سیستم برنامه ریزی AGV و کنترل ترافیک

در پاسخ به-بحث عمیق شما در مورد فن آوری ضد برخورد برای چندین AGV (خودروهای هدایت شونده خودکار)، دیدگاه فنی و مدیریتی یکپارچه تری را بر اساس دو راه حل سیستماتیکی که قبلاً در مورد آنها آموخته اید، با توضیح ویژه در مورد تفاوت ها و نقاط ادغام بین این دو راه حل ارائه خواهم کرد.

دو توصیفی که قبلاً با آنها روبرو شده‌اید اساساً در مورد یک سیستم از دیدگاه‌های مختلف توضیح می‌دهند:

راه حل اول (فهرست جزئی): بیشتر بر پیاده سازی مهندسی و ترکیب سیستم تمرکز دارد و یک پشته فناوری کامل را از سخت افزار کنترل مرکزی و ادراک تا ارتباطات و اقدامات خاص اجتناب از موانع را توصیف می کند.

راه‌حل دوم (جدول استراتژی): بیشتر بر الگوریتم‌های اصلی و استراتژی‌های کنترل تمرکز می‌کند و منطق نرم‌افزار و تصمیم‌گیری{0}}مکانیسم‌های مربوط به دستیابی به برخورد{1}}زمان‌بندی رایگان را به طور عمیق توضیح می‌دهد.

رابطه آنها را می توان اینطور خلاصه کرد: "استراتژی ها و الگوریتم ها مغز هستند، در حالی که ماژول های فنی دست ها و پاها هستند". برای مثال، استراتژی کنترل ترافیک در زمان واقعی باید از طریق سیستم برنامه ریزی مرکزی و ارتباطات اینترنت ترولی (IoV) اجرا شود. تشخیص برخورد محلی به حسگرهای لیدار/التراسونیک و راهبردهای پویا اجتناب از موانع متکی است.

یک سیستم چند{0}}ضد برخورد-AGV کارآمد معمولاً از معماری ترکیبی برنامه ریزی متمرکز + اجرای توزیع شده + پاسخ اضطراری محلی استفاده می کند. چارچوب زیر تمام عناصری را که ذکر کردید یکپارچه می کند:

[چارچوب سیستم ضد برخورد یکپارچه{{0}]

|

|---------------|---------------|

|                                                                                                |

[لایه برنامه ریزی مرکزی (مغز)] [لایه هستی شناسی AGV (دست و پا)]

|                                                                                                  |

· تخصیص وظایف · ادراک محیطی

· برنامه ریزی مسیر جهانی (MAPF، A*) (لیدار، چشم انداز، و غیره)

· کنترل ترافیک (پنجره زمانی، · ردیابی مسیر محلی

قفل منطقه) · اجتناب از موانع اضطراری

· پیش بینی و حل بن بست (کاهش سرعت، انحراف)

|                                                                                                    |

|-------------------------------|

|

[-شبکه ارتباط واقعی (Wi-Fi/5G)]

(موقعیت/وضعیت آپلود، دستورالعمل صدور)

برنامه‌ریزی قبل از رویداد: بر اساس همه وظایف، لایه زمان‌بندی مرکزی از الگوریتم‌های بهبودیافته‌ای مانند A* یا MAPF برای ایجاد یک مسیر آزاد اولیه{1}برخورد جهانی استفاده می‌کند و از قبل پنجره‌های زمانی را برای منابع کلیدی (مثلاً تقاطع‌ها) اختصاص می‌دهد.

در{0}}هماهنگی رویداد:در حالی که یک AGV در حال حرکت است، سیستم ادراک محیطی آن به طور مداوم محیط اطراف را اسکن می کند و موانع دینامیکی غیرمنتظره را گزارش می کند (مثلاً کالاهایی که به طور موقت رها شده اند). پس از دریافت گزارش، مرکز زمان‌بندی ممکن است مسیرها یا پنجره‌های زمانی سبدهای انتقال خودکار بعدی را تنظیم کند و دستورالعمل‌های کاهش سرعت یا انحراف را از طریق شبکه ارتباطی صادر کند.

پشتیبان گیری اضطراری:در صورت قطع موقت ارتباط یا موانع ناگهانی پیش‌بینی نشده، ماژول محلی اجتناب از مانع AGV (بر اساس الگوریتم‌هایی مانند ORCA) فورا کنترل می‌شود و برای اطمینان از ایمنی فیزیکی، ترمز اضطراری یا انحراف ایمن را اجرا می‌کند.

با تکیه بر آنچه قبلاً تسلط داشته اید، نکات زیر در حین اجرا نیاز به توجه ویژه دارند:

قوانین ترافیک هیبریدی:در سناریوهای پیچیده، ترکیب استفاده از مسیرهای مجازی ({0}}یک طرفه/دو-)، قوانین اولویت (اولویت جاده اصلی، اولویت AGV بارگذاری شده) و منطقه‌بندی پویا ضروری است. برای مثال، مناطق{3}}تعارض با فرکانس بالا را به‌عنوان جاده‌های یک طرفه موقت پویا- تنظیم کنید.

قابلیت اطمینان ارتباطات:این راه نجات برنامه ریزی متمرکز است. استقرار یک شبکه خصوصی-با قابلیت اطمینان صنعتی-درجه Wi-فای 6/5G و در نظر گرفتن استراتژی های تخریب در صورت قطع ارتباط ضروری است (به عنوان مثال، AGV ها به طور خودکار به حالت محافظه کارانه اجتناب از موانع محلی تغییر مکان داده و با سرعت آهسته حرکت می کنند).

مبادله-بین کارایی و ایمنی:فاصله های ایمنی بیش از حد یا برنامه ریزی مجدد مکرر جهانی، کارایی را قربانی می کند. بهینه سازی پارامترهای الگوریتم (به عنوان مثال، برنامه ریزی مجدد آستانه ماشه، فاصله ایمنی) بر اساس داده های سناریوی خاص از طریق شبیه سازی ضروری است.

ادغام با سیستم‌های{0}سطح بالا:سیستم زمانبندی AGV باید عمیقاً با WMS (سیستم مدیریت انبار)/MES (سیستم اجرای تولید) ادغام شود. توالی توزیع کار بهینه می تواند تضاد مسیر را از منبع کاهش دهد.

اگر پیاده سازی خاصی را مد نظر دارید، می توانید مسیر زیر را دنبال کنید:

تشخیص عمیق سناریو: تجزیه و تحلیل کمی از سناریوی خود انجام دهید. به عنوان مثال، تعداد AGV های همزمان در ساعات اوج مصرف، تقاطع های مسیر کار معمولی، و فراوانی موانع پویا. این به طور مستقیم تعیین می کند که آیا شما به یک استراتژی نیاز دارید که تحت سلطه حالت متمرکز یا توزیع شده باشد.

انبارهای کوچک و متوسط-< 50 AGVs): یک راه حل بالغ که ترکیبی از الگوریتم A* بهبودیافته، پنجره زمانی و اجتناب از موانع اولیه حسگر است معمولاً کافی و مقرون به صرفه است.

Large logistics centers or flexible production lines (>50 AGV با دینامیک بالا):ارزیابی الگوریتم‌های پیشرفته‌تر MAPF و یکپارچه‌سازی ادراک بصری برای مقابله با محیط‌های پویا پیچیده‌تر ضروری است.

شبیه سازی و تایید:قبل از استقرار، یک مدل شبیه سازی با استفاده از ابزارهایی مانند ROS (سیستم عامل ربات)، AnyLogic یا FlexSim بسازید. طرح‌بندی واقعی و جریان کار خود را وارد کنید تا عملکرد الگوریتم‌های زمان‌بندی مختلف را در شاخص‌های کلیدی مانند-میزان موفقیت در برابر برخورد، توان عملیاتی سیستم و متوسط ​​تاخیر کار آزمایش کنید.

استقرار و تکرار مرحله ای:توصیه می‌شود ابتدا عملیات آزمایشی را در یک منطقه کوچک یا در ساعات غیر اوج تولید انجام دهید، داده‌های واقعی را جمع‌آوری کنید و پارامترهای الگوریتم و قوانین ترافیک را به‌طور مداوم بهینه کنید.

امیدواریم این دیدگاه یکپارچه به شما کمک کند تا درک جامع تری از نحوه ساخت یک سیستم ضد برخورد{0}} AGV قوی داشته باشید. اگر بتوانید اطلاعات بیشتری در مورد سناریوهای کاربردی خاص خود (مانند خطوط مونتاژ خودرو، انبارهای تجارت الکترونیکی)، ویژگی های طرح سایت (به عنوان مثال، عرض راهرو، تعداد تقاطع ها) و اهداف تجاری (به حداکثر رساندن توان در مقابل به حداقل رساندن تاخیر کار) به اشتراک بگذارید، ما می توانیم تجزیه و تحلیل هدفمندتری را در اختیار شما قرار دهیم.