基于UGNL的AGV系統(tǒng)規(guī)劃設(shè)計與控制方法研究.pdf

1、自動導(dǎo)引車（Automated guided vehicle，AGV）系統(tǒng)作為一種現(xiàn)代化集成智能輸送系統(tǒng)，具有廣闊的應(yīng)用前景。本文以基于單向?qū)б窂骄W(wǎng)絡(luò)布局（Unidirectional guide-path network layout，UGNL）的AGV系統(tǒng)為研究對象，對其導(dǎo)引路徑網(wǎng)絡(luò)設(shè)計、搬運任務(wù)分配及調(diào)度、交通管理等關(guān)鍵技術(shù)進行了研究。主要創(chuàng)新成果如下。
　　首先，在分析傳統(tǒng)單向?qū)б窂骄W(wǎng)絡(luò)設(shè)計模型優(yōu)缺點的基礎(chǔ)上，建立了柔

2、性作業(yè)車間環(huán)境下 AGV系統(tǒng)單向?qū)б窂骄W(wǎng)絡(luò)設(shè)計模型。提出了一種改進的雙種群協(xié)同進化遺傳算法（Improved bi-group collaborative evolutionary genetic algorithm，IBCEGA）以求解該模型。在該算法中，通過兩種染色體編碼分別表示單向?qū)б窂骄W(wǎng)絡(luò)和可行加工/搬運順序。兩種染色體個體分別構(gòu)成路徑網(wǎng)絡(luò)子種群和工序序列子種群，為兩個子種群分別設(shè)計了對應(yīng)的交叉和變異算子。兩個子種群各自獨立

3、并行進化，只有當(dāng)子種群中的個體需要評價時才與另一子種群交互。在路徑網(wǎng)絡(luò)子種群進化過程中，采用了鄰域搜索操作以提高算法的收斂速度，綜合應(yīng)用了小生境技術(shù)和精英保留策略以保持種群多樣性。最后，通過對比實驗證明了本文所提出的設(shè)計模型及算法的優(yōu)越性。
　　其次，針對柔性作業(yè)車間環(huán)境下 AGV系統(tǒng)任務(wù)調(diào)度問題，本文將其分解成工作站分配和AGV任務(wù)調(diào)度兩個子問題求解，建立了綜合考慮加工子系統(tǒng)和搬運子系統(tǒng)的柔性作業(yè)車間模型，提出了一種在線動態(tài)調(diào)度

4、方法。首先以最小化機床最大負(fù)荷、機床負(fù)荷不均衡率以及搬運子系統(tǒng)負(fù)荷為目標(biāo)，提出了包含窮舉法和小生境遺傳算法的工作站在線動態(tài)分配方法。在小生境遺傳算法中，采用鄰域搜索以提高算法的收斂速度，采用基于海明距離的小生境淘汰運算以保持種群多樣性。然后針對AGV任務(wù)調(diào)度子問題，提出了一種實時多屬性任務(wù)調(diào)度方法。設(shè)計了基于輸入輸出緩沖區(qū)狀態(tài)的搬運任務(wù)緊迫性評價方法，采用死鎖避免策略避免系統(tǒng)因輸入輸出緩沖區(qū)剩余容量不足而死鎖，保證了加工子系統(tǒng)的效率。提

5、出了以空載路程最小化為目標(biāo)的任務(wù)分配方法，以保證搬運子系統(tǒng)的效率。最后通過仿真實驗證明了所提動態(tài)調(diào)度方法是高效的。
　　然后，針對基于UGNL的AGV系統(tǒng)，本文提出了一種避免AGV間碰撞的避碰方法。建立了基于有向圖的AGV系統(tǒng)運行狀態(tài)模型，針對該模型提出了一種環(huán)路死鎖搜索方法。定義了包含單環(huán)路和多環(huán)路死鎖臨界狀態(tài)的環(huán)路死鎖臨界狀態(tài)概念，針對兩種死鎖臨界狀態(tài)，設(shè)計了對應(yīng)的死鎖控制策略。最后通過仿真證明了所提方法的有效性。
　　

6、在理論研究的基礎(chǔ)上，依托實驗室的AGV系統(tǒng)，進行了實驗驗證。首先開發(fā)了包含多個高層控制調(diào)度單元和車載規(guī)劃器的AGV系統(tǒng)實驗平臺。高層控制調(diào)度單元主要包括：全局地圖管理單元、監(jiān)視單元、人工指令下達(dá)單元、任務(wù)調(diào)度單元和交通管理單元?；贏RM嵌入式系統(tǒng)的車載規(guī)劃器集成于每臺 AGV中，實現(xiàn)基于單向?qū)б窂骄W(wǎng)絡(luò)的自主導(dǎo)航功能。通過所開發(fā)的實驗平臺驗證了本文所提出的理論及方法。最后將本文所提理論綜合應(yīng)用于某省電力公司的AGV系統(tǒng)中，進一步驗證了