买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明公开了一种基于仿真粒子群算法的AGV配置优化方法，包括以下步骤：构建实际生产环境的仿真模型；建立AGV配置优化的数学模型并设置约束参数条件；利用仿真模型改进粒子群算法，得到改进后的粒子群算法；采用所述约束参数条件计算粒子的适应度值；使用改进后的粒子群算法求解AGV配置优化的数学模型，得到优化后的AGV配置。本方法与传统AGV配置方法相比，提出了利用嵌入仿真模型的改进粒子群算法对AGV配置模型进行优化，为生产系统的改进提供了科学的分析方法和决策依据，减少生产系统中的堵塞，使系统运作更加高效，降低了生产成本。

主权项：1.一种基于仿真粒子群算法的AGV配置优化方法，其特征在于，包括以下步骤：S1、构建实际生产环境的仿真模型；S1-1、根据实际生产环境构建仿真模型，所述仿真模型包括AGV控制器、原料仓、成品仓、AGV池、AGV轨道、多个加工工序模块；所述加工工序模块对应生产系统中的不同工序，所述相邻工序的加工工序模块之间能够通过单向的AGV轨道相连；所述加工工序模块中包含多个制造单元，所述制造单元用于执行工序中的制造任务，其中每一个制造单元都具有前后两个缓冲区；S1-2、所述AGV控制器通过job_asign方法根据负载均衡原则对仿真模型进行实时监控，挑选出最先服务的缓冲区，建立任务，并通过该缓冲区关联的前后工序生成任务的取货点和卸货点；S1-3、根据预设的限定条件计算所述任务中AGV所需装载工件的数量，然后将任务赋予距离所述最先服务的缓冲区最近的空闲AGV，空闲AGV根据任务信息前往对应取货点取货，再将货物运输至对应卸货点卸货；S1-4、在AGV完成任务后，如果AGV控制器继续赋予该AGV任务则继续执行任务，否则该AGV回到AGV池等待任务；S2、建立AGV配置优化的数学模型并设置约束参数条件；S3、利用仿真模型改进粒子群算法，得到改进后的粒子群算法；利用所述约束参数条件计算粒子的适应度值；S3-1、初始化粒子群，利用单调特性，通过仿真模型得到任务只考虑一种AGV时每种AGV需要的数量，将该数量作为该类AGV的解空间的上界，解空间的下界设定为0，代表不使用该类AGV；在解空间内随机生成在一定范围内的位置和速度赋予每个粒子，得到初始种群，其中粒子群第i个粒子的位置记为：Xi＝Xi1,Xi2,…,XiD,i＝1,2,…,N第i个粒子的速度记为：Vi＝Vi1,Vi2,…,ViD,i＝1,2,…,N；S3-2、计算每个粒子对应的系统性能指标和适应度值，将每个粒子的位置导入至仿真模型中，得到每个粒子对应的系统性能指标值ΓX：ξ和θX：ξ，判断性能指标是否满足约束条件，满足条件则使用正常目标函数计算粒子的适应度值，否则使用引入了罚因子的目标函数计算粒子的适应度值；S3-3、计算单个粒子的最佳适应度值，将每个粒子的当前位置适应度值和其历史最佳适应度值比较，如果当前位置适应度值更优，则更新历史最佳适应度值，否则不改变历史最佳适应度值，其中第i个粒子经历过的当前最好位置记为：Pbesti＝Pi1，Pi2，...，PiD，i＝1,2，...，N；S3-4、计算整个粒子群的最佳适应度值，将所有粒子的当前位置适应度值与全局最佳适应度值比较，如果粒子群中有粒子的当前位置适应度值优于全局最佳适应度值，则更新全局最佳适应度值，否则保持全局最佳适应度值，其中，整个粒子群中第i个粒子当前最好位置记为：Gbesti＝Gi1，Gi2，...，GiD，i＝1,2，...，N；S3-5、更新粒子的位置和速度得到新种群，更新粒子的速度、粒子的位置、进行边界预处理，得到新种群；所述边界预处理将超过解空间的解直接定为解空间的边界值；S3-6、设定最大迭代次数，判断下次迭代是否继续进行，如果迭代次数达到最大迭代次数，则优化结束，否则返回到步骤S3-2进行下一次迭代；S4、使用改进后的粒子群算法求解AGV配置优化的数学模型，得到优化后的AGV配置。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于仿真粒子群算法的AGV配置优化方法