在运动延迟扰动下多AGV的分布式路径规划方法外文翻译资料

 2022-03-10 20:34:49

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

在运动延迟扰动下多AGV的分布式路径规划方法

摘要

在半导体制造的实际运输环境中，诸如运动延迟或者突然的运输请求等意想不到的干扰可能导致AGV之间的碰撞，增加总运输时间。它需要在几秒钟内为多个自动引导小车（AGV）生成无碰撞路线。在本文中，我们提出了一种针对多个AGV的在运动延迟扰动下的分布式路径规划方法。所提出的方法的特点是为每个AGV子系统导出其最优路径、最小运输时间和与其他AGV的碰撞概率的惩罚系数。该惩罚系数反映了运动延迟扰动的碰撞概率分布函数。所提出的方法被应用于解决具有143个节点和20个AGV的半导体制造系统中的运输路线规划问题。计算结果表明，该方法得到的总运输时间短于传统方法。对于动态交通环境而言，在运动延迟扰动下重新规划多个AGV的最佳时机，通过导出解决方案的总计算时间与重新路径规划的不确定性之间的权衡关系系统地确定。马尔可夫链用于表示重新规划路径的不确定性分布。所提出的方法在具有51个节点和5个AGV的实验运输系统中实施，实验结果表明，该方法适用于实际交通环境。

关键词：自动分布式系统；自动引导小车；路径规划；运动延迟扰动；马尔可夫链；不确定

1介绍

对于多个行业而言，AGV被广泛应用作自动化仓库，集装箱码头和半导体制造车间的运输系统[1,2]中。 随着AGV数量的增加，需要开发一种有效的优化算法来规划出一种无碰撞路径，从而使大规模运输系统的运输时间最短[3]。 在以前的文献中已经提出了许多多AGV路径规划方法。 针对路径规划问题的主要方法是区域控制法[4]，该方法将运输系统分为几个区域，AGV之间不存在交叉碰撞， 每个区域都有自己的AGV，负责每个区域的运输。Endo et al[5]采用区域分解的方法，提出了一种遗传算法来解决大规模运输系统的AGV路线规划问题。 Kim和Hwang [6]提出了一种用于AGV路径规划的自适应调度算法。 Seo和Egbelu [7]提出了基于AGV的综合规划模型的分解方法，将整体规划问题进行分解，迭代求解分解后的子问题。 Yoo等人[8]提出对AGV系统使用图论方法避免死锁的路径规划方法。

这些路径规划方法假定每个AGV按照预先生成的路径时间表运行没有运动延迟地干扰，但是在实际的交通环境中，由于延误或意外的运输要求造成的碰撞，需要重新规划路线，需要增加总运输时间以避免这些情况。对于AGV系统在不确定性因素下的传统路径规划方法，Moorthy等人[9]提出了预测AGV之间死锁的路径规划方法，该方法仅限于单向路径的路径规划问题。 Maza等人[10]通过使用半动态时间窗口的方法来解决基于结构性能的无冲突路径规划策略。 Rajotia等人[11]提出了一种时间窗约束路径规划策略，其中每个节点或边都有其时间窗，并且AGV的位置以及这些节点和边的占用的时间需要随时得到确认。如果由于存在干扰而AGV需要等待很长时间，则通过使用启发式规则来提高该AGV的优先级排序，但是其他AGV的等待时间改变增加了总运输时间。

路径规划方法必须具有一个函数来考虑路径规划的干扰不确定性。一般来说，对于路径规划的不确定性因素至少有两种处理方式。一种方法是使用概率分布函数的随机规划方法，另一种方法是基于场景的方法，它通过模拟各种干扰情况来提供可供选择的决策方案。如果将基于场景的方法应用于不确定条件下的路径规划问题，由于组合复杂性列举多种干扰的替代方案的数量极大增加，这使得难以有效地解决路径规划问题。传统的路径规划方法主要使用基于单一决策者集中的决策方法，然而需要太多的时间来计算推导干扰下的决策方案。因此，将这些路径规划方法应用于大规模运输系统是困难的。

为了这个克服问题，分布式路径规划方法被用于解决多个AGV的路径规划问题。分布式动态规划方法已在以前的许多文献中进行了研究。规划问题被分解为路径规划问题和速度调整问题[12,13]。 Lchikawa et al [14]通过使用反应扩散方程来解决自主分散的规划方法。 Dorigo [15]提出了使用信息素信息的蚁群优化方法，该信息被有效地用于生成路径选择以避免车辆碰撞。分布式路径规划方法已经在动态环境下被提出，在这种环境下实时传输请求[16]，构建有效的本地重新路径规划过程，并在具有多个并行处理器的实验系统上实现该算法。然而，在以前的研究中提出的是不考虑在意外运动延迟下的动态路径规划方法。

对于动态环境，当发生干扰时，必须定期执行重新规划路线，重新路径规划解决该问题。关于什么时候做出重新路径规划的决策是动态环境下路径规划问题需要解决的一个悬而未决的问题。根据实际情况，反应性调度方法可以动态改变当前调度[17]。这些方法通常用于处理制造系统的干扰。已经提出了三种类型的方法，周期性重新调度法，事件驱动法和混合法，以确定重新路径规划的时机[18]。周期性重新调度法的是在预定时间段之后的时间周期性地执行重新调整。对于事件驱动法，只有在AGV因干扰引起碰撞时才执行重新调度。混合法是周期性重新调度法和事件驱动法的结合。如果考虑到推导计算路径的时间，则事件驱动法会增加总运输时间。Chiba et al.[19]提出了考虑计划时间的信息参数化的运输路线设计方法，他们应用遗传算法通过仿真来设计AGV系统的参数。可以预测每个AGV之间的碰撞，如果每个AGV预先执行重新路径规划，可以减少AGV的等待时间。另一方面，如果每个AGV在早期开始执行重新路径规划，则由于运动延迟扰动会引起的路径规划的不确定性，不必要的重新路径规划可能增加运输时间。

在本文中，我们提出了一种真对运动延迟扰动的多AGV分布式路径规划方法。每个AGV的路径系统都会创建一个稳定的路径规划计划，同时考虑到自身的路径和其他AGV的延迟。碰撞概率分布的惩罚因素包含在每个AGV的路径规划目标函数中，该方法的有效性在各种干扰下进行评估。

开始重新路径规划的执行时间是在干扰下规划多个AGV的另一个需要考虑的重要因素，本文还提出了用于确定最佳重新路径时刻的系统方法，其中考虑到了路径和计算时间的不确定性。路径的不确定性由马尔可夫链得出，计算时间的分布被确定为随机分布，最佳点是通过它们之间的折衷关系得出的，通过数值模拟评估了测定方法的有效性。

本文由以下部分组成。第2节介绍了运动延迟扰动下多AGV的动态路径规划问题，在第3节中介绍了运动延迟扰动下的分布式路径规划方法，在第4节中最佳的重新路径规划时间问题被表述为路径不确定性与计算时间之间折中的决策问题，第5部分通过带有实验台的实验证明了在运动延迟扰动下系统的可行性，第6节总结了结论和未来的工作。

2运动延迟扰动下的动态路径规划问题

本节描述了运动延迟扰动下多GV的动态路径规划问题。 图1展示了本文处理的二维交通布局模型。布局模型由节点和边组成，每个节点代表每个AGV可以停止或转弯的地方，每条边代表一条行驶车道。 对于运动延迟扰动下的多AGV系统，动态路径规划问题假定以下条件：

（1）每个AGV都知道其在交通运输布局模型中的位置和预定义的地图

（2）AGV的速度是恒定的，节点上的转弯时间可以忽略不计

（3）每条边表示一条双向路径，两个相邻节点之间的行驶时间是一个时间段

（4） 每个AGV都有其起始（搬运）节点和结束（卸载）节点，而没有重复节点

图1半导体制造系统中的运输布局模型

应该注意的是，为了避免AGV碰撞，必须满足以下条件。同一时间节点上不能有两个以上的AGV（节点的资源限制），同时在在一条边上行进的AGV不超过两个（边缘的资源限制）。

在实际交通环境中存在各种干扰，如任务延误，运动延误，机器故障和运输延误请求。我们假定运动延迟扰动可能经常导致AGV之间的碰撞。图2说明了运动延迟扰动的定义。每当AGVk从节点i传播到相邻节点j时，运动延迟扰动就以预定的概率Pd发生，我们称Pd为干扰发生概率。如果AGVk发生干扰，AGVk由于其运动延迟干扰而在时间段t 1停止在节点i上，并且每当本节发生冲突时就执行重新规划路径。否则，AGVk按照其路径时间表从节点i行进到节点j。第4节讨论了最佳重新路径规划的时刻。图3（a）说明了没有运动延迟的情况，如果每个AGV按照规划的路径从其起始节点行进到其结束节点，则AGV之间不会发生冲突。图3（b）显示了AGV1出现运动延迟干扰下的情况，如果AGV1的运动延迟一个时间周期，则AGV1和AGV2将在节点8上发生碰撞。然后，AGV1和AGV2停止在当前节点上以避免冲突并且执行重新路径规划以避免冲突。

图2运动延迟扰动定义

图3运动延迟扰动的影响 a）无运动延迟b）AGV1有运动延迟

图4显示了运动延迟干扰下重新路径规划的时刻图。每个AGV在时间0获得其运输请求，并开始从其起始节点到终止节点推导其路径时间表。每个AGV在从其起始节点到其结束节点派生无冲突路径时开始执行其任务。如果发现AGV由于运动延迟干扰而与其他AGV发生碰撞，则所有AGV在该节点处停止一段时间以执行重新进行路径规划。这种停止一段时间意味着AGV需要一个时间段来使彼此路径同步。每次AGV执行重新路径规划时，每个AGV执行从其新的起始节点到其结束节点的路径选择。执行重新路径规划，直到所有AGV到达其结束节点。

图4运动延迟扰动下重新规划的时刻图

运动延迟扰动下的动态路径问题如下：

问题的输入：运输布局，每个AGV的初始位置，干扰发生概率，运输请求。

问题输出：AGV从初始位置到卸载位置的路线安排。

问题的假设：每个AGV只有一个运输请求，请求在零时间发出，这些请求在运输过程中不在提供。 运动延迟扰动以概率Pd每次发生在每个AGV行驶在两个相邻节点之间时。

问题的约束：不允许AGV之间的碰撞（节点和边缘上的资源约束）。

问题的目的：是为了尽量减少AGV的运输时间总和。

3运动延迟扰动下的分布式路径规划方法

在本节中，针对运动延迟扰动下的多个AGV提出了一种新的分布式路径规划方法。考虑到AGV本身和其他AGV的延迟，每个AGV的路径系统为运动延迟扰动创建稳健的路径。

3.1运动延迟扰动下路由方法的主要思想

当实际运输环境以最小化总运输时间为目标进行最佳路径规划时，运动延迟干扰可能经常导致碰撞。必须提前考虑由运动延迟引起的碰撞的可能性。但是，如果采用集中式路径规划方法同时生成AGV的全部路径，则应列举运动延迟扰动影响时的所有组合以进行优化。因此，很难考虑运动延迟干扰的所有影响。在下面的章节中，我们提出了一种针对运动延迟扰动下的多AGV的新型分布式路径规划方法。

Nishi等人提出了分布式路径规划方法 [20]，整个问题被分解成AGV的子问题。每个AGV子系统为其自身与其他AGV子系统的通信生成路径，直到生成整个系统的可行路由。每个AGV的路径问题由Dijkstra算法解决。每个AGV的目标函数是运输时间和由于运动延迟干扰导致的与其他AGV碰撞概率的惩罚系数之和。本文提出了一种动态延时扰动下的分布式路路径规划算法。

3.2运动时延扰动的分布式路径规划算法

让我们定义一个变量xki，j，tisin;{0,1}，它表示AGVk是否在时间段t从节点i到j传播，xki，j，t表示暂定值。

每个AGV通过以下步骤创建其路径。运用分布式路径规划算法[16]，但是步骤5中的重新路径规划算法被修改以处理运动延迟干扰。

步骤1：为每个AGV生成初始路径。迭代次数n被设置为1.每个AGVk生成从其起始节点到终止节点的最短路径，而不考虑其他AGV（AGV1）的路径。每个AGV的子问题被表述为单个AGV的最短路径问题，这可以通过使用Dijkstra算法很容易地解决。

第2步：AGV之间的数据交换。每个子系统对于AGVk与其他子系统进行通信并且在其他AGV之间交换暂定路径计划xli,j,t。

步骤3：评估收敛。如果AGVk的路径不与其他AGV的路径冲突，则该算法被评估为收敛。如果所有AGV的路线都被评估为收敛，算法就完成了，每个AGV的派生路线被认为是一个可行且最终的解决方案。

第4步：决定跳过重新规划路径。每个AGV子系统以预定的概率跳过步骤5的重新规划路径。我们把这个概率称为跳过率。这个过程是为了防止当每个AGV产生其路径时，周期性地产生相同的路径规划的解决方案振荡，这是指其他AGV的先前路径。如果将跳跃比设置为较低的值，即使AGV之间的数据交换数量增加，也可以获得更好的解决方案性能。另一方面，如果设置了跳过率到更大的值时，解决方案的性能降低，而计算时间减少。跳越比率应该在25％到45％之间。因此，跳跃率设30％[21]。

第5步：重新规划路径。每个AGV子系统创建自己的路线。如果每个AGV子系统在不考虑其他AGV的情况下创建其路径，则派生路径是不可行的。因此，每个AGV重复生成与其他AGV的路径

全文共17168字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17142]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章