一种基于数字孪生的托盘式堆高车AGV充电调度方法及系统

技术领域

本发明涉及属于AGV调度领域技术领域，具体为一种基于数字孪生的托盘式堆高车AGV充电调度方法及系统。

背景技术

为了满足日益火爆的网购行业的需求，面对爆炸式增长的快递数量，如何提高分拣速度，提升物流效率成为物流企业急需解决的问题。随着智能仓储的兴起，传统的人工分拣逐渐被机器分拣所取代，因此如何提高分拣机器人的分拣效率成为关键点。尽管目前关于AGV路径规划和调度算法的优化方法多种多样，但很少有人考虑AGV的充电过程。AGV的充电过程可能会持续几个小时，这可能会导致运输任务的中断和延迟，大大降低分拣效率，考虑充电问题的AGV调度方法成为需要解决的问题。

此前，国内外考虑了充电问题的AGV调度方法分为静态方法和动态方法和较为两类，静态方法可以减少充电过程对AGV执行静态调度任务的影响，但是，由于实际生产环境的状态是可变的，因此使用静态方法的调度系统在实际生产环境中的性能有限；而动态方法使用了预定义的数学模型，无法预测AGV在一段时间内的可用性，因此无法获得全局最优的调度计划。对于考虑电池管理的AGV调度，仍然存在许多局限性。目前，基于数字孪生的调度方法正在兴起，为解决预测AGV在未来一段时间的可用性和实时控制AGV的调度方式等问题提供了新的解决方向。

因此，本发明旨在利用数字孪生技术实时性高的特点，根据AGV的状态来预估能量消耗，以此为基础来决定是否为AGV分配充电任务。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

因此，本发明解决的技术问题是：目前AGV充电时间过长，可能会导致运输任务的中断和延迟，从而大大降低了分拣效率。

为解决上述技术问题，本发明提供如下技术方案：一种基于数字孪生的托盘式堆高车AGV充电调度方法，包括：根据两阶段优化调度模型和改进蝴蝶算法生成初始的调度方案；对生成方案进行仿真实验；搜集数据传入虚拟空间，根据能量消耗模型预估下一阶段能量消耗并计算托盘式堆高车AGV托举货物所消耗的能量进行可行性分析，判断AGV是否需要进行充电任务；若AGV需要执行充电任务，则重新生成调度方案，反之继续执行当前任务。

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中，所述两阶段优化调度模型包括运输任务调度模型和优化充电任务调度模型，其中优化充电任务调度模型包括充电任务优先级分配模型和自适应充电量分配模型，充电任务优先级分配模型判断是否为AGV分配充电任务，同时根据当前AGV的剩余电量为每一个AGV分配优先级，根据优先级分配充电任务，所述优先级分配充电任务，表示为，

其中，SOC表示AGV当前电量，A

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中，所述自适应充电量分配模型，表示为，

其中，

其中，Task

的取值，

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中，所述改进蝴蝶算法生成初始的调度方案包括：

初始化参数包括，种群大小N，转换概率P，维度dim，蝴蝶香味的感知模态c和幂指数

当rand

根据竞争淘汰策略更新种群。

判断算法是否满足结束条件，若符合则记录当前最优解及其目标值，若不符合则更新香味浓度的感觉模态c并转回步骤b，继续下一轮迭代，更新公式如下，

其中，c(t+1)表示第t+1次迭代感觉模态c的值，c(t)表示第t次迭代感觉模态c的值，t

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中，所述仿真实验包括：在适应度函数中加入行为预测函数P模拟，所述行为预测函数，表示为，

其中，η为行为预测控制参数。

更新后的香味公式如下：

其中，f为香味大小，即香味被其他蝴蝶感知的强度，c是感觉模态，是依赖与模态的幂指数，F为目标函数，c与

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中，所述全局搜索包括：引入自适应感知函数与自适应权重，计算每个个体香味所占比重，按照从大到小的顺序排列并分配一个等级level

level

其中，N为种群大小，香味最浓烈的个体编号为1，香味最淡的个体编号为N。

自适应感知函数如下：

其中，AP

香味公式中的目标函数F需计算编号为n的AGV在任务过程中的能量消耗，所述能量消耗，表示为，

其中，

其中，

作为本发明所述的一种基于数字孪生的托盘式堆高车AGV充电调度方法的一种优选方案，其中：所述托举货物所消耗的能量，表示为，

其中，e为可行性预测值，

其中，rank

本发明的另外一个目的是提供一种基于数字孪生的托盘式堆高车AGV充电调度系统，其能通过两阶段优化调度模型和改进蝴蝶算法生成初始调度方案和后续调度方案，提高了任务分配的灵活性，解决了充电时间过长，分拣效率低的问题。

为解决上述技术问题，本发明提供如下技术方案：一种基于数字孪生的托盘式堆高车AGV充电调度系统，包括：数字孪生建模模块，充电需求预测模块，充电站分配模块，充电调度优化模块，系统监控与管理模块；所述数字孪生建模模块用于使用传感器和计算机视觉技术对托盘式堆高车AGV进行建模，生成数字孪生模型，并实时更新AGV的状态和性能指标；所述充电需求预测模块用于利用历史数据和机器学习算法对AGV的充电需求进行预测，以便提前制定充电计划；所述充电站分配模块用于根据AGV的当前位置、充电需求和充电站的空闲情况，智能地分配最优的充电站，以减少等待时间和行驶距离；所述充电调度优化模块用于以最小化AGV的充电时间和最大化其工作效率为目标，通过调整充电站的选择和充电策略参数实现充电调度优化；所述系统监控与管理模块用于负责实时监测AGV和充电站的状态、性能指标和故障报警信息，以及管理系统的配置和更新任务。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的基于数字孪生的托盘式堆高车AGV充电调度方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的基于数字孪生的托盘式堆高车AGV充电调度方法的步骤。

本发明的有益效果：本发明提供的一种基于数字孪生的托盘式堆高车AGV充电调度方法，采用了两阶段优化调度模型和改进蝴蝶算法生成初始调度方案和后续调度方案，提高了任务分配的灵活性，更符合现实场景；考虑到托举式堆高车AGV在不同阶段消耗的能量不同，建立了对应模型，使得对能量消耗的计算更加精准。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明第一个实施例提供的一种基于数字孪生的托盘式堆高车AGV充电调度方法的整体流程图。

图2为本发明第二个实施例提供的一种基于数字孪生的托盘式堆高车AGV充电调度系统的整体结构图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

为本发明的一个实施例，提供了一种基于数字孪生的托盘式堆高车AGV充电调度方法，包括：

S1：根据两阶段优化调度模型和改进蝴蝶算法生成初始的调度方案。

S2：对生成方案进行仿真实验。

S3：搜集数据传入虚拟空间，根据能量消耗模型预估下一阶段能量消耗并进行可行性分析，判断AGV是否需要进行充电任务。

S4：若AGV需要执行充电任务，则重新生成调度方案，反之继续执行当前任务。

步骤1中，两阶段调度模型包含运输任务调度模型和优化充电任务调度模型两方面，其中，运输任务调度模型包括运输任务分配模型和运输任务时序管理模型，运输任务分配模型由下述公式实现：

其中，Tr

运输任务时序管理模型由下述公式实现：

根据两阶段优化调度模型和改进蝴蝶算法生成初始的调度方案，包括：在生成初始调度任务阶段仅使用运输任务调度模型，在进行充电任务分配阶段同时使用运输任务调度模型和优化充电任务调度模型；其中优化充电任务调度模型包括充电任务优先级分配模型和自适应充电量分配模型，充电任务优先级分配模型会判断是否为AGV分配充电任务，同时根据当前AGV的剩余电量为每一个AGV分配优先级，根据优先级分配充电任务，所述优先级分配充电任务，表示为：

其中，SOC表示AGV当前电量，A

进一步的，考虑到在AGV进行充电时，当前可用AGV数量下降，总体运输效率降低，此时可能会出现任务堆积的现象，因此在进行充电量分配时采用自适应充电量分配模型，使得处于充电状态的AGV会停止充电任务转而执行运输任务，所述自适应充电量分配模型，表示为：

其中，

其中，Task

的取值如下：

进一步的，改进蝴蝶算法生成初始的调度方案包括：改进目标函数的适应度、引入自适应感知函数与自适应权重为优化方案，同时引入竞争淘汰策略，具体步骤如下：

初始化参数包括，种群大小N，转换概率P，维度dim，蝴蝶香味的感知模态c和幂指数

当rand

根据竞争淘汰策略更新种群；判断算法是否满足结束条件，若符合则记录当前最优解及其目标值，若不符合则更新香味浓度的感觉模态c并重新计算目标函数适应度值并加入行为预测函数P，继续下一轮迭代，更新公式如下：

其中，c(t+1)表示第t+1次迭代感觉模态c的值，c(t)表示第t次迭代感觉模态c的值，t

更进一步的，在传统蝴蝶优化算法的步骤中加入竞争淘汰策略。在初始时生成两个蝴蝶种群B

步骤3中，AGV电量越高，AGV执行运输任务的概率越大，执行充电任务的概率越小；AGV电量越低，AGV继续执行运输任务的概率越小，执行充电任务的概率越大，本发明在适应度函数中加入行为预测函数P(ACT)模拟这一情况，所述行为预测函数，表示为：

其中，η为行为预测控制参数。

在生成随机函数时引入自适应权重，公式如下：

rand

其中，rand为均匀分布随机数，rand

其中自适应权重α的公式如下：

其中，t为迭代次数，t

步骤4中，进一步的，AGV在刚启动时会出现急剧的能耗增加，到达峰值后会逐渐下降进入等待状态，因此的公式如下：

其中，t

考虑到托盘式堆高车AGV需要执行大量托举操作的行为并且货物和托盘的重量不可忽视，卸货时的能量消耗如下：

E

其中，λ

进一步的，估算AGV下一时间段内的能量消耗并进行可行性预测时，针对托盘式堆高车AGV需要执行大量托举操作的行为并考虑到货物的重量不可忽视，不仅需要计算运输途中的能量消耗，还需计算托盘式堆高车AGV托举货物所消耗的能量，所述托举货物所消耗的能量，表示为：

其中，e为可行性预测值，

其中，rank

更进一步的，在AGV执行任务一段时间后，部分AGV可能会执行充电任务，此时需要重新生成调度计划，此过程可能会产生路径冲突，因此根据AGV距离目的地的距离、连续工作时间、电量为AGV分配优先级，在调度方案产生冲突时优先选择AGV的优先级高的方案。AGV剩余电量越低、连续工作时间越长，执行充电任务的可能性越高，因此会降低优先级；此外，AGV距离目标点越远，需要耗费的时间越长，也会降低优先级。具体公式如下：

其中，rank

实施例2

参照图2，为本发明的一个实施例，提供了一种基于数字孪生的托盘式堆高车AGV充电调度系统，基于数字孪生的托盘式堆高车AGV充电调度系统包括数字孪生建模模块、充电需求预测模块、充电站分配模块、充电调度优化模块、系统监控与管理模块。

数字孪生建模模块用于使用传感器和计算机视觉技术对托盘式堆高车AGV进行建模，生成数字孪生模型，并实时更新AGV的状态和性能指标。

充电需求预测模块用于利用历史数据和机器学习算法对AGV的充电需求进行预测，以便提前制定充电计划。

充电站分配模块用于根据AGV的当前位置、充电需求和充电站的空闲情况，智能地分配最优的充电站，以减少等待时间和行驶距离。

充电调度优化模块用于以最小化AGV的充电时间和最大化其工作效率为目标，通过调整充电站的选择和充电策略参数实现充电调度优化。

系统监控与管理模块用于负责实时监测AGV和充电站的状态、性能指标和故障报警信息，以及管理系统的配置和更新任务。

实施例3

本发明的一个实施例，其不同于前二个实施例的是：

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

实施例4

本发明第四个实施例，其不同于前三个实施例的是：为对本发明中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方案进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。

国内外考虑了充电问题的AGV调度方法分为静态方法和动态方法和较为两类，静态方法可以减少充电过程对AGV执行静态调度任务的影响。但是，由于实际生产环境的状态是可变的，因此使用静态方法的调度系统在实际生产环境中的性能有限；而动态方法使用了预定义的数学模型，无法预测AGV在一段时间内的可用性，因此无法获得全局最优的调度计划。对于考虑电池管理的AGV调度，仍然存在许多局限性，本实施例利用传统方法和我方方法同时对同一故障进行处理，其检测对比结果如下表1所示：

表1实验效果对比表

通过上述对比结果可以看出，本发明AGV利用率高，平均等待时间较传统方法减少30秒，具有更高的灵活性，能量消耗计算误差较小，且本发明方法检测效率高，节约了大量时间，也说明了本发明方法通过基于数字孪生的托盘式堆高车AGV充电调度方法，能够改进传统方法的不足，为如何提高分拣速度，提升物流效率提供参考。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。