一种基于多智能体仿真的AGVS动态无碰路径规划方法技术

技术编号:39330250 阅读:14 留言:0更新日期:2023-11-12 16:06
本发明专利技术公开了一种基于多智能体仿真的AGVS动态无碰路径规划方法,具体为:构建了包含任务管理Agent、AGV管理Agent、路网管理Agent、AGV Agent、节点Agent、路段Agent在内的分层混合多智能体系统,各类智能体具有感知,决策,判断、交互能力,利用知识方法互相协作进行动态无碰路径规划:改进A*路径规划算法用于为AGV Agent提供最短路径规划,基于六大类冲突情形的冲突预测与消解策略用于为路网中的AGV动态实时冲突提供预测及消除方法,路网拥挤度计算方法用于实时更新路径网络的拥挤状态,配合A*路径规划算法选择无碰的最短路径。本发明专利技术使AGV物流系统能够顺畅高效运转且无冲突死锁情况发生,具有更好的运输效率和避碰性能。能。能。

【技术实现步骤摘要】
一种基于多智能体仿真的AGVS动态无碰路径规划方法


[0001]本专利技术属于AGV智能控制
,尤其涉及一种基于多智能体仿真的AGVS动态无碰路径规划方法。

技术介绍

[0002]AGVS参数优化配置后,只是从设计规划层面优化了AGVS的预期运行性能,在实际投入生产运行后并不意味着就能高效低成本运行,实际上,还与运行过程中的路径规划和动态调度有密切关系。在实际制造生产过程中,往往需要调动多台AGV同时完成相应的物料运输任务,显然AGV路径规划是制造系统物流过程高效流转的基础。AGV路径规划就是根据运输任务,为多个AGV规划从任务起点到终点的运行路径,并考虑运输过程中的冲突、等待、避让、换线、充电等情况,以最短任务完成时间、最多任务完成量、总运输距离最短或最少总能耗等为目标。随着AGV在制造系统中的大量应用,AGV已经从单一AGV扩展到多个AGV的使用,多个AGV在路径网络中运行导致的拥挤、冲突、死锁等情况越来越多,容易发生碰撞和阻塞,甚至造成系统瘫痪,因而避碰和防死锁问题变得非常重要,需要解决AGV运行过程中的冲突、碰撞与死锁等问题。另外由于AGVS系统及其所属的制造系统是个典型的复杂离散事件系统,具有柔性与灵活性、随机性、动态性、复杂性,随着系统运行时间和系列事件的推进,其实时状态往往很难规划与预测,此外动态事件如任务变动、AGV故障、机床故障、AGV充电等也会影响或破坏整个系统的运行过程,在路径规划时必须考虑各种情况下的动态实时快速响应。因此,当前AGV的路径规划已经从单个AGV路径规划、多AGV的静态路径规划逐渐演变成了考虑避碰的多AGV动态路径规划,多AGV动态无碰路径规划问题是提高制造系统物流效率进而提升制造系统运行效益的关键问题。
[0003]多AGV动态无碰路径规划主要是在静态路径规划方法中加入了一些动态策略,但当前研究对问题的描述与表达存在较大差异,视角各异,没有形成统一的数学模型,不具有广泛适用性;大部分求解方法如智能优化算法属于集中式调度,能获得满意解,但当问题规模扩大或更复杂时数学模型准确度和算法效率受限;其他方法主要针对特定的模型,不具有广泛适应性,或者实时性不强,避碰策略不够灵活,不能适应多类动态事件。因此需要寻找一种代价小效率高适用范围广的方法来解决多AGV动态无碰路径规划问题。

技术实现思路

[0004]针对上述问题,本专利技术提供一种基于多智能体仿真的AGVS动态无碰路径规划方法。
[0005]本专利技术的一种基于多智能体仿真的AGVS动态无碰路径规划方法,具体为:
[0006]A、对AGVS物流运输系统的抽象方法、表达机制和运行控制展开分析,运用面向对象方法和图形化建模、可视化技术实现对AGVS物流运输系统的建模,构建AGVS物流及路网模型,包括物流任务管理、物料运输过程管理以及AGV本体模型、路径网模型、节点模型、路段模型、AGV停靠站、各个上下料站点模型、工件模型组成。
[0007]B、根据AGVS物流及路网模型,分析基于AGVS中各个实体之间的逻辑关系,系统事件的运行机制,拟出多智能体的种类和功能,构建各类智能体组成的混合架构多智能体系统MAS。
[0008]混合架构多智能体系统MAS顶层为车间管理Agent,中间层为任务管理Agent、AGV管理Agent、路网管理Agent,底层为系统各个元素对应的Agent,包括工件Agent、AGV Agent、节点Agent和路段Agent;车间管理Agent作为系统的最高管理者,拥有系统的全局信息和最高的权限;最底层各类元素Agent是运输任务完成的执行者或协作者;中间层管理Agent作为上下层通讯沟通的中介,不仅将车间管理Agent的决策传达给最底层,而且将最底层Agent的信息汇集归纳反馈给最高层Agent。
[0009]C、采用改进A*算法进行单AGV最短路径的求解。
[0010]改进A*算法代价函数f(n)是将实际代价和启发式估计代价相加,即:
[0011]f(n)=g(n)+h(n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0012]其中,n表示当前节点,g(n)表示AGV从起始节点到达当前节点的实际代价值,h(n)表示从当前节点到达目标节点的估计代价值,即启发式函数。
[0013]相比对传统的启发函数引入加速因子λ以减少A*算法遍历的节点数,考虑曼哈顿距离的纵横比引入比例因子α以协调在二维搜索方向上的平衡,则启发式函数为:
[0014]h(n)=λ(|x
n

x
end
|+α|y
n

y
end
|)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0015]其中,(x
n
,y
n
)分别表示当前点横坐标和纵坐标,(x
end
,y
end
)分别表示目标点的横坐标和纵坐标。
[0016]D、基于多智能体的AGV冲突预测与处理。
[0017]AGV之间的冲突检测是通过AGV Agent、节点Agent、路段Agent和路网管理Agent的信息交互来综合预测判断;冲突的消除通过AGV管理Agent控制AGV Agent的正常行驶、减速/停车避让、切换路径指令来实现冲突消除;对每类的冲突如何进行预测和消除给出了解决方法,冲突消除的原则是:
[0018](1)尽量保持原有AGV的最优路径规划,使AGV个体的任务时间最短。
[0019](2)尽量让距离节点最近的AGV优先通过,以提高通行效率。
[0020](3)三个或以上AGV冲突时,优先决策出一个AGV让其尽快通行,以减少节点和路段拥堵,简化冲突情形。
[0021]进一步的,混合架构多智能体系统MAS中各个Agent的定义和功能。
[0022](1)车间管理Agent
[0023]车间管理智能体为系统的最高管理者,拥有整个AGV系统的全局信息和最高的权限,为系统管理Agent;车间管理Agent与任务管理Agent、AGV管理Agent、路网管理Agent之间相互通信,协调中间层管理Agent的启动与任务执行流程,收集汇总整体运输情况信息。
[0024](2)任务管理Agent
[0025]任务管理Agent对系统中所有物料/工件Agent进行管理,实时汇总所有工件的状态信息包括:工件的编号、运载工件的AGV编号、位置信息并及时更新状态数据,进行汇总及实时监控;同时,任务管理Agent与AGV管理Agent之间相互通讯协商,发送工件运输请求给AGV管理Agent,协商工件和AGV之间的指派与分配,指派AGV小车承担运输任务,并将AGV智能体和载运的工件Agent绑定。
[0026](3)工件Agent
[0027]工件Agent是对系统中运输物料/工件的映射,每个工件对应一个工件Agent,工件Ag本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于多智能体仿真的AGVS动态无碰路径规划方法,其特征在于,具体为:A、对AGVS物流运输系统的抽象方法、表达机制和运行控制展开分析,运用面向对象方法和图形化建模、可视化技术实现对AGVS物流运输系统的建模,构建AGVS物流及路网模型,包括物流任务管理、物料运输过程管理以及AGV本体模型、路径网模型、节点模型、路段模型、AGV停靠站、各个上下料站点模型、工件模型组成;B、根据AGVS物流及路网模型,分析基于AGVS中各个实体之间的逻辑关系,系统事件的运行机制,拟出多智能体的种类和功能,构建各类智能体组成的混合架构多智能体系统MAS;混合架构多智能体系统MAS顶层为车间管理Agent,中间层为任务管理Agent、AGV管理Agent、路网管理Agent,底层为系统各个元素对应的Agent,包括工件Agent、AGV Agent、节点Agent和路段Agent;车间管理Agent作为系统的最高管理者,拥有系统的全局信息和最高的权限;最底层各类元素Agent是运输任务完成的执行者或协作者;中间层管理Agent作为上下层通讯沟通的中介,不仅将车间管理Agent的决策传达给最底层,而且将最底层Agent的信息汇集归纳反馈给最高层Agent;C、采用改进A*算法进行单AGV最短路径的求解;改进A*算法代价函数f(n)是将实际代价和启发式估计代价相加,即:f(n)=g(n)+h(n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中,n表示当前节点,g(n)表示AGV从起始节点到达当前节点的实际代价值,h(n)表示从当前节点到达目标节点的估计代价值,即启发式函数;相比对传统的启发函数引入加速因子λ以减少A*算法遍历的节点数,考虑曼哈顿距离的纵横比引入比例因子α以协调在二维搜索方向上的平衡,则启发式函数为:h(n)=λ(|x
n

x
end
|+α|y
n

y
end
|)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中,(x
n
,y
n
)分别表示当前点横坐标和纵坐标,(x
end
,y
end
)分别表示目标点的横坐标和纵坐标;D、基于多智能体的AGV冲突预测与处理;AGV之间的冲突检测是通过AGV Agent、节点Agent、路段Agent和路网管理Agent的信息交互来综合预测判断;冲突的消除通过AGV管理Agent控制AGV Agent的正常行驶、减速/停车避让、切换路径指令来实现冲突消除;对每类的冲突如何进行预测和消除给出了解决方法,冲突消除的原则是:(1)尽量保持原有AGV的最优路径规划,使AGV个体的任务时间最短;(2)尽量让距离节点最近的AGV优先通过,以提高通行效率;(3)三个或以上AGV冲突时,优先决策出一个AGV让其尽快通行,以减少节点和路段拥堵,简化冲突情形。2.根据权利要求1所述的一种基于多智能体仿真的AGVS动态无碰路径规划方法,其特征在于,所述混合架构多智能体系统MAS中各个Agent的定义和功能;(1)车间管理Agent车间管理智能体为系统的最高管理者,拥有整个AGV系统的全局信息和最高的权限,为系统管理Agent;车间管理Agent与任务管理Agent、AGV管理Agent、路网管理Agent之间相互通信,协调中间层管理Agent的启动与任务执行流程,收集汇总整体运输情况信息;
(2)任务管理Agent任务管理Agent对系统中所有物料/工件Agent进行管理,实时汇总所有工件的状态信息包括:工件的编号、运载工件的AGV编号、位置信息并及时更新状态数据,进行汇总及实时监控;同时,任务管理Agent与AGV管理Agent之间相互通讯协商,发送工件运输请求给AGV管理Agent,协商工件和AGV之间的指派与分配,指派AGV小车承担运输任务,并将AGV智能体和载运的工件Agent绑定;(3)工件Agent工件Agent是对系统中运输物料/工件的映射,每个工件对应一个工件Agent,工件Agent带有起始点和目的地信息,工件Agent受任务管理Agent的统一管理;由任务管理Agent和AGV管理Agent协商,确定运输任务的顺序,协商工件、AGV之间的分配与指派,一旦指派完毕则将工件与AGV进行绑定,由AGV完成工件后续的运输任务;工件Agent将自身的状态信息包括载运工件的AGV编号、工件在路网中的位置信息及时上传给任务管理Agent进行汇总和实时监控;(4)AGV管理AgentAGV管理Agent对系统中所有AGV Agent进行管理,实时汇总所有AGV的状态信息包括:AGV编号、速度、空载、负载、故障信息并及时更新状态数据;AGV管理Agent作为中间管理层的中心,与工件管理Agent和路网管理Agent之间互相通讯交互,接收工件管理Agent的运输请求并指派AGV小车承担运输任务,并将AGV Agent和载运的工件Agent绑定;另外AGV管理Agent与路网管理Agent之间交互,接收由路网管理Agent传递过来的冲突消除控制指令并传递给相应的AGV Agent执行,同时AGV管理Agent将AGV的位置、速度信息发送给路网管理Agent,进行汇总及实时监控;(5)AGV AgentAGV Agent是对系统中AGV的映射,每一辆AGV对应一个AGV Agent,完成指定的一系列运输任务,将工件从起始点经过路径网络搬运到目的地;AGV Agent是混合型智能体结构,既能够规划自主行为也能够对事件做出响应;AGV Agent能够感知外部环境,与其他Agent进行交互;对AGV的当前状态数据进行更新,包括AGV的位置、速度、空载、带载、运输任务信息;AGV Agent自身的决策计算功能包括:路径规划模块利用改进A*算法规划最优行驶路径,运动计算模块对AGV运动学进行计算,接收AGV管理Agent的工件转运任务指令,完成工件转运过程控制;同时AGV Agent把自身状态信息如AGV的位置、速度、任务转运状态信息及时上传给AGV管理Agent;AGV管理Agent为AGV Agent提供优化路径时的节点和路段拥挤度信息;(6)节点Agent节点Agent是对系统中路径网络节点的映射,每一个节点对应一个节点Agent,用于判断AGV冲突可能性、冲突预警以及计算节点的拥挤度;节点Agent能够感知AGV在节点上的接近、进入和离开,对节点的当前状态数据进行更新,包括节点附近AGV的数量Agent、位置、距离信息;节点Agent利用冲突预测方法知识对AGV冲突进行预测,利用节点拥挤度计算方法知识更新节点的拥挤度,并将当前状态数据,冲突预测信息,拥挤度信息传递给路径网络Agent进行汇总及实时监控;(7)路段Agent
路段Agent是对系统中路径网络路段的映射,每一个路段对应一个路段Agent,用来检测路段上AGV冲突以及计算路段的拥挤度;路段Agent能够感知AGV进入与离开路段,对路段的当前状态数据进行更新,包括路段上AGV的数量、位置、行驶方向、距离信息;路段Agent利用冲突预测方法知识对AGV冲突进行预测,利用路段拥挤度计算方法更新路段的拥挤度,并将当前状态数据、冲突预测信息、拥挤度信息传递给路径网络Agent进行汇总及实时监控;(8)路网管理Agent路网管理Agent是对系统中整个路径网络的映射,用来汇总所有节点和路段上报的汇总信息,包括冲突节点信息、冲突路段信息、节点拥挤度、路段拥挤度信息并及时更新状态数据;与AGV管理Agent交互,一方面对于路网中存在的冲突预警信息,利用冲突消除策略方法进行处理,并通知给AGV管理Agent进行处理;另外一方面,从AGV管理Agent实时获取与更新AGV的位置、速度信息,进行汇总及实时监控。3.根据权利要求1所述的一种基于多智能体仿真的AGVS动态无碰路径规划方法,其特征在于,所述改进A*算法具体流程为:Step1:建立栅格地图,将AGV路径网络转化为栅格网络;Step2:根据起点和目标点确定启发函数的系数,获得其他AGV占用节点信息表AGVUsed;Step3:建立Op...

【专利技术属性】
技术研发人员:付建林张剑刘名远杨涵覃谢家翔胡明珠
申请(专利权)人:西南交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1