(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110991694.X (22)申请日 2021.08.27 (71)申请人 中船重工信息科技有限公司 地址 100161 北京市大兴区中关村科技园 区大兴生物医药产业基地永 大路38号 1幢4层409-48室 (72)发明人 陈建勋　吴清财　李一　赖岳华　 刘宇航　苗圃　 (74)专利代理 机构 南京理工大 学专利中心 32203 代理人 王安 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 10/08(2012.01)G06F 30/27(2020.01) H04W 4/024(2018.01) H04W 4/30(2018.01) G16Y 10/25(2020.01) G16Y 40/10(2020.01) G16Y 40/60(2020.01) (54)发明名称 一种基于5G物联网的AGV调度路径优化方法 (57)摘要 本发明公开了一种基于5G物联网的AGV调度 路径优化方法， 首先MES系统根据生产工单产生 搬运任务并下发至WMS系统； WMS系统接收任务指 令并生成AGV搬运任务， 随后构建AGV调度路径规 划的搜索状态的数学模型； AGV管控系统依据启 发式人工智能算法求解调度方案， 并且输出AGV 路径规划优化方案。 本发明针对现有的AGV调度 系统在调度数量、 数据处理、 算法优化方面的约 束问题， 应用5G物联网大带宽、 低时延、 多连接的 特性， 通过AGV管控系统和人工智能算法相结合 的方式， 使得AGV路径规划、 实时调度和位置追踪 更具有灵活性， 提高了运输效率和稳定性， 实现 了5G使能智能制造的应用。 权利要求书3页 说明书9页 附图3页 CN 113919543 A 2022.01.11 CN 113919543 A 1.一种基于 5G物联网的AGV调度路径优化方法， 其特 征在于， 包括以下步骤： 步骤1， MES系统根据生产工单产生搬运任务， 并下发至WMS系统； 步骤2， WMS系统接收任务指令并生成AGV搬运任务； 步骤3， 根据生产任务信息和现场叫料系 统的叫料信息， 构建AGV调度路径规划的搜索 状态的数 学模型； 步骤4， AGV管控系统基于AGV所在的位置、 起始站点的位置、 目标站点位置依据启发式 人工智能算法求 解， 对AGV的行进路线 进行最优规划； 步骤5， 判断上位系 统生产任务是否更新， 若是返回执行步骤3， 否则输出最佳AGV调度 策略方案 。 2.根据权利要求1所述的基于5G物联网的AGV调度路径优化方法， 其特征在于， 所述步 骤3中的AGV调度路径规划的搜索状态的数 学模型， 其前提条件 包括： (1)任一时刻， 每辆AGV小车只搬运同一种物料、 每台机器只加工一个工件； (2)AGV小车在负载或空载下的行驶速度不受影响， 在完成任务后将返回指定的停靠点 等待； (3)每个工位均有缓存区， 用于存放待加工和已加工好的工件； (4)加工设备资源冲突经高级排程由车间制造执行系统MES进行动态调度和状态监控， AGV管控系统负责接收该 数据； (5)AGV小车能够停靠在车间已规划路线中任何一个工位进行装载或卸载操作， AGV小 车在各工位的装载/卸载时间均已知， 各工位之间的距离已知； (6)AGV小车路线是双向单通道， 同一时刻 在每个节点和路段只允许通过一辆AGV小车； (7)考虑AGV之间的碰撞和冲突问题； (8)设置站点专属队列和共享队列， AGV管控系统调度AGV优先进入站点专属队列， 如果 专属队列已满再进入 共享队列排队， 且 共享队列支持被多个站点共享； (9)当AGV在进入共享队列的路上时， 若发现站点专属队列有 空位， 则AGV管控系统会自 动调度AGV直接去站点专属队列进行排队。 3.根据权利要求2所述的基于5G物联网的AGV调度路径优化方法， 其特征在于， 所述步 骤3中的数 学模型为： 其中， tki表示第k辆AGV接收上位系统任务后到开始执行的时间， tkj表示第k辆AGV完成 任务所用的时间， fk是第k辆AGV接收任务情况， 表示在当前点到终点 的期望， Q是优先级队 列用来维护所有搜索状态； a表示AGV所处的当前点， dir表示AGV朝向的方向， ti表示AGV到达a点处的时间， tj表示 驶离a点的最大时间。 4.根据权利要求2所述的基于5G物联网的AGV调度路径优化方法， 其特征在于， 所述步 骤4中的对AGV的行进路线 进行最优规划， 具体包括以下步骤： 步骤4‑1， 构建AGV行驶 地图及边界条件， 用M表示AGV行驶 地图的点 集和边集： M＝(P， L)权　利　要　求　书 1/3 页 2 CN 113919543 A 2其中， P代表AGV小车定位点的点集， L代表边集， 表示点与 点之间的连通性， 对于任意一 条边l∈L， 若任意一条边l两端与点p和点r相连接， 则表示为l＝(p， r)； 设定AGV路径的起始 点o和终点e以及当前时间tpre； 步骤4‑2， 构建搜索状态数 学模型： S＝(a， dir， ti， tj) 其中， a表示AGV所处的当前点， dir表示AGV朝向的方向， ti表示AGV到达a点处的时间， tj 表示驶离a点的最大时间； 当AGV在ti到tj时间段通过边l从点a沿着方向dir向b点移动， 此时需要考虑状态转移， 构建新搜索状态的数 学模型为： s′＝(b， dir ′， ti+tc+tc′， tj+tc) 其中， tc为AGV从a到b花费的时间， tc′为AGV到达点a后从原朝向dir转到新朝向dir ′的 时间； 步骤4‑3， 通过定义已知冲 突集合中的边l， 如果同一时间分别 有两辆AGV小车在同方向 完全重叠和相反方向完全或部分重 叠的情况， 则会发生碰撞； 构造冲突 边集： Conf(l)＝{l ′|l′＝(x， y)∈L， x＝p或x＝r； y＝p或y＝r} 步骤4‑4， 枚举所有可能的方向dir， 向空的优先级队列Q中加入初始搜索状态： S＝(o， dir， tpre， +∞) 其中， o为AGV行驶的起始点， dir为AGV行驶的方向， tpre为当前时间； 当AGV在ti到tj时间段从点a沿着方向dir向b点移动路径为冲突路径时， 采用基于人工 智能算法调节策略获得新路径行驶状态： S′＝(a， dir ′， t′i， t′j) 式中， dir ′为AGV新朝向， t ′i＝ti+tc+tc′， t′j＝tj+tc， tc表示AGV从a到b花费的时间， tc′ 为AGV到达点a后从原朝向dir转到新朝向dir ′的时间； 若满足条件 ti≥t′i且tj≤t′j 采用基于算法调节获得新路径策略较优， 否则， 采用基于速度调节策略， 即保持AGV原 路径行驶策略； 步骤4‑5， 基于上述避免冲突和死锁的数学模型， AGV路径规划的优化目标为完成工单 调度任务所有AGV车辆作业的总时间， 根据启发式算法搜索队列中估值最小的状态作为取 出条件， 构建AGV调度路径优化的数 学模型为： 式中， tki表示第k辆AGV接收上位系统任务后到开始执行的时间， tki表示第k辆AGV完成 任务所用的时间， fk是第k辆AGV接收任务情况， 表示在当前点到终点 的期望， Q是优先级队 列用来维护所有搜索状态；权　利　要　求　书 2/3 页 3 CN 113919543 A 3