一种多载AGV数量配置方法与流程

本发明用于车间物流的资源配置和agv调度领域，特别涉及一种多载agv数量配置方法。

背景技术：

agv(automaticguidedvehicle，无人小车)是一种自动化物流运输装备，主要用于车间、仓储物流，港口码头运输场景，能够显著提高物流运输效率。在现代智能化车间中agv主要完成与生产加工相关的运输任务，使得车间生产能够高效，准时的完成生产任务。在现代企业的车间物料搬运中发挥越来越重要的作用，是构建智能化数字车间不可缺少的部分。

agv系统以其自动避障能力，自动路径规划，容易控制成为柔性制造系统(flexiblemanufacturingsystem,fms)中物流系统的最佳选择。车辆规模是agv系统各要素中对柔性制造系统的物流运输效率影响最大的环节。在agv系统设计的过程中需要确定适当的车辆规模，适当的车辆规模可以高效完成任务，但是从经济利益考虑agv不宜过多，过多会增加控制难度，降低单个agv的利用率，造成资源浪费，同时还会加剧agv系统的交通拥堵。过少则不能满足车间生产的任务要求。因此在前期规划agv物流系统时需要多少台agv能够最大限度的发挥agv系统的价值和效用的同时满足车间生产需求成为了实际项目规划与实施中要解决的关键问题。

据目前研究，agv数量的配置方法主要基于单载agv，单载agv在当前任务完成过后才能进行下一次任务。相较于单载agv，多载agv在运输工作中，附近如果有任务请求且满足多载条件，则该车辆可以同时执行该任务，这样提高了单位时间上agv的利用率。在完成相同的任务量时，采用多载agv需要的agv数量更少，同时也减少了agv系统的交通拥堵情况，提高了系统效率。然而，现有技术中对于agv数量配置的研究仅限于单载agv。

因此，如何进行多载agv的数量配置成为了本领域技术人员急需解决的问题。

技术实现要素：

因此，本发明需要解决的问题是如何进行多载agv的数量配置。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种多载agv数量配置方法，包括如下步骤：

s1、获取agv多载判定条件、agv运行规则及agv运行场景数据，当agv满足所述多载判定规则，则判定所述agv在执行当前任务的同时开始执行新任务；

s2、建立agv数量配置模型，所述agv数量配置模型包括总行程模型、总负载行程模型、总空载行程模型、装卸时间模型、agv工作效率模型及agv数量计算模型；

s3、将所述agv运行场景数据输入所述所述agv数量配置模型，基于所述agv多载判定条件及所述agv运行规则求解得到agv数量配置数量。

优选地，对任一agv，当符合所述agv多载判定条件时，执行多载；所述agv多载判定条件包括：

wn≤wl

r0∩r1≠φ

dis(s0,s1)＜dis(s0,e1)

ti_ar≤ti_ed

式中，wn表示新任务所需负载，wl表示agv剩余负载，r0表示agv当前任务路径节点集合，r0＝{s0....e0}，s0表示agv当前任务起点，e0表示agv当前任务终点，r1表示agv新任务路径节点集合，r1＝{s1....e1}，s1表示agv新任务起点，e1表示agv新任务终点，dis(s0,s1)表示s0与s1之间的路径距离，dis(s0,e1)表示s0与e1之间的路径距离，ti_ar表示agv预计到达新任务终点的时刻，ti_ed表示新任务的计划到达时限。

优选地，所述agv运行规则包括：每个agv都是按路径规划的最短路径行驶；每个agv在符合所述agv多载判定条件时，最多同时负载运行3个任务。

优选地，总行程模型包括

dl+de＝d

式中，d为总行程，n表示总工位数，dm(i,j)表示多载agv总行程，dm(i,j)＝dl(i,j)-dl^m(i,j)，du(i,j)表示单载agv总行程，du(i,j)＝de(k,i)+dl(i,j)，dl(i,j)表示起点i到终点j的负载行程，表示在进行多载运输时新任务与当前负载任务的重合负载行程，de(k,i)表示当前点k到起点i的空载行程；从i到j的运输任务采用多载运输的次数为采用单载运输的次数为

总负载行程模型包括理论负载行程和实际负载行程，理论负载行程表示采用单载运输时的负载行程，实际负载行程表示采用多载运输时的负载行程:

式中，dl表示实际负载行程；

式中，d'l表示理论负载行程

总空载行程模型包括：

式中，de表示总空载行程；

装卸时间模型为

td＝s(tp+td)

式中，td表示装卸时间，s表示任务总数，tp表示单次装载时间，td表示单次卸载时间，ts＝(t-te)·η，ts表示agv的运输工作有效时间，t表示工作周期，te表示充电时间；

agv系统效率模型包括：

式中，η表示agv工作效率，f表示交通影响因子，v表示agv车速；

agv数量计算模型：

式中，n表示agv数量，d表示一个agv在一个工作周期内行驶的总距离。

与现有技术相比，本发明根据同一时间车间(运行场景)所需运输的任务数量与agv系统的运载能力相匹配为基本原理建立agv数量配置模型，对agv多载判定条件进行分析，以车间生产计划安排运输任务请求，通过车间布局确定每一次运输任务所走的路径以确定负载行程dl和总行程d，再结合车间物流系统的基本指标(agv运行场景数据)，如小车速度v、小车充电时间te、生产周期t、运输任务的卸载td和装载时间tp等就可以计算出多载情况下agv的数量配置信息，运算简单高效，同时计算结果接近实际情况，能够在物流系统采用多载agv的前提下，在车间物流系统规划实施前期提供合理的最优agv数量，以达到科学决策的降低成本的目的。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明公开的一种多载agv数量配置方法的流程图；

图2(a)至图2(f)为多载适用场景示意图；

图3为多载运输判断流程图；

图4为本发明中演示实例的路径布局示意图。

具体实施方式

下面结合附图对本发明作进一步的详细说明。

如图1所示，本发明公开了一种多载agv数量配置方法，包括如下步骤：

s1、获取agv多载判定条件、agv运行规则及agv运行场景数据，当agv满足所述多载判定规则，则判定所述agv在执行当前任务的同时开始执行新任务；

s2、建立agv数量配置模型，所述agv数量配置模型包括总行程模型、总负载行程模型、总空载行程模型、装卸时间模型、agv工作效率模型及agv数量计算模型；

s3、将所述agv运行场景数据输入所述所述agv数量配置模型，基于所述agv多载判定条件及所述agv运行规则求解得到agv数量配置数量。

本发明中，agv运行场景数据包括小车速度v、小车充电时间te、生产周期t、运输任务的卸载td和装载时间tp、任务总数s、各任务的起点和终点。

与现有技术相比，本发明根据同一时间车间(运行场景)所需运输的任务数量与agv系统的运载能力相匹配为基本原理建立agv数量配置模型，对agv多载判定条件进行分析，以车间生产计划安排运输任务请求，通过车间布局确定每一次运输任务所走的路径以确定负载行程dl和总行程d，再结合车间物流系统的基本指标(agv运行场景数据)，如小车速度v、小车充电时间te、生产周期t、运输任务的卸载td和装载时间tp等就可以计算出多载情况下agv的数量配置信息，运算简单高效，同时计算结果接近实际情况，能够在物流系统采用多载agv的前提下，在车间物流系统规划实施前期提供合理的最优agv数量，以达到科学决策的降低成本的目的。

具体实施时，对任一agv，当符合所述agv多载判定条件时，执行多载；所述agv多载判定条件包括：

wn≤wl

为了防止多载运输中由于超载对agv小车造成损坏，保证行驶安全，因此新的任务所需负载小于agv剩余负载时，agv才可进行多载同时执行新的任务。

正在执行任务的运输路径与该新任务的运输路径有重合，运输方向相同。由于新任务和正在执行任务的起始点和目标点的位置关系，可分为如图2(a)至图2(f)所示的6种情况：图2(a)和图2(b)表示当前任务的起点与新任务的起点不同，终点也不同的情况，图2(c)和图2(d)表示当前任务的起点与新任务的起点相同，终点不同的情况，图2(e)表示当前任务的起点与新任务的起点相同，终点也不同的相同，图2(f)表示当前任务的起点与新任务的起点不同，终点相同的情况。

r0∩r1≠φ

表示两条路径存在重合路径。

dis(s0,s1)＜dis(s0,e1)

表示正在执行任务起始点到新任务起始点之间的距离小于正在执行任务起始点到新任务目标点的距离。通过该式子可以判断正在执行任务的行驶方向是否与新任务方向相同。

ti_ar≤ti_ed

agv小车上各个任务的到达时间不能晚于该任务计划到达时间的最晚期限。一般情况，为了减少agv系统突发情况造成物料无法按时到达目标工位，影响正常生产，在各个工位都设有物料缓存区，当缓存区物料低于最小库存量时，发送运输任务任务，补齐库存。这样即实现了agv调度系统与制造执行系统之间的柔性连接，也降低了对agv到达时间准确度要求，只要在规则的时间范围到达目标点即可，增加了agv系统任务调度的宽松度。

式中，wn表示新任务所需负载，wl表示agv剩余负载，r0表示agv当前任务路径节点集合，r0＝{s0....e0}，s0表示agv当前任务起点，e0表示agv当前任务终点，r1表示agv新任务路径节点集合，r1＝{s1....e1}，s1表示agv新任务起点，e1表示agv新任务终点，dis(s0,s1)表示s0与s1之间的路径距离，dis(s0,e1)表示s0与e1之间的路径距离，ti_ar表示agv预计到达新任务终点的时刻，ti_ed表示新任务的计划到达时限。

本发明中当任一agv正在执行任务时，若周围存在新的任务且满足上述agv多载判定条件，则此agv同时执行上述新的任务，开始多载。

具体实施时，所述agv运行规则包括：每个agv都是按路径规划的最短路径行驶；每个agv在符合所述agv多载判定条件时，最多同时负载运行3个任务。

除了上述规则外，还可以设置的规则包括：车间中所有路径都是双向的；每一次的任务卸载时间和装载时间以及每次agv充电的时间都相同；agv均以匀速行驶且不存在碰撞。

基于agv多载判定条件及agv运行规则，可以得到如图3所示的任务分配的流程。

agv在未执行任何任务时，先基于就近原则接取任务，在接取任务后，则根据agv多载判定条件。图中的多载匀速条件(1)、(2)及(3)分别对应wn≤wl、dis(s0,s1)＜dis(s0,e1)及ti_ar≤ti_ed。

具体实施时，总行程模型包括

dl+de＝d

式中，d为总行程，n表示总工位数，dm(i,j)表示多载agv总行程，dm(i,j)＝dl(i,j)-dlm(i,j)，du(i,j)表示单载agv总行程，du(i,j)＝de(k,i)+dl(i,j)，dl(i,j)表示起点i到终点j的负载行程，表示在进行多载运输时新任务与当前负载任务的重合负载行程，de(k,i)表示当前点k到起点i的空载行程；从i到j的运输任务采用多载运输的次数为采用单载运输的次数为

总负载行程模型包括理论负载行程和实际负载行程，理论负载行程表示采用单载运输时的负载行程，实际负载行程表示采用多载运输时的负载行程:

式中，dl表示实际负载行程；

式中，d'l表示理论负载行程

总空载行程模型包括：

式中，de表示总空载行程；

装卸时间模型为

td＝s(tp+td)

式中，td表示装卸时间，s表示任务总数，tp表示单次装载时间，td表示单次卸载时间，ts＝(t-te)·η，ts表示agv的运输工作有效时间，t表示工作周期，te表示充电时间；

agv系统效率模型包括：

式中，η表示agv工作效率，f表示交通影响因子，v表示agv车速；

agv数量计算模型：

式中，n表示agv数量，d表示一个agv在一个工作周期内行驶的总距离。

当在多载的情况下，新任务运行的负载行程为该任务单载时的负载行程减去和已负载任务相重合的负载行程。而此时到达新任务起始点的过程中，由于agv已经有一个负载，因此新任务agv的负载行程为0，根据以上描述建立上述多载运输时的总负载行程模型、总空载行程模型和总行程模型，建立过程如下：

de(k,i)表示agv从当前点k到任务起始点i的空载行程，值与调度规则有关，值设为该点到最远点距离的1/3；

dl(i,j)表示起点i到终点j的负载行程；

在进行多载运输时，新任务和已负载任务的重合负载行程，与新任务的起点和已有任务的终点有关，值设为起点i到终点j的负载行程的1/3。

那么完成一次运输任务agv行程d(k,j)等于：

其中α，β为布尔系数，当agv单载运输时，α＝1，β＝0，多载运输时α＝0，β＝1

因此可得:

多载时agv总行程:

单载时agv总行程:

du(i,j)＝de(k,i)+dl(i,j)

在不同的运输时刻，相同的运输任务由于不确定是否可以多载运输，因此两次相同任务的agv行程不一样。从i到j的运输任务采用多载运输的次数为采用单载运输的次数为所有任务的总行程d:

agv系统在运行过程中，调度规则是影响空载行程和是否采用多载运输的关键影响因素，交通控制策略以及突发因素会影响agv的完成一次任务的运行时间，agv系统的工作效率不可能100％。因此有必要对agv系统效率进行分析，agv系统效率可理解为所有任务的负载行驶时间tl与agv运行的总时间之比，agv行驶总时间包括空载行驶总时间te、负载行驶总时间、所有任务装载和卸载所花总时间td和由于交通规则控制agv在行驶过程中为了避免碰撞死锁而停止等待放行的时间之和，由于交通控制策略导致的agv行驶时间浪费无法准确的计算且存在突发情况，因而引入交通影响因子f来表示交通管理对agv运行效率的影响，根据经验得f∈[0.85,1)，系统agv系统效率η等于：

在多载情况下，总负载行程模型包括理论负载行程和实际负载行程，

式中，dl表示实际负载行程；

式中，d'l表示理论负载行程

总空载行程de为：

结合上式得：

dl+de＝d。

所有任务装载和卸载所花总时间td：

td＝s(tp+td)

ts＝(t-te)·η

d＝v·ts

综合上式，在agv多载情况下agv系统所需agv配置数量n为：

下面以实例对本发明的方法进行演示：

在进行agv数量计算前，需要确定相关系统指标参数如下：

1、agv速度v＝65m/min

2、假设装载时间tp和卸载时间td相同，tp＝td＝3min

3、交通影响因子f＝0.85

4、充电时间为60min

5、工作周期t＝8h＝480min。

根据多载agv数量配置计算公式可知agv数量计算与总负载行程dl和总行程d有关，总负载行程与路径布局和路径规划算法有关，为了减少计算量，路径布局采用如图4所示的简单车间布局。总行程为总空载行程和总负载行程之和，总负载行程与调度规则有关，可采用多载调度规则计算。一个工作周期内，根据生产流程利用遗传算法进行车间调度算法实现并确定站点之间的任务频次表见表1，其中括号内表示多载频次，此为现有技术，在此不再赘述。根据表1的任务起点和任务终点采用a*算法计算得各个站点之间的路径距离见表2，此为现有技术，在此不再赘述。

表1

表2

表3

根据表1，表2和计算总负载行程为：

实际负载：

理论负载：

d'l＝8×50+6×55+8×70+8×55+6×60+8×60+8×50+

8×110+6×45+6×55+6×85＝4860(m)

根据表1，表3计算总空载行程为：

计算总行程d为：

d＝3873.2+960＝4833.2(m)

总任务数：s＝8+6+8+8+6+8+6+8+6+6+6＝76

计算得总装载和卸载时间td为：td＝76(3+3)＝456min

计算需要agv数量n为：

因此在该工作场景下采用多载至少需要2辆agv小车。

如果采用单载运输，agv数量配置计算过程如下：

dl＝d'l＝8×50+6×55+8×70+8×55+6×60+8×60+8×50+

8×110+6×45+6×55+6×85＝4860(m)

d＝4860+2286.7＝7146.7(m)

因此采用单载运输需要3辆小车。

由上面计算可以看出，在运输任务相同的情况下，与单载运输相比，采用多载运输能够减少agv的数量，同时既能减少负载距离，更能明显减少空载运输行程，提高小车利用率。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。