欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021102427425
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,包括如下步骤:

步骤S1、输入仓库地图和物流任务列表:仓库地图包括可行路径、位置节点及静态障碍物;物流任务列表包括所有任务的完整物流需求,具体包括各项任务中所运输货物的时效等级,完成该项任务的AGV及其起点、目标点及剩余电量;

步骤S2、计算物流任务列表中每项任务的优先级:遍历物流任务列表,根据当前货物的时效等级及当前AGV的剩余电量,计算每项任务的优先级;

步骤S3、按优先级降序排序生成有序任务列表,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,并输出所有任务路径:所述改进CA*算法在CA*算法的基础上,考虑因其他AGV的动态障碍物暂时占用节点冲突时,引入AGV原地等待行为,以减小代价解决冲突;

所述CA*算法依赖于全局预留表,所述全局预留表用于多AGV共享彼此计划路线的到达位置和占用时间,避免多个AGV同时占据同一个相邻可达节点。

2.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S1中,所述仓库地图还包括仓库地图存储地图尺寸的信息。

3.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,还包括如下步骤:

步骤S4、对电量不达标的AGV进行更换,更新物流任务列表中该任务AGV及其起点、剩余电量,并更新优先级及任务路径。

4.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S2中计算优先级的方法具体为:priorityj=k1*expressRankj+k2*MIN_powerLevel/powerLevelj其中priorityj表示任务j的优先级;expressRanki是任务j的货物时效等级,expressRanki∈(0,1);powerLevelj表示任务j中AGV剩余电量占总电池容量的百分比,MIN_powerLevel表示AGV剩余电量占总电池容量百分比的最低标准,MIN_powerLevel/powerLevelj∈(0,1);k1和k2是权重参数。

5.根据权利要求1所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S3中,使用改进CA*算法遍历有序任务列表,依次为每项任务规划可行路径,具体包括如下步骤:

步骤S31、寻路过程中,AGV从任务起点出发,根据全局预留表,遍历当前位置节点的相邻可达节点集;

步骤S32、根据当前位置节点的相邻可达节点集,始终按代价函数指导选择原地等待或向代价最小的相邻可达节点移动,直到到达任务终点;

步骤S33、单条路径规划完成,更新全局预留表,在全局预留表中使用(x,y,t)表示坐标(x,y)处节点在t时刻已被占用,且(x,y,t)指向实施占用的AGV序号。

6.根据权利要求5所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S31及所述步骤S32中的所述相邻可达节点集的获得方法具体包括如下步骤:

步骤S3121、遍历当前节点的所有相邻节点,判断相邻节点是否存在静态障碍物,将不存在静态障碍物的相邻节点放入当前节点的相邻无静态障碍节点集;

步骤S3122、遍历当前节点的相邻无静态障碍节点集:将相邻无静态障碍节点记为i,当前时刻记为t,检查(xi,yi,t+1)是否存在于全局预留表中:如果存在,说明下一时刻节点i处有动态障碍物,执行步骤S3123;否则执行步骤S3126;

步骤S3123、当前AGV在当前节点原地等待w次,直到(xi,yi,t+w)不再存在于全局预留表中,记录等待次数w;

步骤S3124、将当前节点记为n,检查(xn,yn,t+w+1)是否存在于全局预留表中:如果存在,执行步骤S3125,否则执行步骤S3126;

步骤S3125、检查(xi,yi,t+w)和(xn,yn,t+w+1)是否指向相同的AGV序号:如果是,说明存在某一优先级较高、路径已定的其它AGV,在t+w到t+w+1时间内正从节点i移动至当前节点n,将与当前AGV相向行驶并交换位置,导致碰撞,因此放弃节点i,返回步骤S3122;如果不是,执行步骤S3126;

步骤S3126、将节点i写入当前节点的相邻可达节点集。

7.根据权利要求5所述的一种基于任务优先级的多物流机器人协同路径规划方法,其特征在于,所述步骤S32中所述代价函数具体为:CA*算法的代价函数为f(n)=g(n)+h(n),其中g(n)表示从起点到当前节点n的实际代价,h(n)表示从当前节点n到目标点的启发式估计代价,两点间的代价计算采用曼哈顿距离;

改进的CA*算法的代价函数为f(n)=g(n)+h(n)+hwait(n),其中,hwait(n)=k*v*w*Δt,hwait(n)表示在节点n处当前AGV为避免动态障碍物花费的等待代价;k为权重系数;v为当前AGV行驶速度;w为等待次数;Δt为单次等待时间。