智能仓储中电力工程物资检测的多AGV协同柔性调度

《Results in Engineering》：Multi-AGV Collaborative Flexible Scheduling for Power Grid Engineering Material Inspection in Smart Warehousing

　　

摘要：多AGV系统在电力工程智能仓储中的应用日益广泛，用于实现物料搬运自动化并支撑检测–存储–配送一体化作业。在动态条件下，高效调度对于协调检测作业、工位选择以及物料运输至关重要。本研究提出了一种面向电力工程物资检测的多AGV协同柔性调度框架。该框架采用两层架构：第一层集成混合自适应地图构建方法与多步协同规划策略，以生成高效且高质量的调度方案；第二层引入基于碰撞类型判断的避碰机制与柔性分配机制，以增强实时协调能力与鲁棒性。实验结果表明，该框架在仿真中显著提升了调度性能与AGV协同效率，显示出其在支撑以检测为导向的智能仓储作业方面的应用潜力。

**多AGV协同柔性调度框架在电力工程物资智能仓储检测中的应用——论文解读**

**1. 研究背景与问题提出**

随着现代电力系统快速发展与供电规模持续扩大，电力工程物资呈现出需求持续增长与品类高度多样化的特征，涵盖电流互感器、电压互感器、避雷器及各类输变电与保护设备。此类物资的检测环节普遍存在检测工作量大、检测任务多样的特点，仅通过严格检测程序的物资方可投入电网建设与安装。以电压互感器为例，其需进行局部放电测量、准确度试验及常温密封试验等多项检测。由于此类物资的缺陷或管理不当可能直接威胁电网系统安全，因而通常要求严格的过程检测机制与全流程可追溯性。

然而，传统电力系统物流企业的决策仍主要依赖定量指标与主观经验，难以高效应对物资管理中高度复杂、多维度且动态变化的需求。在智能仓储背景下，集到货检测、合格入库与按需配送于一体的集成化工作流，对构建安全高效的电力工程供应链具有关键作用。该工作流的核心环节即是对关键物资的严格检测，通过仅允许合格物资入库与配送，支撑物资质量控制与电网安全。

在此背景下，自动化引导车（AGV）作为关键智能物流设备与生产系统组件，为经典调度问题引入了额外能力，使多AGV协同柔性调度成为重要使能技术。该技术支撑物资检测的动态分配，优化包括拣选区、卸货区及检测机器在内的工位间物料运输，并确保响应波动施工需求的及时交付。然而，传统固定运动规划在动态仓储环境中可能使多AGV系统面临碰撞风险与路径效率低下的问题。检测工作量的波动、机器资格约束以及物资堆放造成的临时堵塞等动态因素，进一步增加了调度与执行的难度。因此，经典柔性作业车间调度问题（FJSP）自然扩展为带AGV的柔性作业车间调度问题（FJSP-AGV），需在统一架构内协同考虑机器分配、工序排序与基于AGV的物料搬运。

**2. 研究内容与核心贡献**

针对上述挑战，研究人员提出了一种面向电力工程物资检测的多AGV协同柔性调度框架。该框架采用两层架构：第一层为检测调度与运输分配层，负责使用激光雷达（LiDAR）与同步定位与地图构建（SLAM）进行环境地图构建，并在运行约束下生成多AGV系统的调度方案；第二层为多AGV碰撞处理与协调层，负责运行时的碰撞检测、实时任务重新分配与避碰行为控制，以维持安全性与调度可行性。研究发表于《Results in Engineering》。

通过将该问题形式化为带运输与资源约束的最小化最大完工时间（makespan）的调度优化模型，研究人员提出了一种多步协同规划方法：采用遗传算法（GA）生成初始工序–机器方案，随后通过盖尔–沙普利–贪婪（Gale-Shapley-Greedy）匹配程序进行AGV分配。同时，论文提出了基于碰撞类型判断的避碰策略与柔性分配–动态支持策略（FADS），以处理运行中的冲突与动态扰动。仿真实验表明，该框架有效提升了调度性能与AGV协调效率，为以检测为导向的智能仓储作业提供了有力支撑。

**3. 关键技术方法**

本研究采用的主要技术方法包括：（1）混合自适应地图构建方法，集成LiDAR传感与SLAM技术生成环境地图，并通过人工验证确保准确性；（2）多步协同规划方法，使用遗传算法生成初始工序–机器方案后进行盖尔–沙普利–贪婪匹配的AGV分配，其中遗传算法采用三段式染色体编码结构；（3）基于碰撞类型判断的避碰策略，区分迎面碰撞与非迎面碰撞并采取相应的避让措施；（4）柔性分配–动态支持策略，根据AGV负载条件与相对运输距离动态更新支持列表。案例研究基于110 kV电网升级改造项目的仿真场景，设置包含充电区、拣选区、卸货区及六台机器的双排检测线布局，配备3台AGV进行仿真验证。

**4. 研究结果分析**

**4.1 案例描述与调度结果：** 研究基于110 kV电网升级改造项目构建代表性案例，在ROS 2仿真环境中重建场景。应用混合自适应地图构建方法获得环境地图后，采用多步协同规划方法以最小化最大完工时间为目标生成调度方案。调度结果表明，不同物资的检测操作跨工位交错执行以减少机器空闲时间。AGV分配避免了不必要的等待与运输路线重叠，物资运输与检测执行紧密同步，使物资从拣选经各检测机器至卸货区的全流程平稳推进，有效平衡了处理效率与运输协调性。

**4.2 碰撞规避与FADS效果验证：** 为测试所提出的避碰策略，研究人员设计了双AGV仿真场景。场景一模拟迎面碰撞，其中载货AGV2保持原规划路径，空载AGV1执行绕行，遵循“载货AGV优先于空载AGV”的优先级规则；场景二模拟非迎面碰撞，AGV1保持初始路径，AGV2暂停等待，遵循“较小ID的AGV优先于较大ID的AGV”的次要优先级规则。三维路径图显示两种场景中两辆AGV的路径均无交叉，验证了避碰策略的有效性。在受控扰动条件下，启用FADS使平均完工时间从114.73降至113.71，平均改进0.89%，胜率为92.92%，且碰撞次数保持为0，威尔科克森符号秩检验确认改进具有统计显著性（p<0.001）。

**4.3 参数扩展实验与基准对比：** 通过在48,000次配对仿真运行中变化AGV数量、速度、障碍物数量及分布范围，研究表明FADS平均将完工时间从110.73降至107.68，平均改进2.66%，胜率达93.57%，且在所有测试参数设置下均保持无碰撞结果。在Brandimarte基准实例对比中，仅激活工序-机器调度组件时，该方法的平均完工时间虽未达到最优，但保持在可比范围内。在扩展D&N基准数据集对比中，该方法在柔性工序顺序下运行，其中5个实例的表现超过固定工序顺序下的MILP结果，更接近已知下界，表明工序顺序柔性的引入对获得更优完工时间具有积极贡献。

**4.4 对其他智能仓储场景的适应性：** 研究指出，类似调度问题也可能出现在电子商务履约、医疗物资物流、生鲜配送等场景中。以电子商务履约为例，客户订单、订单批次、周转箱或货架可抽象为调度作业的组成部分，拣选、分拣、包装、补货及订单合并等活动可视为由不同功能工位支持的操作。在该抽象下，第一层可协调操作-资源匹配与运输任务分配，第二层可支持共享空间的冲突处理、临时路径调整与柔性任务重分配。

**5. 讨论与结论总结**

讨论部分重点评估了FADS策略的效果与通用性。参数化研究表明，FADS在不同AGV数量、速度、障碍物强度及空间配置下均产生适度但统计一致的最大完工时间改进，且不增加碰撞次数。扩展至48,000次仿真运行的总体比较确认了改进的一致性与统计显著性。基准实例对比实验分别从组件层级验证了工序-机器调度性能，以及柔性工序顺序下算法的正确性与潜在优势。

本研究提出了面向智能仓储场景下电力工程物资检测的FJSP-AGV两层架构，开发了四个关键组件：用于增强AGV跨场景适应性的混合自适应地图构建方法、用于改进调度与任务生成的多步协同规划方法、用于解决路径冲突的基于碰撞类型判断的避碰策略，以及用于改善动态AGV分配与负载均衡条件下调度效率的柔性分配-动态支持策略。该两层架构通过将环境感知、调度优化、碰撞规避与扰动处理系统性整合，为检测驱动的FJSP-AGV问题提供了统一解决框架，突破了以往零散的技术研究模式，有效提升了检测效率，促进了可行的多AGV协同模式，并为未来扩展至更广泛的存储-检测-配送链条奠定了基础。未来研究可沿多目标优化、随机故障与电池管理建模、物理实验验证及跨场景适配等方向进一步拓展。