考虑执行任务均衡的仓储多自动引导车路径优化方法

自动引导车是以电池作为动力支持的自动化轨道行驶设备，可在激光元件的作用下，沿预设路径前行，由于整个行进过程并没有驾驶人员的配合，所以车辆主体上必须设置装配机械、移载元件等多种辅助性机构设备。对于仓储运输体系而言，一个完整的引导车控制系统同时包含核心计算机、导航设备、充电设备等多种应用元件，其主要工作原理表现为在核心计算机接收到监控调度指令后，引导车辆可以准确按照既定路径行驶，当其顺利到达任务位置后，导航设备自动向核心主机反馈结束指令，从而实现一次完整的任务执行流程[1]。在行进过程中，整个控制系统的自动化程度极高，且由于充电桩设备的存在，引导车可就近选择充电位置，从而满足车辆所需的电力供应需求。为适应多变的行进路线，一条运输路径中有可能同时存在多个转弯节点，而当自动引导车通过这些节点时，为保证车辆行驶的绝对安全性，其实时行进速度也会出现明显下降的表现情况，这就导致引导车在单一路径内的运行时间不断延长，并最终造成仓储运输任务的完成速率受到影响。为解决上述问题，提出考虑执行任务均衡的仓储多自动引导车路径优化方法。

在执行任务均衡算法作用下，仓储多自动引导车选址建模包含最小调度生成树建立、选址任务分配、干扰度计算三个处理流程，具体操作流程如下。

为使仓储多自动引导车的实际行进路径与预设路径保持一致，应在分配执行任务时，挖掘与调度节点相关的深度信息，并在满足车辆选址需求的基础上，建立完整的任务调度最小生成树结构。所谓任务调度最小生成树是支配仓储多自动引导车行进路径的最基础执行结构，一般来说，与不同引导车辆相关的生成树结构形式也有所不同。基本生成流程为：当仓储多自动引导车接收到行进任务时，执行主机首先查找是否有生成树节点能够满足该条路径内的车辆调度需求，如果有，则直接安排行进路径，若果没有，则继续构建下级生成树节点。其次，执行主机继续执行上述步骤，直至已生成树节点能够完全满足该条路径内的车辆调度需求。最后，计数路径内的转弯节点数量，对引导车运行时间进行有效控制。具体判别流程如下。

根据任务调度最小生成树结构，可排除非必要转弯节点对仓储多自动引导车行进时间造成的影响，从而为车辆行进路径的可靠选址提供了可能。

考虑到执行任务的均衡处理原则，在安排仓储多自动引导车行进路径时，为每个节点选址任务都分配了不同的优先级条件，且由于行进路径及行进方向的不同，与每个优先级条件所匹配的选址节点类型也有所不同。

在路径安排初期，仓储任务调度主机根据执行任务均衡算法，建立必要的选址任务分配网络体系，再根据最小生成树的执行步长值，确定多自动引导车在经过关键选址节点时的行进速度水平[2]。在引导车行进过程中，每个选址节点处的执行任务信息都具备自主更新的能力，一般来说，若当前更新信息完全与引导车的行进需求相匹配，则可认为车辆当前行进速率已达最大值。

设Vi表示转弯节点j处的行进干扰度，Pl表示转弯节点j处的引导车行进路径选址系数，μ表示控制参数项，联立上述物理量，可将考虑执行任务均衡的仓储多自动引导车选址任务分配标准定义为：

式中，Kl表示转弯节点j处的车辆执行任务优先级，Dj表示引导车单一路径内的转弯节点选址强度值。为了避免仓储多自动引导车的行进路径成为一个闭环，两个转弯节点处的所有选址任务指标取值均不能相等。

与任务调度最小生成树结构中的其他参量指标不同，干扰度系数在仓储多自动引导车行进路径中的所有转弯节点之间都是完全公开共享的。因此，为保证干扰度系数的绝对统一性，应根据已知的选址任务分配原则，对相关参量指标的取值结果进行严格约束。

1）转弯节点自身干扰程度

在仓储多自动引导车行进路径中，转弯节点每隔一段时间就会向车载主机发送一个干扰指令，一方面对于车辆行驶起到提醒作用，另一方面也便于执行任务调度主机对整条引导车行进路径进行管控[3]。在此过程中，转弯节点所发出干扰指令的传输强度就被称为转弯节点的自身干扰程度，具体计算表达式如下：

其中，ΔT表示单位间隔时长，Q1表示引导车行进任务的单位增量，S-表示行进指令的输出量均值，χ表示仓储多自动引导车行进路径内的导向量指标。

2）被动性干扰条件

在引导车行进路径中，被动性干扰存在于相邻转弯节点之间，一般来说，两个节点之间的物理距离越远，它们之间的被动干扰互动能力也就越强。计算定义式如下：

上式中，Q2表示因执行任务均衡算法带来的引导车行进速率增量，表示行进任务信号特征值，β表示仓储多自动引导车路径中的车辆行进规划系数，c0表示仓储多自动引导车的初始行进能力。

联立式(2)、式(3)，可将考虑执行任务均衡的仓储多自动引导车行进干扰度计算结果表示为：

式中，x表示考虑执行任务均衡的引导车行进路径规划标度值，表示行进量提取系数。在执行任务均衡算法作用下，仓储多自动引导车的选址建模处理必须以参考干扰度计算结果作为核心参考条件。

在执行任务均衡算法的基础上，按照路径区域划分、行进节点标注、关联优化规则制定的执行流程，完成对仓储多自动引导车行进路径的优化与处理。

在既定路径区域中，根据执行任务均衡算法对相关引导车行进数据进行处理，从而得到完整的选址节点分布集合。一般来说，单一路径内包含的转弯节点数量越多，集合结构中待处理数据的存储量也就越多。对于仓储多自动引导车来说，路径区域划分是选址节点集合建立的逆运算过程，在处理过程中，任务调度主机可根据转弯节点所处实时位置，对引导车行进速度进行控制，并可以此为基础，推断车辆的单位行进能力，从而将整个路径区域划分成多个小模块结构，也便于对车体行进路径进行后续的优化处理[4]。

规定c1、c2、...、cn表示n个不同的转弯节点定义系数，在仓储多自动引导车路径优化的处理过程中，系数n的取值始终从自然数1开始，联立式(4)，可将仓储多自动引导车的行进路径区域划分标准定义为：

其中，λ表示定值判别条件。为有效控制引导车在单一路径内的运行耗时，每一路径区域内所包含的转弯节点数量都不宜过多。

在既定路径区域内，仓储多自动引导车的行进节点标注就是将常规路径节点与外部转弯节点完全区分开来。为更好顺应执行任务均衡算法的应用需求，相邻路径区域之间可进行自发的行进计划交换，一方面可将转弯节点完全规划至既定路径范围之外，另一方面也可将目标节点聚合在一起，从而节省仓储多自动引导车的实际运行时长。具体的行进节点标注原理如图2所示。

在执行任务均衡算法作用下，仓储多自动引导车的行进必须按照节点标注原则，这也是确保车辆能够快速通过单一路径的必要执行环节。

关联优化规则制定是仓储多自动引导车路径优化处理过程中的关键执行环节，可根据车辆行进距离、单位行进速率等指标，对现有路径的合理性进行判断。所谓关联优化规则是指在原有行进路径的基础上，通过定标处理等方式，对路径区域中的不合理成分进行修改，不但能够控制仓储多自动引导车完整通过转弯节点所需的消耗时长，也可以较好满足执行任务均衡分配的实际应用需求[5]。设G1、G2表示两个不同的行进节点定义项，在执行任务均衡算法的作用下，G1≠G2的不等式条件恒成立。ξ表示既定的引导车调度系数，联立式(5)，可将考虑执行任务均衡的仓储多自动引导车关联路径优化规则表示为：

上式中，φ、δ表示两个不同的引导车路径优化指标向量。根据执行任务均衡原则，可以实现对原有仓储多自动引导车行进路径的优化处理，从而有效控制引导车在单一路径内的运行时长。

选取图1所示仓储多自动引导车元件作为实验对象，在其行进路径中，随机选取两个转弯节点作为测试位置，即节点“1”、节点“2”。

具体实验流程如下：

步骤一：利用常规方法对所选取引导车行进行为进行控制，将记录所得数据信息作为对照验组变量；

步骤二：利用考虑执行任务均衡的优化方法所选取引导车行进行为进行控制，将记录所得数据信息作为实验组变量；

步骤三：令实验组、对照组前行距离完全相等，分析引导车完整通过转弯节点“1”、“2”所需消耗时长的具体变化情况。

仓储多自动引导车完整通过转弯节点所需的消耗时长，能够反映车辆在单一路径内的行进速率，从而验证所选取路径的应用可行性。一般来说，消耗时长越短，车辆在单一路径内的行进速率就越快，该条路径的应用可行性也就越强，反之则越弱。

图4记录了实验组、对照组引导车完整通过转弯节点“1”所需消耗时间的数值变化情况。

上图中记录了7组不同的实验结果。

实验组：在整个实验过程中，实验组消耗时间在第5组别时取得最大值12s，在第6组别时取得最小值10s，在第1组、第3组、第7组时取值众数值11.2s，全局最大值与全局最小值之间的物理数值差为2s，相较于实验组耗时均值11.3s来说，该差值结果较小，对于整体耗时情况的影响能力不大。

对照组：在整个实验过程中，对照组消耗时间在第2组别时取得最大值14s，在第1组别时取得最小值11.8s，在第3组、第4组、第6组时取值众数值13.1s，全局最大值与全局最小值之间的物理数值差为2.2s，略大于实验组极值差，故可认为该差值结果对于整体耗时情况的影响能力略高于实验组。

下图记录了实验组、对照组引导车完整通过转弯节点“2”所需消耗时间的数值变化情况。

实验组：在整个实验过程中，实验组消耗时间在第5组、第4组、第5组、第6组时取得最大值5.1s，与其众数值结果相同，在第7组别时取得最小值4.4s，全局最大值与全局最小值之间的物理数值差为0.7s，相较于实验组耗时均值4.9s来说，该差值结果较小，对于整体耗时情况的影响能力不大。

对照组：对照组消耗时间在第5组别时取得最大值9.4s，在第1组别时取得最小值4.6s，在整个实验过程中，对照组耗时不存在明显的众数值结果，全局最大值与全局最小值之间的物理数值差为4.8s，远高于实验组差值，故可认为该差值结果对于整体耗时情况的影响能力远高于实验组。

综上可知，在考虑执行任务均衡优化方法的作用下，仓储多自动引导车在通过转弯节点“1”、转弯节点“2”所需的消耗时长得到了较好控制，这不但提升了车辆在单一路径内的行进速率，也验证了所选取路径的应用可行性。

在执行任务均衡算法的作用下，仓储多自动引导车路径优化方法在原始行进路径的基础上，设置了全新的任务调度最小生成树，又通过选址任务分配的处理方式，对干扰度系数值进行准确计算，由于关联性规则的存在，所有可能经过的行进节点都可以被清晰标注，这也有效避免了风险性行进行为的出现。对于同一路径内的转弯节点来说，引导车完全通过这些节点的消耗时间得到了有效控制，这也与选取可行性行进路径的初衷完全相符。