-
题名智能制造车间多自动导引车无冲突路径规划研究
- 1
-
-
作者
金杰
高增恩
张中伟
武照云
李鹏
-
机构
河南工业大学机电工程学院
郑州德力自动化物流设备制造有限公司
-
出处
《制造技术与机床》
北大核心
2025年第11期73-82,共10页
-
基金
国家自然科学基金资助项目(U1704156,71971130)
河南省科技研发计划联合基金项目(242103810064)
河南工业大学校企联合项目(243H2024JD243,414H2024JD414)。
-
文摘
无冲突路径规划是影响智能制造车间自动导引车(automated guided vehicle, AGV)物流系统高效、安全运行的关键技术。基于集中式决策的智能制造车间多AGV无冲突路径规划(multiAGV conflict-free path planning, MCPP)存在环境适应性、灵活性不足等问题,为此引入分布式决策思想解决MCPP问题,以更好地适应智能制造车间复杂多变的物流需求。首先,基于栅格地图表达的车间物流运输环境描述了MCPP问题,分析AGV间潜在的冲突类型并设计冲突消减策略。然后,将MCPP问题模型转化为强化学习(reinforcement learning, RL)对应的部分可观测马尔可夫决策过程,设计状态空间、动作空间、奖励函数等RL要素。进而,利用改进的QMIX解决MCPP问题。最后,开展实验研究,通过与时空A_*算法、冲突搜索算法、博弈论方法、多智能体强化学习中的值分解网络(value decomposition networks, VDN)方法以及经典QMIX算法进行求解效果对比,验证所提模型及方法的可行性和有效性。
-
关键词
智能制造车间
自动导引车
多AGV无冲突路径规划
马尔科夫决策过程
多智能体强化学习
QMIX
-
Keywords
intelligent manufacturing workshop
automated guided vehicle
multi-AGV conflict-free path planning
Markov decision process
multi-agent reinforcement learning
QMIX
-
分类号
TH186
[机械工程—机械制造及自动化]
-
-
题名智能制造车间分布式AGV任务分配研究
- 2
-
-
作者
张中伟
高增恩
王菁锐
赵彬彬
武照云
李鹏
-
机构
河南工业大学机电工程学院
郑州德力自动化物流设备制造有限公司
-
出处
《包装工程》
北大核心
2025年第7期142-149,共8页
-
基金
国家自然科学基金(U1704156)
河南省科技研发计划联合基金(242103810064)
+1 种基金
河南省高等学校重点科研资助项目(23A460003)
河南省超硬磨料磨削装备重点实验室开放课题资助项目(JDKFJJ2022012)。
-
文摘
目的分布式自动导引车(AGV)系统具有可扩展性、高可靠性的优势,是建设智能制造车间、实现车间智能物流的重要发展趋势,研究旨在解决分布式AGV任务分配(DAGVTA)这一影响智能制造车间资源利用和生产成本的基础关键问题。方法引入深度强化学习思想,将各AGV视为独立的智能体,基于多智能体强化学习方法独立深度Q网络(IDQN)算法进行求解。首先,将DAGVTA问题转化为强化学习对应的部分可观测马尔可夫决策过程,将各AGV观测的车间环境状态作为神经网络的输入,通过神经网络拟合值函数输出各AGV的动作选择,并以作业任务的搬运距离作为优化目标设计相应的奖励函数。在IDQN算法架构上训练各智能体,环境中各智能体彼此独立,依靠局部观测信息决策动作。结果开展实验研究,在不同问题规模场景下与基于规则的任务分配算法、基于市场机制的竞拍算法进行DAGVTA求解效果对比,验证所提模型和求解方法的可行性。结论基于IDQN架构训练后的AGV智能体,在没有集中规划器的情况下具有一定的自主协同能力,能够有效协同AGV完成全部搬运任务。
-
关键词
智能制造车间
分布式AGV
任务分配
深度强化学习
独立深度Q网络
-
Keywords
intelligent manufacturing workshop
distributed AGV
task allocation
deep reinforcement learning
independent deep Q-network
-
分类号
TB485.3
[一般工业技术—包装工程]
TH187
[机械工程—机械制造及自动化]
-
