loc
j
＝Path
i
[1]且Loc
i
＝Path
j
[1]，则为单点冲突；
[0018]单边冲突具体指的是两个AGV小车的下一位置互为它们的当前位置，假设小车j的当前位置节点为Loc
j
，剩余路径为Path
j
，小车i的当前位置节点为Loc
i
，剩余路径为Path
i
，若满足：Loc
j
＝Path
i
[0]且Loc
i
＝Path
j
[0]，则为单边冲突。
[0019]优选的，步骤S7中采用经典拓扑排序算法计算是否存在死锁。
[0020]一种基于智能预测和误差识别的多AGV规划系统，包括：
[0021]地图和路网单元，用于获取工厂地图和AGV路网信息，工厂地图中包含任务点和AGV小车经过的结点，AGV路网信息指的是节点与节点之间、节点与任务点之间的连接信息；
[0022]任务单元，用于对接上级的任务模块，当有任务需求时开始安排AGV小车完成任务；
[0023]调度和规避单元，获取空闲AGV小车列表，从中选择完成任务代价最小的AGV小车并向其下发任务；若有空闲AGV小车停在其他AGV小车的任务点上，则向该空闲AGV小车下发规避到其他任务点的任务，按照优先级两两比较执行任务的AGV小车之间是否存在公共路径，分别计算上述两个AGV小车距离公共路径起点和公共路径终点的距离，设为Dis
i，start
、Dis
i，end
、Dis
j，start
和Dis
j，end
，若满足Dis
j，start
＜Dis
i本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能预测和误差识别的多AGV规划方法，其特征在于，具体包括以下步骤：S1，获取工厂地图和AGV路网信息，工厂地图中包含任务点和AGV小车经过的结点；S2，获取空闲AGV小车列表，从中选择完成任务代价最小的AGV小车并向其下发任务；S3，判断是否有空闲AGV小车停在其他AGV小车的任务点上，若是，则向该空闲AGV小车下发规避到其他任务点的任务，否则执行下一步；S4，按照优先级两两比较执行任务的AGV小车之间是否存在公共路径，若否，执行步骤S6；若是，分别计算上述两个AGV小车距离公共路径起点和公共路径终点的距离，设为Dis
i，start
、Dis
i，end
、Dis
j，start
和Dis
j，end
，若满足Dis
j，start
＜Dis
i，start
＜Dis
j，end
或Dis
i，start
＜Dis
j，start
＜Dis
i，end
，则判定会在公共路径产生冲突，并执行下一步，否则执行步骤S6；S5，选择优先级低的AGV小车进行规避，依次计算其在公共路径起点前进行暂停规避和绕行规避的代价，并向前预测一步判断规避方案是否会引起新的冲突，设未引起二次冲突的规避点为可行规避点，若可行规避点中的最优规避点为剩余路径的下一个结点，则直接下发规避任务，若为剩余路径下一个结点之后的节点，则执行步骤S6；若优先级低的AGV小车无可行规避点，则按照相同的规避策略向优先级高的AGV小车发布规避方案，规避成功后降低优先级，若两车均不存在可行规避点，则执行步骤S6；S6，判断是否存在预测误差导致的冲突，预测误差导致的冲突包括单边冲突和单点冲突，若存在，则以优先级低的AGV小车进行掉头规避，即从上一个结点位置搜索一条离开公共路径的规避路径，腾出路径让优先级高的AGV小车通过从而消解冲突；若不存在，则执行下一步；S7，根据规避关系记录判断是否存在死锁，若不存在，置空规避关系记录，执行步骤S3，若存在，则从优先级低至高依次尝试掉头规避，当某AGV小车规避方案可行时，则下发规避任务后执行步骤S3。2.根据权利要求1所述的一种基于智能预测和误差识别的多AGV规划方法，其特征在于，步骤S4中判断是否存在公共路径的具体方法如下：以优先级低的AGV小车的剩余路径节点为对象，在优先级高的AGV小车的剩余路径倒序上查询是否存在上述节点，若存在则连续向后判断直到节点不相同，从而得到公共路径。3.根据权利要求1所述的一种基于智能预测和误差识别的多AGV规划方法，其特征在于，步骤S5中优先级低的AGV小车的规避代价包括等待代价和路径代价，路径代价为规避路径的长度，等待代价为等待优先级高的AGV小车通过公共路径所对应的距离长度。4.根据权利要求1所述的一种基于智能预测和误差识别的多AGV规划方法，其特征在于，单点冲突具体指的是两个AGV小车的下一位置相同，且二者的当前位置互为再下一个位置，假设小车j的当前位置节点为Loc
j
，剩余路径为Path
j
，小车i的当前位置节点为Loc
i
，剩余路径为Path
i
，若满足：Path
i
[0]＝Path
j
[0]且Loc
j
＝Path
i
[1]且Loc
i
＝Path
j
[1]，则为单点冲突；单边冲突具体指的是两个AGV小车的下一位置互为它们的当前位置，假设小车j的当前位置节点为Loc
j
，剩余路径为Path
j
，小车i的当前位置节点为Loc
i
，剩余路径为Path
i
，若满足：Loc
j
＝Path
i
[0]且Loc
i
＝Path
j
[0]，则为单边冲突。5.根据权利要求1所述的一种基于智能预测和误差识别的多AGV规划方法，其特征在于，步骤S7中采用经典拓扑排序算法计算是...

【专利技术属性】
技术研发人员：赵宏，刘洋，刘静，
申请(专利权)人：西安电子科技大学广州研究院，
类型：发明
国别省市：