AGV调度方法与流程

本发明涉及agv技术领域，尤其涉及一种agv调度方法。

背景技术：

agv(automatedguidedvehicle，自动导引运输车)是指装备设有电磁或光学等自动导引装置的运输车，它能够沿规定的导引路径行驶。

相关技术中，agv高度运行的路径管理主要是通过技术人员在上位调度系统中修改和维护路线、工作站等信息，然后通过无线传输将最新的路径信息告知每个agv的方式来实现agv调度管理。

agv的路径信息主要包括工作站信息和运行路线信息，目前的agv调度方法采用自上而下的调度方式，即，工作站的增减和路线的变更要通过上传调度系统告知每个agv，系统的维护主要依靠人工进行。其自上而下的调度方式，也会增加路径管理的维护周期和维护成本。

另外，相关技术中的agv调度一般为沿规定路线执行任务，缺少自主选择适当线路的智能化，从而使得其运行效率降低，特别是随着电子商务的发展，物流仓库的增加增大，agv运用更广泛，而agv的运行效率则十分重要，可极大提高经营效率。

因此，有必要提供一种新的agv调度方法解决上述问题。

技术实现要素：

本发明需要解决的技术问题是提供一种维护成本低且工作效率高的agv调度方法。

为解决上述技术问题，本发明提供了一种agv调度方法，该方法包括如下步骤：

步骤s1、控制系统生成agv地图并进行存储，所述agv地图为有向图，其包括站点、站点之间的路径和虚拟交通信息号灯，所述虚拟交通信号灯用于控制所述agv在每一所述站点的通行状态，其包括分别设置在每一所述站点的进入侧以及相邻两站点之间的路径上的识别码，所述识别码包括位置信息和转向信息；

步骤s2、将agv进行初始化设置，使agv以指定速度根据所述agv地图按预定路径运行，所述agv通过读取所述识别码实现触发运行和定位，将通过的任意相邻两个所述站点的运行时间记录并上传至数据库；

步骤s3、任意两站点之间的最优路径计算，根据数据库的数据运行floyd算法，计算出任意两个所述站点之间运行时间最短的路径，将该路径确定为最优路径并存储于数据库；

步骤s4、调取agv执行从一所述站点运行至另一所述站点的任务，通过所述数据库调取该两个所述站点之间最优路径，使所述agv按最优路径运行，且将运行过程中任意相邻两个所述站点的运行时间记录并上传至数据库更新；

步骤s5、数据库优化，根据数据库的数据重新运行floyd算法，计算出任意两个所述站点之间的新的最优路径并更新为当前最优路径；

优选的，还包括：步骤s6、重复步骤s4～s5，通过遗传算法进行深度学习，按预设时间间隔对所述数据库的数据运行floyd算法，计算出任意两所述站点之间的最新的当前最优路径并更新替换其上一次运行floyd算法计算出的所述当前最优路径。

优选的，在所述步骤s2中，所述agv通过读取所述识别码实现触发运行和定位包括如下步骤：

步骤s21、所述agv运行至任一所述识别码时读取该识别码并发出通行请求，同时通过该识别码的所述定位信息发出该agv的实时位置；

步骤s22、所述控制系统接收该agv的通行请求和实时位置后，根据其它agv的实时位置和运行状态判断该agv所在的识别码对应的位置的是否可以通行，并发出对应的运行指令至该agv；

步骤s23、所述agv根据接收到的所述运行指令和所述识别码的转向信息运行。

优选的，在步骤s22中，所述运行指令包括通行和等待x秒通行：

当所述控制系统判断该通行请求所对应的位置为可通行状态时，则发出的运行指令为通行；

当所述控制系统判断该通行请求所对应的位置为需要等待状态时，则发出指令为等待x秒通行。

优选的，所述识别码的转向信息包括顺时针转向和逆时针转向。

优选的，所述转向信息还包括转向角度，所述转向角度包括0度、30度、45度、60度及90度中的至少一种。

优选的，在步骤s3中，任意两个所述站点之间运行时间包括agv在该两个所述站点之间的运动时间、任意一站点的等待时间及任意一站点的转向时间之和。

优选的，所述识别码为环码。

优选的，所述环码包括中心层、边界层和位于所述中心层和所述边界层之间的数据层，其中所述中心层为中心框；所述环码呈圆形、正方形、长方形或三角形。

优选的，所述agv包括设置其上的用于检测所述agv正前方障碍距离的传感器，当所述agv在运行过程中通过所述传感器检测到前方障碍距离小于预设值时，所述agv停止运行并等待。

与相关技术相比，本发明的agv调度方法通过按agv运行场所生成有向的agv地图，并在各站点的进入侧、站点之间的路径上均设置包括位置信息和转向信息的识别码，所述识别码作为虚拟交通信息号灯用于控制所述agv在每一所述站点的通行状态，通过agv在所述agv地图上的各站点间运行并向控制系统上传任意两相邻站点之间的运行时间，形成数据库，所述控制系统根据数据库的数据运行floyd算法计算出任意两站点之间运行时间最短的路径并确认为最优路径后存储，所述控制系统通过遗传算法进行深度学习并动态更新数据库，使得调度所述agv执行任意两站点的运行任务时始终由所述控制系统控制其选用最优路径，实现智能控制，不仅调度的维护成本低且工作效率，智能化程度高。

附图说明

图1为本发明agv调度方法的流程框图；

图2为本发明agv调度方法的步骤s2的子流程框图；

图3为本发明agv调试方法的运行结构示意图。

具体实施方式

下面将结合附图和实施方式对本发明作进一步说明。

请同时参阅图1-2，其中，图1为本发明agv调度方法的流程框图；图2为本发明agv调度方法的步骤s2的子流程框图。本发明提供了一种agv调度方法，该方法包括如下步骤：

步骤s1、控制系统生成agv地图并进行存储：

控制系统根据agv运行场所生成agv地图，所述agv地图为有向图，其包括站点、站点之间的路径和虚拟交通信息号灯，所述虚拟交通信号灯用于控制所述agv在每一所述站点的通行状态，其包括分别设置在每一所述站点的进入侧以及相邻两站点之间的路径上的识别码，所述识别码包括位置信息和转向信息。

具体的，所述识别码的转向信息包括顺时针转向和逆时针转向。比如通过设置固定转角角度进行顺时针转向和逆时针转向。更优的，所述识别码还包括转向角度，即可控制所述转向角度实现更复杂的路径设置。比如，所述转向角度包括0度、30度、45度、60度及90度中的至少一种。当然，也并不限于上述角度，0-360度范围任意一角度均可。

本实施方式中，所述识别码为环码。所述环码包括中心层、边界层和位于所述中心层和所述边界层之间的数据层，其中所述中心层为中心框；所述环码呈圆形、正方形、长方形或三角形等。

步骤s2、将agv进行初始化设置，使agv以指定速度根据所述agv地图按预设路径运行，所述agv通过读取所述识别码实现触发运行和定位，将通过的任意相邻两个所述站点的运行时间记录并上传至数据库。

本步骤中，所述agv通过读取所述识别码实现触发运行和定位具体包括如下步骤：

步骤s21、所述agv运行至任一所述识别码时读取该识别码并发出通行请求，同时通过该识别码的所述定位信息发出该agv的实时位置。

步骤s22、所述控制系统接收该agv的通行请求和实时位置后，根据其它agv的实时位置和运行状态判断该agv所在的识别码对应的位置的是否可以通行，并发出对应的运行指令至该agv。

具体的，所述运行指令包括通行和等待x秒通行：

当所述控制系统判断该通行请求所对应的位置为可通行状态时，则发出的运行指令为通行。

当所述控制系统判断该通行请求所对应的位置为需要等待状态时，则发出指令为等待x秒通行，具体等待时间为所述控制系统进行计算。相当于道路交通灯的作用，但与之区别的是该虚拟交通信息号灯为虚拟灯，且控制通行的“红灯信号”和“绿灯信号”的给灯时间并不固定，由所述控制系统时实判断并给出，避免了空等待和等待时间过长的现象。

步骤s23、所述agv根据接收到的所述运行指令和所述识别码的转向信息运行。

即直接按转向信息继续运行，或停止一个等待时间后再按转向信息继续运行。

步骤s3、任意两站点之间的最优路径计算：根据数据库的数据运行floyd算法，计算出任意两个所述站点之间运行时间最短的路径，将该路径确定为最优路径并存储于数据库。

本实施方式中，任意两个所述站点之间运行时间包括agv在该两个所述站点之间的运动时间、任意一站点的等待时间及任意一站点的转向时间之和。

步骤s4、调取agv执行从一所述站点运行至另一所述站点的任务，通过所述数据库调取该两个所述站点之间最优路径，使所述agv按最优路径运行，且将运行过程中任意相邻两个所述站点的运行时间记录并上传至数据库更新。

步骤s5、数据库优化，根据数据库的数据重新运行floyd算法，计算出任意两个所述站点之间的新的最优路径并更新为当前最优路径；

步骤s6、重复步骤s4～s5，通过遗传算法进行深度学习，按预设时间间隔对所述数据库的数据运行floyd算法，计算出任意两所述站点之间的最新的当前最优路径并更新替换其上一次运行floyd算法计算出的所述当前最优路径。本步骤为优选步骤，即可实现智能化控制。

以下以一个实施例进行进一步说明，agv与控制系统通讯连接。请结合参阅图3，为本发明agv调试方法的运行结构示意图。

多辆所述agv1以匀速自动运行预设时间后，获取avg地图上任意两个相邻站点之间的运行时间并保存上传至控制系统10的数据库。如站点b至站点e的运行时间50s、站点e至站点d的运行时间30s、站点b至站点c的运行时60s、站点e至站点c的运行时间10s、站点c至站点d的运行时间20s及站点e至站点a的运行时间30s等。

控制系统通10过对数据库内的运行时间等数据运行floyd算法，计算出任意两个站点的运行时间最短的路径，并将该路径确定为最优路径以存储至该数据库。

比如，计算站点b至站点c的最优路径，则路径包括b-c和b-e-c。

路径b-c运行时间：路径运行60s，识别码001位置等待时间假设计算为60s其及转角0度时间0s，则共120s；

路径b-e-c运行时间：b-e路径运行时间40s，识别码002位置无需等待及其转角120度时间3s，e-c路径运行时间30s，识别码003位置无需等待及其转角0度时间0s，则共73s。

因此，控制系统10计算站点b至站点c运行时间最短的路径为路径b-e-c，即最优路径，并将该路径存为站点b至站点c的最优路径，从而更新数据库的数据。

也就是说，上述过程为实时进行，使得所述数据库的数据动态更新，再设定预设时间对所述数据库的数据运行floyd算法，重新计算最站点b至站点c的最优路径。而所述控制系统10则通过遗传算法的实现上述循环的深度学习，实现数据库的动态优化。

当然，上述站点b至站点c仅为一个举例，其它站点之间也运行优化原理也一样。

需要说明的是，所述agv1包括设置其上的用于检测所述agv正前方障碍距离的传感器(图未示)，当所述agv在运行过程中通过所述传感器检测到前方障碍距离小于预设值时，所述agv停止运行并等待。

与相关技术相比，本发明的agv调度方法通过按agv运行场所生成有向的agv地图，并在各站点的进入侧、站点之间的路径上均设置包括位置信息和转向信息的识别码，所述识别码作为虚拟交通信息号灯用于控制所述agv在每一所述站点的通行状态，通过agv在所述agv地图上的各站点间运行并向控制系统上传任意两相邻站点之间的运行时间，形成数据库，所述控制系统根据数据库的数据运行floyd算法计算出任意两站点之间运行时间最短的路径并确认为最优路径后存储，所述控制系统通过遗传算法进行深度学习并动态更新数据库，使得调度所述agv执行任意两站点的运行任务时始终由所述控制系统控制其选用最优路径，实现智能控制，不仅调度的维护成本低且工作效率，智能化程度高。