【技術實現步驟摘要】
本專利技術涉及agv調度管理，具體為一種基于agv的智能物料配送管理優化方法及系統。
技術介紹
1、隨著智能制造的深入發展，工業4.0時代對物料配送管理提出了更高要求。agv（automated?guided?vehicle）作為智能工廠物料配送系統的核心設備，其調度管理系統的優化直接影響著生產效率和運營成本。傳統的agv調度管理主要采用基于規則的啟發式算法或簡單的實時響應策略，這種方法在處理復雜多變的物料需求時存在較大局限性。近年來，隨著人工智能技術的發展，一些研究者開始嘗試將機器學習算法應用于agv調度優化中，如采用強化學習進行路徑規劃，使用神經網絡預測物料需求等。然而，這些方法往往將物料需求預測、任務規劃和實時調度等環節割裂開來，缺乏系統性的整體優化方案。
2、目前agv物料配送管理系統主要存在以下技術問題：首先，現有的物料需求預測方法大多采用傳統的時間序列分析或簡單的統計模型，未能充分考慮物料需求的周期性特征和長期依賴關系，導致預測精度不足；其次，在任務規劃階段，現有算法往往只考慮單一優化目標（如配送效率），而忽視了能耗、負載均衡等多維度指標，難以實現全局最優；第三，實時調度過程中，由于缺乏對agv實時狀態的有效利用和動態優化能力，使得系統在面對突發情況時適應性較差，容易造成配送延遲或資源浪費；最后，現有系統普遍存在信息孤島現象，各個功能模塊之間協同性不足，難以實現端到端的智能優化。
3、因此，急需一種能夠有效解決上述問題的智能物料配送管理優化方法，以提升agv配送系統的整體效能。本專利技術提出的
技術實現思路
1、鑒于上述存在的問題，提出了本專利技術。
2、因此，本專利技術提供了一種基于agv的智能物料配送管理優化方法及系統，能夠解決
技術介紹
中提到的問題。
3、為解決上述技術問題，本專利技術提供如下技術方案：一種基于agv的智能物料配送管理優化方法，包括：獲取并分析工廠運營數據，得到物料需求預測結果；所述工廠運營數據包括物料需求數據和agv狀態數據；基于所述工廠運營數據，利用多目標優化算法生成第一agv配送任務序列；基于所述物料需求預測結果和所述第一agv配送任務序列，生成第二agv配送任務序列，根據所述第二agv配送任務序列控制agv執行物料配送任務，同時進行任務執行監控。
4、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：得到所述物料需求預測結果的過程包括如下步驟：對所述物料需求數據按照物料類型進行分類，得到物料分類數據；提取所述物料分類數據中的物料需求周期特征；基于所述物料需求周期特征，采用長短期記憶網絡lstm進行訓練，得到物料需求預測模型；基于所述agv狀態數據計算agv配送能力數據；基于所述物料需求預測模型、物料周期特征和agv配送能力數據，生成物料需求預測結果。
5、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：所述物料需求數據包括物料類型、數量和緊急程度；所述agv狀態數據包括當前位置、電量和載重情況；所述物料需求周期特征的提取過程具體為通過自相關函數分析所述物料分類數據，找到主要周期，并構建周期特征函數，基于所述周期特征函數得到物料周期特征。
6、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：基于工廠運營數據，利用多目標優化算法生成第一agv配送任務序列，包括如下步驟：基于所述工廠運營數據，構建目標函數集合；基于所述目標函數集合確定agv配送任務之間的沖突度，并根據所述沖突度確定任務優先級；基于所述目標函數集合和所述任務優先級，執行多種群協同進化算法；基于全局非支配解集和所述任務優先級，計算每個解的綜合評分；根據所述綜合評分選擇最優解，生成所述第一agv配送任務序列，所述第一agv配送任務序列包含agv編號、任務編號和執行時間信息。
7、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：所述目標函數集合包括配送效率目標函數、能耗目標函數、設備負載均衡目標函數和緊急程度目標函數。
8、所述沖突度通過時間差異、空間距離和處理時間差異進行綜合計算，公式表示為：
9、；
10、式中，、分別為第i個配送任務和第j個配送任務的預期開始任務時間，其中第i個配送任務和第j個配送任務構成任務對；為所有配送任務對之間最大的時間差異；為第i個配送任務與第j個配送任務之間的空間距離；為所有配送任務對之間的最大空間距離；、分別為第i個配送任務和第j個配送任務的預計處理時間任務處理時間；為所有配送任務對之間最大的處理時間差異；、、分別為時間差異、空間距離和處理時間這三個維度的權重系數。
11、所述任務優先級通過任務緊急度與沖突度的比值關系確定：
12、；
13、式中，為第i個配送任務的優先級值；為第i個配送任務與其他所有配送任務的沖突度總和；ui為任務緊急度。
14、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：所述多種群協同進化算法包括：
15、構建k個子種群：
16、；
17、其中，為子種群的數量；
18、針對每個所述子種群，當其最優解在連續n代未更新時，計算種群多樣性指標：
19、；
20、其中，為第i個子種群的規模；為子種群中的個體；為目標函數的數量；為第j個目標函數對個體x的評價值；為第j個目標函數在種群中的平均值；為第i個子種群的多樣性指標值；
21、若，則執行跨種群重組：
22、；
23、其中，為來自當前種群的個體，為來自其他種群的非支配解集中的個體；為重組后產生的新個體；為重組權重系數；為多樣性指標的閾值。
24、若，則執行自適應變異：
25、；
26、其中，，g為當前代數，為最大代數，b為形狀參數；為變異后的新個體；x為變異前的個體；為決策變量的上界；為決策變量的下界；為隨機數，∈[0,1]；為自適應變異步長。
27、每隔m代進行種群間信息交換，通過計算解的支配關系更新全局非支配解集。
28、作為本專利技術所述的基于agv的智能物料配送管理優化方法的一種優選方案，其中：所述監控包括agv位置跟蹤、任務完成度評估和異常情況報告。
29、為進一步解決上述技術問題，本專利技術提供如下技術方案：一種基于agv的智能物料配送管理優化系統，包括：數據分析模塊，用于獲取并分析工廠運營數據，得到物料需求預測結果；任務生成模塊，其基于所述工廠運營數據，利用多目標優化算法生成第一agv配送任務序列；任務優化執行模塊，其基于所述物料需求預測結果和所述第一agv配送任務序列，生成第二agv本文檔來自技高網...
【技術保護點】
1.一種基于AGV的智能物料配送管理優化方法，其特征在于，包括：
2.如權利要求1所述的基于AGV的智能物料配送管理優化方法，其特征在于：得到所述物料需求預測結果的過程包括如下步驟：
3.如權利要求2所述的基于AGV的智能物料配送管理優化方法，其特征在于：所述物料需求數據包括物料類型、數量和緊急程度；
4.如權利要求3所述的基于AGV的智能物料配送管理優化方法，其特征在于：基于工廠運營數據，利用多目標優化算法生成第一AGV配送任務序列，包括如下步驟：
5.如權利要求4所述的基于AGV的智能物料配送管理優化方法，其特征在于：所述目標函數集合包括配送效率目標函數、能耗目標函數、設備負載均衡目標函數和緊急程度目標函數；
6.如權利要求5所述的基于AGV的智能物料配送管理優化方法，其特征在于：所述多種群協同進化算法包括：
7.如權利要求6所述的基于AGV的智能物料配送管理優化方法，其特征在于：所述監控包括AGV位置跟蹤、任務完成度評估和異常情況報告。
8.一種采用如權利要求1~7任一所述的基于AGV的智能
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的基于AGV的智能物料配送管理優化方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的基于AGV的智能物料配送管理優化方法的步驟。
...【技術特征摘要】
1.一種基于agv的智能物料配送管理優化方法，其特征在于，包括：
2.如權利要求1所述的基于agv的智能物料配送管理優化方法，其特征在于：得到所述物料需求預測結果的過程包括如下步驟：
3.如權利要求2所述的基于agv的智能物料配送管理優化方法，其特征在于：所述物料需求數據包括物料類型、數量和緊急程度；
4.如權利要求3所述的基于agv的智能物料配送管理優化方法，其特征在于：基于工廠運營數據，利用多目標優化算法生成第一agv配送任務序列，包括如下步驟：
5.如權利要求4所述的基于agv的智能物料配送管理優化方法，其特征在于：所述目標函數集合包括配送效率目標函數、能耗目標函數、設備負載均衡目標函數和緊急程度目標函數；
6.如權利要求5所述的基于ag...
【專利技術屬性】
技術研發人員：楊先燕，鄭小傲，許晶，
申請(專利權)人：深圳市邁騰電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。