多重约束下智慧仓储搬运机器人移动路径选择研究.pdf

现代电子技术Modern Electronics TechniqueNov.2023Vol.46 No.222023年11月15日第46卷第22期0 引 言目前，智慧仓储中会使用大量搬运机器人完成搬运工作，以提高工作效率1。随着搬运机器人的广泛应用，人们对其智能性的需求越来越高，其中最基本的需求就是能自动选择路径完成搬运任务24。目前，已经有很多专家学者研究了搬运机器人路径选择的方法。例如，曹凯等人通过涡流约束法建立斥力场，按照梯度方向产生涡流场，通过涡流人工势场在涡流场内生成轨迹树，并提出轨迹树内的冗余节点，从而完成了搬运机器人路径的选择。该方法能够有效地选择路径，并且路径选择的收敛速度较快5。魏博等人将离子运动算法引入到人工蜂群算法中来改进算法，从而加快算法的收敛速度，并通过改进后的人工蜂群算法实现了搬运机器人路径的选择。该方法能够实现较快的路径选择，具备较高的效率6。但这两种方法均未考虑搬运机器人之间的路径冲突问题，容易发生路径冲突，且避障能力较差。在实际智慧仓储环境下，需要考虑多重约束条件，为搬运机器人选择一条最佳移动路径，并解决路径冲突问题，以提DOI：10.16652/j.issn.1004373x.2023.22.001引用格式：冯仁宇，夏凯.多重约束下智慧仓储搬运机器人移动路径选择研究J.现代电子技术，2023，46（22）：14.多重约束下智慧仓储搬运机器人移动路径选择研究冯仁宇1，3，夏 凯2，3（1.清华大学，北京 100091；2.上海外国语大学，上海 200082；3.上海烟草集团有限责任公司，上海 200082）摘 要：多重约束下机器人移动路径选择具有一定困难，因此研究多重约束下智慧仓储搬运机器人移动路径选择方法，以提升移动路径选择效果。以智慧仓储搬运机器人运行长度最小、困难指数最小与运行时间最短为目标函数，以搬运机器人数量、搬运任务数量、时间窗等为约束条件，建立搬运机器人移动路径选择函数。通过设计避障适应度函数改进遗传算法，利用改进遗传算法求解移动路径选择函数，得到最佳移动路径选择结果。实验结果证明，对于单个与多个搬运机器人，该方法均可有效选择移动路径，无碰撞情况，还能够有效减少搬运机器人的运行长度，降低运行困难指数，缩短运行时间。智慧仓储搬运机器人移动路径选择效果好。关键词：多重约束；智慧仓储；搬运机器人；移动路径；适应度函数；遗传算法中图分类号：TN87634；TP242 文献标识码：A 文章编号：1004373X（2023）22000104Research on moving path selection of intelligent warehouse handling robot under multiple constraintsFENG Renyu1,3,XIA Kai2,3（1.Tsinghua University,Beijing 100091,China;2.Shanghai International Studies University,Shanghai 200082,China;3.Shanghai Tobacco Group Co.,Ltd.,Shanghai 200082,China）Abstract：The selection of robot movement path under multiple constraints has a certain difficulty,therefore,the selection method of intelligent warehouse handling robot movement path under multiple constraints is researched to improve the effectiveness of movement path selection.With the objective function of minimizing the running length,difficulty index,and running time of the intelligent warehouse handling robot,a moving path selection function for the handling robot is established by taking the number of handling robots,handling tasks,and time windows as constraints.The genetic algorithm is improved by designing an obstacle avoidance fitness function,and the improved genetic algorithm is used to solve the choice function of the moving path,so as to obtain the optimal moving path selection result.The experiemental results show that for both single and multiple handling robots,this method can effectively select the moving path without collision,also effectively reduce the running length of the handling robot,decrease the running difficulty index,and shorten the running time.The intelligent warehouse handling robot has good moving path selection effect.Keywords：multiple constraints;smart warehousing;handling robots;mobile path;fitness function;genetic algorithm收稿日期：20230426 修回日期：202305311 1现代电子技术2023年第46卷升搬运机器人的避障能力7。因此，需要研究多重约束条件下智慧仓储搬运机器人移动路径的选择方法，以缩短搬运机器人的运行时间和运行距离。1 搬运机器人移动路径选择1.1 移动路径选择函数以智慧仓储搬运机器人运行长度f1()R、运行困难指数f2()R与运行时间f3()R为目标函数，建立智慧仓储搬运机器人路径选择函数。针对智慧仓储中搬运机器人运行长度这一目标函数f1()R，假 设 搬 运 机 器 人 可 用 移 动 路 径 为R=r1,r2,rn，可用移动路径节点数量为n。f1()R的计算公式如下：f1()R=i,j=1;i jnd()ri,rj（1）式中：ri、rj分别表示可用路径上的第i、j个节点；d()ri,rj表示ri与rj之间的距离。针对搬运机器人经过路径内各节点的困难指数总和f2()R，其计算公式如下：f2()R=i=1nzig()ri（2）式中：g()ri表示搬运机器人经过ri时的困难指数；zi表示指定时间窗内，经过任一节点上的机器人数量。针对代表智慧仓储搬运机器人的运行时间这一目标函数f3()R，其计算公式如下：f3()R=i,j=1na=1Axarij()tsijwij+tcij+tw（3）式中：A表示智慧仓储内搬运机器人数量；xarij表示搬运任务数量；tsij表示机器人经过节点i至j间直线路段需要的时间；tcij表示经过节点i至j间拐弯路段需要的时间；wij表示节点i至j间路段权重；tw表示时间窗。tsij的计算公式如下：tsij=L()i,jvs-Lvvs（4）式中：vs表示搬运机器人匀速行驶速度；L()i,j表示i与j间的距离；Lv表示搬运机器人长度。tcij的计算公式如下：tcij=Lvvc+Rtcvc（5）式中：vc表示搬运机器人拐弯行驶速度；Rtc为机器人的转弯半径。综合f1()R、f2()R、f3()R，建立智慧仓储搬运机器人路径选择函数，公式如下：f()R*=fminf1()R,f2()R,f3()R（6）式中：多重约束下，选择的搬运机器人移动路径集合是R*=r*1,r*2,r*n,R*R。fmin定义为通过对f1()R、f2()R、f3()R计算结果分别排序并赋予不同的权重系数加总后求取最小值。1.2 搬运机器人移动路径选择函数约束条件第1.1节建立的搬运机器人移动路径选择函数的多重约束条件如下：1）搬运机器人搬运任务约束智慧仓储中，任一搬运机器人只能执行一个任务8，公式如下：xarij=1（7）式中：rij表示节点i至j间的路径。当xarij=1时，说明机器人a在路径rij上；当xarij=0时，说明a不在路径rij上。2）时间窗约束搬运机器人a在路径rij上的时间窗tw约束为：tw=ta,endrij-ta,startrij（8）式中：ta,startrij、ta,endrij分别表示机器人a的搬运任务开始、结束时间。3）时间窗内搬运机器人数量约束移动路径上，指定时间窗内搬运机器人的数量约束为：Ntarijrij=rija=1AxtarijaNtarjirji=rjia=1Axtarjia（9）式中：Ntarijrij表示由i移动至j的搬运机器人数量；Ntarjirji表示j移动至i的搬运机器人数量；xtarija代表时间窗tarij内机器人a经过rij；xtarjiha代表时间窗tarji内机器人a经过rji。4）指定时间窗内，路径中搬运机器人数量约束在tarij内，rij上搬运机器人数量的约束为：zi Ntarijrij+Ntarjirji（10）1.3 搬运机器人移动路径选择函数求解利用改进的遗传算法，结合1.2节中的约束条件，求解 1.1节建立的搬运机器人移动路径选择函数，并得到最短的运行长度、最低的运行困难指数和最短的运行时间，以及对应的移动路径选择结果。改进遗传算法中对适应度函数k进行改进，解决路径冲突问题，提升搬运机器人的避障能力，具体步骤如下：步骤 1：分析搬运机器人搬运物体与障碍物是否处于同一位置9，即F1=Fk，其中，分析搬运物体与障碍物是否处于同一位置时的适应度函数为2；当搬运物体位置k的适应度函数Fk为 1时，说明搬运物体与障碍2第22期物处于同一位置10。步骤2：计算搬运物体所在直线方程。步骤3：计算障碍物各边所在直线方程。步骤 4：求解步骤 2与步骤 3的方程组，获取障碍物与搬运物体所处直线上的全部重合点。步骤 5：分析搬运物体和障碍物是否会发生碰撞，即判断F2=Fk,z这一公式是否成立。其中F2表示搬运物体和障碍物是否会发生碰撞的适应度函数；当Fk,z=1时，说明搬运物体位置为k时，位于障碍物的第z条边上。步骤 6：设计适应度函数F=1F1+2F2，其中1、2表示F1与F2的权值。对遗传算法内的适应度函数进行改进后，利用改进遗传算法进行选择、交叉与变异操作，求解搬运机器人移动路径选择函数f()R*，得到搬运机器人的最佳移动路径，实现多重约束下智慧仓储搬运机器人移动路径选择。2 实验分析以某物流公司的智慧仓库为实验对象，该仓库内共包含 5个拣选台、10个充电站、400个货架、20个搬运机器人。搬运机器人的具体参数如表1所示。表1 搬运机器人具体参数参数名称长度/m安全距离/m匀速行驶速度/（m/s）拐弯速度/（m/s）停车速度/（m/s）首个任务开始时间/s拣选台停留时间/min最长等待时间/s数值0.6220.60.80115当该智慧仓储内只有一个搬运任务时，则仅需一个搬运机器人进行搬运任务，利用本文方法为该搬运机器人选择移动路径，移动路径选择结果如图1所示。根据图 1可知，本文方法可有效地为搬运机器人选择移动路径，且选择的移动路径中，并不会与障碍物发生碰撞，说明应用本文方法选择的移动路径可提升搬运机器人执行搬运任务的安全性。图1 搬运机器人移动路径选择结果当该智慧仓储内包含 2个搬运任务时，则需 2个搬运机器人同时进行搬运任务，利用本文方法为这2个搬运机器人选择移动路径，移动路径选择结果如图 2所示。图2 多个搬运机器人的移动路径选择结果根据图 2可知，对于多个搬运机器人同时在智慧仓储内执行搬运任务时，本文方法依旧可以有效地为搬运机器人选择移动路径，两个搬运机器人在执行任务时均未与障碍物发生碰撞。实验结果证明：本文方法具备移动路径选择的有效性，可提升搬运机器人执行搬运任务时的安全性。当智慧仓储中 8 个搬运机器人同时进行搬运任务时，利用本文方法为这 8个搬运机器人选择移动路径，8个机器人移动路径选择的长度、困难指数与运行时间如表2所示。根据表 2可知，应用本文方法前，搬运机器人的运行长度、运行困难指数、运行时间，明显高于应用后；应用本文方法前的平均运行长度是155.68 m，平均运行困冯仁宇，等：多重约束下智慧仓储搬运机器人移动路径选择研究3现代电子技术2023年第46卷难指数是 180.38，平均运行时间是 96.06 s；应用本文方法后的平均运行长度是122.27 m，平均运行困难指数是125.25，平均运行时间是 62.28 s。实验结果证明：应用本文方法后，可有效减少搬运机器人的运行长度，降低运行困难指数，缩短运行时间。表2 搬运机器人的运行长度、困难指数与运行时间搬运机器人编号12345678应用本文方法前运行长度/m173.75199.72165.32183.55192.6495.59109.25125.65运行困难指数169195197199178175183147运行时间/s97.55121.86102.66111.78106.3268.8176.6382.83应用本文方法后运行长度/m140.34166.31131.91150.14159.2362.1875.8492.24运行困难指数110127124125146134128108运行时间/s71.1785.1666.9676.1880.6232.0938.9247.123 结 论未来物流行业的发展方向是智慧物流，而智慧物流的关键是智慧仓储，智慧仓储的关键则是搬运机器人。搬运机器人的移动路径选择效果直接影响智慧仓储的运营效率。因此，需要研究在多重约束条件下的智慧仓储搬运机器人移动路径选择方法，以提升搬运机器人的避障能力。参考文献1 孙建召，赵进超.智能搬运机器人重叠路径删除算法设计J.机械设计与制造，2022（5）：266269.2 彭湘，向凤红，毛剑琳.多地形约束条件下的移动机器人路径规划方法J.小型微型计算机系统，2021，42（9）：19001905.3 任剑锋，叶春明，杨枫.带时间窗的车间搬运机器人路径优化建模及算法研究J.运筹与管理，2020，29（5）：5260.4 李逸飞，王书亭，熊体凡，等.兼顾启停特性和转角时耗的移动机器人路径规划J.西安交通大学学报，2023，57（2）：192202.5 曹凯，陈阳泉，高嵩，等.涡流人工势场引导下的RRT*移动机器人路径规划J.计算机科学与探索，2021，15（4）：723732.6 魏博，杨茸，舒思豪，等.基于离子运动人工蜂群算法的移动机器人路径规划J.计算机应用，2021，41（2）：379383.7 胡章芳，程亮，张杰，等.多约束条件下基于改进遗传算法的移动机器人路径规划J.重庆邮电大学学报（自然科学版），2021，33（6）：9991006.8 徐兴，俞旭阳，赵芸，等.基于改进遗传算法的移动机器人全局路径规划J.计算机集成制造系统，2022，28（6）：16591672.9 韦玉海，张辉，刘理，等.基于 AMRRTConnect算法的移动机器人路径规划J.武汉大学学报（工学版），2022，55（5）：531538.10 刘想德，何翔鹏，胡勇，等.基于方向决策 RRT算法的移动机器人路径规划J.计算机仿真，2022，39（6）：444448.11 黄霞飞.三维可移动无线传感器网络路径规划算法D.成都：电子科技大学，2022.12 徐晓强.基于改进粒子群的牙齿正畸移动路径算法研究D.太原：中北大学，2020.13 王世亚.无线传感器网络基于锚节点的定位和移动路径规划的研究与应用D.南京：南京邮电大学，2019.作者简介：冯仁宇（1988），男，上海人，硕士，工程师，研究方向为卷烟物流方向、计算机算法。夏 凯（1976），男，上海人，工程师，研究方向为卷烟物流方向、计算机算法。4