一种基于灵活时空网络模型的AGV路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113902289A(43)申请公布日2022.01.07(21)申请号202111170026.7(22)申请日2021.10.08(71)申请人郑州大学地址450001河南省郑州市高新技术开发区科学大道100号(72)发明人辛健斌魏刘倩张方方王东署彭金柱(74)专利代理机构焦作市科彤知识产权代理事务所(普通合伙)41133代理人杨晓彤(51)Int.Cl.G06Q10/06(2012.01)G06Q10/08(2012.01)G06Q10/10(2012.01)G06N3/12(2006.01)权利要求书2页说明书12页附图2页(54)发明名称一种基于灵活时空网络模型的AGV路径规划方法(57)摘要本申请的提供一种基于灵活时空网络模型的AGV路径规划方法，本申请通过获取目标任务，确定每个自动导引车的子目标任务；基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；将每个自动导引车的信息及其对应的子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果和行驶时间，即构建一种基于分布估计算法和遗传算法的混合启发式算法来进行模型求解，通过对近似最优解的解码得到任务车辆的路径规划结果，以及车辆在每个轨道上行驶时间，保证各个AGV之间无碰撞，在尽量保证目标任务完成时间较短的条件下使车辆的总能耗降低。CN113902289ACN113902289A权利要求书1/2页1.一种基于灵活时空网络模型的AGV路径规划方法，其特征在于，所述方法包括：获取目标任务，基于所述目标任务确定每个自动导引车的子目标任务；基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，并且引入混合元启发式算法，得到AGV时空网络模型；将所述每个自动导引车的信息及其对应的所述子目标任务输入所述AGV时空网络模型得到每个所述自动导引车的路径规划结果以及行驶时间。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标任务确定决策变量及其时空约束，得到时间目标函数和能耗目标函数进行模型构建，包括：所述目标任务包括任务起点、任务终点、货物信息、开始时间、规划时间，将所述规划时间离散化为若干个时间间隙，基于所述目标任务进行数学描述，得到相关决策变量；对所述决策变量分别进行时间约束、空间约束以及时空约束；基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定所述时间目标函数和所述能耗目标函数。3.根据权利要求2所述的方法，其特征在于，所述基于所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定所述时间目标函数和所述能耗目标函数，包括：利用所述决策变量及其对应的所述时间约束、所述空间约束以及所述时空约束确定的总行驶时间问题并基于混合整数优化，得到时间目标函数；在所述总行驶时间问题的基础上确定总能耗问题，所述总能耗问题中总能耗包括车辆加速能耗和滚动摩擦能耗；在所述总能耗问题中增加加速度变量及其约束和时间间隙数变量，并基于混合整数非线性规划，得到能耗目标函数。4.根据权利要求3所述的方法，其特征在于，所述引入混合元启发式算法，得到AGV时空网络模型，包括：设计所述行驶时间和所述路径规划结果的混合启发式算法二维编码框架，采用种群增量学习算法建立AGV概率模型，并利用惩罚函数与所述能耗目标函数组成适应度函数，得到AGV时空网络模型。5.根据权利要求4所述的方法，其特征在于，所述混合启发式算法二维编码框架中第一维对应所述路径规划结果，第二维对应所述行驶时间。6.根据权利要求4所述的方法，其特征在于，基于时间维度采用所述种群增量学习算法构建所述AGV概率模型，所述AGV概率模型中包括时间种群、能耗种群以及学习种群，且所述时间种群、所述能耗种群以及所述学习种群按照预置比例设置。7.根据权利要求1‑6任意一项所述的方法，其特征在于，所述将所述每个自动导引车的信息及其对应的所述子目标任务输入AGV时空网络模型得到每个自动导引车的路径规划结果以及行驶时间，包括：将所述每个自动导引车的信息及其对应的所述子目标任务输入所述AGV时空网络模型中；基于所述每个自动导引车的信息及其对应的所述子目标任务，通过所述AGV概率模型得到初始种群；2CN113902289A权利要求书2/2页在所述初始种群的基础上利用所述适应度函数计算得到精英种群，并进行变异操作生成新一代种群的路径向量，依照所述精英种群通过所述AGV概率模型获得所述新一代种群的时间向量，重复上述步骤，直至完成预置规定次数的适应度评价计算，得到最优的新一代种群的路径向量和时间向量，作为每个所述自动导引车的路径规划结果和行驶