仓储物流中自动导引车的路径规划研究

随着柔性制造系统的广泛应用, 国内对自动导引车的需求量也渐渐增长。在整个自动化仓储物流中, AGV运输成本占总成本比重较高, 仓储任务的精准调度以及AGV良好的路径规划策略, 对提高物流作业效率、降低运输成本有重要意义。

针对多AGV的路径寻优问题, 刘国栋等[1]提出了一种两阶段的交通控制方法来解决AGV路径冲突问题, 王佳溶[2]提出改进型的两阶段控制策略, 他们针对任务的优先级未做详细描述, 当任务和车辆非常多时, 容易产生任务饥饿;胡彬等[3]提出一种基于时间窗的动态路径规划方法, 先搜索出备选路径, 然后通过计算和排布时间窗来规避冲突, 但提出的时间窗是基于边的, 也就是一条较长车道只能被一台AGV保留, 效率比节点时间窗低。

对AGV路径规划中路径成本最优化以及调度效率问题, 提出一种基于优先级队列和时间窗动态排序的路径规划方法。首先构建任务优先级队列, 然后用A-Star算法启发式搜索路径, 通过对节点时间窗进行精确计算和加锁, 实现了多AGV的路径实时规划和动态调优, 在无碰撞冲突条件下保证了仓储物流路径成本最低, 而且提高了系统运行效率。

本文所考虑的是自动化仓储物流中AGV群体运动规则问题, 根据其所在的仓储环境采用拓扑建模法构建地图, 并作以下假设:

(1) 相邻节点间的路线为单行道可双向行驶。

(2) AGV在4个方向上以同一速度匀速行驶, 且转向速度固定;

(3) AGV间安全制动距离为0.8m;

(4) AGV共有4种状态:无任务静止状态 (包括充电状态) , 有任务待负载行驶状态, 负载搬运状态, 临时等待状态。

针对AGV仓储物流环境, 建立拓扑地图, 如图1所示, 在有向连接网络G=<V, E>中, V代表网络中节点的集合V={v1, v2, …, vn}, E代表网络中边的集合E={e1, e2, …, em}, 且每条边可以用相邻节点有序对来表示:

多AGV路径规划的目的是规划出一条时间代价最小的路径。AGV在仓储环境中的耗时分为到达装载点时间, 搬运状态时间和避障等待时间, 分别设为的tk、carrytk和Ωk。因此所有AGV的时间代价之和可由以下公式得到:

其中, k为仓储任务的编号。

(1) 亟待充电且携带任务, 将已分配的任务作为高优先级重新分配, 然后将充电任务作为中优先级重新分配;

(2) 亟待充电且无任务无负载, 将充电任务作为中优先级重新分配;

(3) 一般性实时任务作为低优先级分配;

(4) 同一优先级按照FCFS方法分配。

(1) 相向相遇冲突。如图2所示, 相向行驶的两辆车相遇;

(2) 垂直相遇冲突。如图3所示, 垂直方向的两辆车在节点相遇;

(3) 占位冲突 (车辆空闲) 。如图4所示, 前方因AGV空闲停车阻止了其他车的前进。

(4) 占位冲突 (故障) 。如图5所示, 前方因故障停车阻止了其他车的前进。

(5) 追尾冲突 (超速) 。如图6所示, 即将赶超。

如图1所示, 在有向连接网络G= (V, E) 中, 假设有x辆车参与任务执行, 那么任务的AGV集合为A={a1, a2, …, ax}。所有任务的起点、终点都不同, 那么任务的起点集合和终点的集合分别记为S和D, 且SV, DV。那么自动导引车所经过节点的时间窗可以定义为:

式中, tiin表示自动导引车保留节点i的时间, tiout表示自动导引车释放节点i的时间, i∈V。如图7时间窗模型图所示, 一个任务Wk的时间窗可以描述为Wk={w1, w2, w3, w4}={[t1, t2], [t3, t4], [t5, t6], [t7, t8]}。

为了保障仓储物流过程的安全性, 需要对时间窗进行精准计算, 如图7所示。设AGV到达节点i的时间为ti, 则有公式:

其中, tb为车辆安全制动时间, te为允许最大误差时间, 包括在节点处突发断电及故障引起的制动误差。

如图8所示, 设AGV车身的长度为l, AGV直行通过节点时, 则有公式:

其中, vst是小车统一默认的直行速度。

如图9所示, 当AGV在节点处转弯时, 则有:

其中, vtu是小车转弯通过节点的速度。

在进行多AGV路径寻优时, 采用拓扑建模法构建仓储电子地图, 且携带任务的AGV在运行过程中可双向行驶。将一个仓储搬运任务定义为:

其中, PQk表示第k个任务的实时优先级, 参数越大优先级越低;btk表示第k个任务的开始时间;Sk和Dk分别表示第k个任务的装载点和卸载点, 且Sk∈V、Dk∈V;枚举类型的参数LBk (t) 表示第k个任务的搬运状态, 如公式 (8) 所示。

给任务分配不同的优先级PQ:如图10所示, 将任务队列划分为高中低三个优先级队列, 分别用PQh、PQm和PQl来表示。

(1) 当LBk (t) =0时, 小车正在去装载点的路途中, 即当有任务无负载的AGV小车亟待充电或突发断电等故障时, 已安排的任务的需要重新分配, 将该任务carryk (t) 放入高优先级队列, 将充电或维修任务放入中优先级队列;

(2) 当LBk (t) =1时, AGV在装载点Sk和目的地Dk之间, 即有任务有负载的AGV亟待充电或突发断电等故障时, 已安排的任务的需要重新初始化, 因为装载点Sk已经改变, 然后将新任务carryk (t) 放入高优先级队列, 将充电或维修任务放入中优先级队列;

(3) 把一般性实时任务放入低优先级队列。

首先我们用A-Star算法[4,5]给每个AGV搜索路径, 得到临时路径p={e1, e2, …, en}。如图7所示, 我们根据临时路径来计算时间窗, 节点的时间窗被定义为W={wi=[tiin, tout]}。在任意时刻, 只要节点被保留, 就不允许其他AiGV进入该窗口。仓储运输环境中, 上位机系统分发的任务都是按需求多次动态分发, 为了提高效率, 这里需要预判任务耗时长短, 将比较复杂或装载点[6]Sk距离卸载点Dk比较远的任务优先插入优先级队列以及优先排布时间窗, 这样做是为了减少后续的长任务在规避和等待节点时间窗上大量的耗时:

体现在冲突一:后续的长任务需要不断地寻找次优路线;体现在冲突二:后续的长任务需要不断地负载等待。二者都容易造成任务饥饿, 会降低调度系统的效率。

我们有了任务的优先级分配和时间窗的计算, 下面来介绍路径规划算法的具体实现步骤, 如图11所示。

(1) 根据上位机系统管理员输入仓储物流参数, 将任务划分优先级, 插入优先级队列, 并初始化多个运输任务, carryk (t) ={PQk (t) , btk, Sk, Dk, LBk (t) }。

(2) 按照任务的优先级顺序进行车辆调度:选用离装载点[6]最近的空闲AGV来执行任务。

(3) 用A-Star算法对路径进行启发式搜索, 得到临时的最短行驶路径。

(4) 计算小车到达每个路径节点的时间ti, 然后根据公式 (4) ~式 (6) 计算出自动导引车保留节点i的时间tiin和自动导引车释放节点i的时间tiout。

(5) 初始化节点时间窗Wk, 如果存在任务p和q使Wp∩Wq≠Ø, 说明节点时间窗因尚未加锁而出现重叠现象, 即在的某个保留时间窗内出现了其他车辆[[7]]。

(6) 根据重叠时间窗和拓扑地图, 来确定将会发生哪种节点冲突, 然后对每个节点的时间窗加锁。如果存在如图2所示的冲突一相向相遇冲突[8], 选择PQk (t) 较大的任务重新调度, 由于根据启发式算法规划的临时最优路线会出现碰撞[9], 因此需要继续搜索次优路径, 返回执行步骤 (3) , 若最后所有路线都会出现冲突一, 那么返回执行步骤 (2) 更换AGV车辆;如果冲突类型只剩冲突二垂直相遇冲突[10], 那么携带低优先级任务的AGV原地等待一个节点时间窗的时间, 直到重叠窗口消失;如果两种冲突都存在, 则先按照相向相遇冲突处理。

(7) 生成可执行任务 (指定AGV, 明确路线) , AGV执行完任务空闲后, 由于该AGV可能成为其他任务的障碍, 所以要优先派发该车辆。重复执行步骤 (1) 等待管理员动态分发新需求。

考虑其他三种冲突, 任务执行过程中, 对于冲突三, 那么将更改此空闲AGV所占有的节点周围四条边的权重为无穷大, 修改任务的起始点, 执行算法中的步骤 (3) ;对于冲突四, 可能为突发断电 (非亟待充电提醒) 或机械老化等故障, 需要人工维修或清除, 然后更新可用AGV信息;对于冲突五, 由于环境中假设AGV速度相同, 所以不会出现赶超冲突, 即使在前面的AGV制动减速的时候也不会出现赶超冲突, 因为在计算时间窗时, AGV制动时间tb已经被保留在时间窗内。

使用Visual Studio 2015作为仿真开发平台, 编写调度程序对提出的路径寻优算法进行验证。选取某仓储物流中心如图1拓扑地图所示, 仓储区域长30m, 宽30m, 仓储节点36 (不包括充电区域) , 144个货架, 14条车道纵横交错, AGV直行速度为0.5m/s。转向时间固定为2s。

设计两组仿真对比实验:一组是无时间窗加锁和有时间窗加锁的路径寻优结果, 另一组是不含优先级队列和含优先级队列的路径寻优结果。从两个维度来验证所提出算法的可行性和高效性。

(1) 针对第一种仿真对比实验, 我们分别初始化三个任务:

首先根据任务的预估时间来初始化优先级, 时间越长, PQk (t) 数字越小, 优先级越高。

无时间窗加锁的情况如图12所示, 执行任务carry1 (t) 的车辆将会与执行carry3 (t) 的车辆在b1到c1路段发生相向相遇冲突, 执行任务carry1 (t) 的车辆将会与执行carry2 (t) 的车辆在c3节点发生垂直相遇冲突[11];

含时间窗加锁的情况如图13所示, 由于经过时间窗的重新排布, 任务carry3 (t) 已经重新规划路线, 有效避免与任务carry1 (t) 相向相遇冲突, 且在节点c2进行等待规避, 避免垂直相遇冲突, 任务carry3 (t) 将会在节点c3处进行规避等待, 有效避免死锁和碰撞[12]。

(2) 针对第二种仿真对比实验, 在不含优先级的算法中我们分别初始化三个任务, 这里PQk (t) 均为1, 即:

算法执行过程如图14所示。

考虑图13和图14所示的两种仿真执行过程, 对不含优先级和含优先级的两种调度算法进行路径代价对比, 如表1和表2所示。根据目标函数公式计算出:含优先级的调度算法路径成本Cost小于不含优先级的调度算法。

对多AGV路径寻优和调度效率问题, 提出基于优先级队列和时间窗模型的调度算法。在多AGV动态路径寻优中, 解决了多AGV的碰撞冲突问题, 而且通过构建任务优先级队列优先级优化了调度顺序, 不仅保证了路径最优, 而且可以避免任务饥饿与死锁。最后通过仿真实验得出, 算法在保证车辆无碰撞的条件下可使AGV路径成本最低, 同时提高了任务和车辆调度的效率。