目前，多自动运输引导车（ＡＧＶ）系统主要应用在仓储物流系统中，对于工厂自动化建设有重要意义．随着现代工业的快速发展，ＡＧＶ优越性更加明显，将在未来广泛流行和应用．ＡＧＶＳ的工作原理主要是在计算机的控制下，在复杂的工作环境中，将物料通过预规划的路径以一定的精准度传输到指定的目的［１］．在多ＡＧＶ路径规划问题上，Ｆａｚｌｏｌｌａｈｔａｂａｒ等［２］提出转折点的概念，解决自动导引运输车系统（ＡＧＶＳ）中的死锁问题．Ｓｍｏｌｉｃ－Ｒｏｃａｋ等［３］基于时间窗模型动态路径规划的方法，判断不同的ＡＧＶ之间是否有资源的竞争与碰撞冲突．Ｈａｎ等［４］改进遗传算法，得到优化的最短路径规划．Ａｌｃａｉｄｅａ等［５］提出一种运用ｐｅｒｔ－ｃｐｍ（关键路径模型）解决机器人调度问题的模型．Ｄｒａｇａｎｊａｃ等［６］提出一种基于多ＡＧＶ系统的分散控制算法，保证ＡＧＶＳ的安全运行．吕太之等［７］提出一种Ｂ样条曲线结合粒子群优化算法，解决移动机器人局部路径规划的问题．余婷等［８］建立一种染资源配置系统的自动机模型，得到染缸的资源利用率最大的配置方式．基于此，本文提出一种基于有限状态机的多ＡＧＶ路径规划方法，用离散事件的动态系统对ＡＧＶ的每个状态进行建模并响应，从而消除交叉点，提高ＡＧＶＳ运行效率．
１多ＡＧＶ路径规划问题
１．１问题描述
在动态规划物流运输中ＡＧＶ路径时，为避免ＡＧＶ之间冲突与堵塞的发生．通过Ａ＊算法，得到不同任务目标的ＡＧＶ的最短路径集，若ＡＧＶ的路径集中存在冲突点，即路径存在交叉，对低优先级的ＡＧＶ重新进行路径规划，从而实现无冲突的发生．引入ＡＧＶ的选择路径长度作为适应度函数，对ＡＧＶ分配优先级．结合有限状态机模型，优化ＡＧＶＳ，提高系统效率．在实际的多ＡＧＶ的物流运输中，往往由多台ＡＧＶ协同实现，即任务的运输路径最短［９］．将ＡＧＶ初始状态点和最终状态点作为节点，将状态的迁移过程作为边．由于ＡＧＶ的工作环境是一个二维空间静态空间（有障碍物存在），不考虑高度，因此采用栅格法建立栅格地图作为工作环境．将整个工作环境当作坐标系，栅格长度与坐标标度一致，并且每个栅格与其坐标一一映射［１０］．建立一个１０×１０栅格地图，随机生成障碍物，如图１所示．图１中：绿色为起始位置；红色为目标点．假设（１，１０）为初始位置，（１０，１）为目标位置，机器人从初始位置通过Ａ＊算法找到最优路径．规定初始位置与目标位置不重合，基于应用场景，提出如下４个规定．１）一个栅格中只允许存在一辆ＡＧＶ，每个栅格同一时刻只允许通过一辆ＡＧＶ．２）ＡＧＶ运行时速度恒定，栅格长度为单位长度．３）ＡＧＶ一次只能完成一个任务，接到调度指令时不能中途返回．４）为防止ＡＧＶ之间意外碰撞，规定车辆间的最小安全距离，该距离由车身长度和速度确定．
１．２多ＡＧＶ路径规划模型
ＡＧＶ的工作路径可以描述为Ｌ＝｛ｌ１，ｌ２，…，ｌｎ｝，ｌ１为ＡＧＶ的起点，ｌ２，…，ｌｎ为Ａ＊算法规划的路径点．路径规划的目标函数为
式（１）中：Ｌ（·）为路程算子ＡＧＶ路径规划，即为系统规划一条最短距离的工作路径．
１．３冲突描述
在物流运输中，随着车辆的增加，ＡＧＶＳ中小车的路径规划会变得更加复杂，在对小车路径规划时，不可避免地出现ＡＧＶ路径冲突、死锁等问题．多ＡＧＶ的冲突问题主要分为静止冲突、相向冲突、追击冲突和交叉冲突．在物流运输中，小车的速度是恒定的，小车任务已分配，且路径只支持单向移动，因此，对相向冲突与追击冲突的情景不予讨论．
１．３．１静止冲突ＡＧＶ静止冲突图，如图２所示．当ＡＧＶ１在（ｘ＋１，ｙ＋１）栅格故障时，ＡＧＶ１向上位机发送（ｘ＋１，ｙ＋１）栅格信号，上位机将栅格设置为障碍点，若上位机检测到ＡＧＶ２正在向障碍物栅格移动，以当前栅格为起点，重新为ＡＧＶ２规划工作路径．
１．３．２交叉冲突ＡＧＶ交叉冲突图，如图３所示．若ＡＧＶ１与ＡＧＶ２在一段路径中存在交叉点，则表示在某一时刻，ＡＧＶ１与ＡＧＶ２存在碰撞的可能．传统的方法有两种，一是通过预处理法，在上位机对分配任务的ＡＧＶ进行路径规划时，通过检测冲突，若存在相同的节点，则重新规划路线；二是通过分配优先级，向优先级低的ＡＧＶ２发出停止信号．将ＡＧＶ２的停止节点设为障碍点，重新对ＡＧＶ１的工作路径进行规划，从而避免重新交叉冲突，但是该方法效率低，易发生死循环，导致ＡＧＶＳ停止工作．基于此，引入有限状态机模型，若路径中存在交叉点，即存在冲突障碍状态，将交叉点设为低优先级ＡＧＶ的障碍点，对低优先级ＡＧＶ的工作路径重新规划，从而消除交叉点，避免交叉冲突．
暂无评论内容