[0001] 本发明涉及智能RGV动态调度技术领域，具体为一种基于遗传算法的智能RGV动态调度方法及系统。

[0002] 在智能RGV的调度过程中，园区内的各个站点组成路径网络，通过遗传算法对其路径进行规划，能够生成运输时间、运动路程最短，或是载货量最大的路径方案，辅助智能RGV进行工业生产。

[0003] 先有技术中的，公开号为CN113743788A公开了一种基于改进遗传算法的工业车辆调度方法，通过遗传算法对多个车辆进行全局路径规划，在多组约束下能够生成路径总距离、总时间、总车次最短的规划结果，以达到降低运输成本的目的。这种方法虽然能够从理论上生成最优路径，但在实际生产中，园区内的道路上常常会有许多临时摆放堆叠的货物形成路障，在这种情况下智能RGV需要进行相应的避障操作，而由于避障后其运动路径会发生改变，可能会导致生成的规划结果适应度发生变化，使其不再是最优路径，同时，由于智能RGV的避障方式通常是在路障前进行直角转向移动，避过路障后再回正方向按照原本的路径进行移动，这种避障方式总体的移动路程也同样较远，不符合路径总距离最短的规划方向。

[0004] 在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

[0043] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。

[0044] 需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

[0045] 实施例：

[0046] 请参阅图1，本发明提供一种技术方案：

[0047] 一种基于遗传算法的智能RGV动态调度方法，具体步骤包括：

[0048] S1：采集提前预设的用户设置和任务指令，以及园区内的车辆信息和站点信息，用户设置包括任务时间窗口、任务优先度、任务类型，车辆信息包括车辆载重、车辆行驶距离，站点信息包括站点位置、待运货量，任务指令为最短运动路径或最大总运货量；

[0049] S2：将用户设置、车辆信息、站点信息作为约束条件，任务指令作为终止条件来构建遗传算法模型，将遗传算法模型中适应度最高的路径方案作为智能RGV的运动路径，可以理解的是，运动路径是与道路平行设置的，避免智能RGV与道路边缘发生碰撞，不同的任务指令对应的适应度函数也不同，通过设置可供选择的不同任务指令，能够适应不同的工作场景，提高系统的适用性；

[0050] S3：基于智能RGV的运动路径，采集路径上的路障信息和智能RGV的运动信息，路障信息包括路障位置、路障尺寸，运动信息包括运动速度、运动时间、偏转角度，其中偏转角度为智能RGV运动方向与替换前的运动路径之间的夹角，智能RGV在运动时车身中线与运动路径重合，且车身与运动路径平行，并根据路障信息和运动信息生成避障指令，根据避障指令来对智能RGV的运动路径进行优化，并对优化后的运动路径的适应度进行更新，通过将理论上计算的运动路径与实际的路况信息相结合，实现对运动路径的优化，减少智能RGV发生碰撞的风险；

[0051] S4：将优化后的运动路径的适应度与遗传算法模型中生成第二高的适应度进行比对，若是优化后的运动路径的适应度大于第二高的适应度，则将优化后的运动路径作为智能RGV最终的运动路径，若是优化后的运动路径的适应度小于第二高的适应度，则将优化后的运动路径剔除后执行步骤S5；

[0052] S5：重复步骤S2～S4，找出优化后仍然适应度最高的运动路径，将其作为智能RGV最终的运动路径。

[0053] 步骤S3中对运动路径进行优化的逻辑为：

[0054] S301：检测智能RGV与路障之间的水平距离L，以及智能RGV中心与路障边缘之间的水平距离d1，根据L和d1生成智能RGV的偏转角度θ；

[0055] S302：根据路障尺寸和偏转角度θ，生成智能RGV避障时在不同阶段下的避障路径，并将生成的避障路径代替初始的运动路径；

[0056] S303：重复步骤S301～S302，对运动路径中每个有路障的位置均进行替换，也就是将该处运动路径中的直线替换为避障路径的多段折线，从而绕开路障，实现对运动路径的优化。

[0057] 所述偏转角度θ的计算方式为：

[0058] 在路障靠近智能RGV的一侧所属的平面内取一点并标定为点P，且该点高度与智能RGV相同，该点与路障边缘之间的距离为σ，则当该点与智能RGV车身中线处于同一直线时，计算此时智能RGV的一次偏转角度θ1，一次偏转角度θ1计算方式为：

[0059]

[0060] 当智能RGV以一次偏转角度θ1进行偏转并运动时，意味着若是将智能RGV以一个点，也就是智能RGV进行路障检测的那个基准点来看待的话，将该点与点P连线，连线与初始运动路径之间的夹角就是θ1，构成路障的货堆也是平放在路边，货堆的摆放角度与道路，也就是初始的运动路径平行，因此智能RGV基准点、点P、初始运动路径与货堆之间的交点，这三个点即可构成一个直角三角形，通过其中两条直角边的长度便能够计算出一次偏转角度θ1的大小，当智能RGV偏转角度θ1时，其能够以最小的移动距离来避开路障，也就是运动到点P，且在避开路障时，与路障之间的间距为σ，σ的值越大，则智能RGV与路障之间的间距越大，运动路径越安全，但运动路线的长度也就越大，σ的值可以根据实际需要进行设置。

[0061] 但由于智能RGV自身具有长宽高，不能以一个点来看待，由于智能RGV进行路障检测的那个基准点在智能RGV的车身中线位置，若是以一次偏转角度θ1进行偏转并运动到点P，则智能RGV的车身会与路障发生撞击，为了智能RGV的车身不与路障发生撞击，因此需要更大的偏转角度，来确保智能RGV的车身能够擦着路障通过，也就是说在偏转θ1度后需要进行二次偏转，二次偏转角度θ2的计算公式为：

[0062]

[0063] 同理，在考虑到智能RGV自身的宽度时，运动到点P显然不行，而是需要运动到点P所在直角边的延长线上，距离路障更远的一个点，从而使得智能RGV从“检测基准点到达点P”变为“车身边缘到达点P”，由于在智能RGV基准点、点P、初始运动路径与货堆之间的交点构成的直角三角形，以及二次偏转后形成的更大的直角三角形内，各项距离参数均是已知，因此同样可以通过反三角函数来计算出二次偏转角度θ2的值，式中d2表示智能RGV的车身宽度，括号 表示向上取整，起到增加智能RGV与路障之间间距的作用，偏转角度θ＝θ1+θ2。

[0064] 所述智能RGV在避障时包括四个阶段，分别为避障阶段、直行阶段、回归阶段、回正阶段；

[0065] 在避障阶段，也就是智能RGV检测到运动路径上具有路障，需要改变运动路径时，智能RGV的偏转角度为θ，并匀速移动l1段距离，此时智能RGV的车身边缘位置到达点P，与路障边缘的间隔σ，也已经避开了路障，不难理解的是，比起传统方式中直角拐弯，再前进运动的方式，这种斜向避障具有两点之间线段最短的优势，也就是减少了在避障这一过程中整体的运动路程，为将l1标定为避障距离，l1的计算公式为：

[0066] l1＝Lsecθ

[0067] 经过避障阶段后，智能RGV已经避开了路障，此时将车身摆正进入直行阶段，智能RGV的偏转角度为0，并继续匀速移动l2段距离，将l2标定为直行距离，l2的计算公式为：l2＝d3，式中d3表示路障的长度；

[0068] 经过直行阶段，智能RGV已经超过路障，需要进入回归阶段以回到最初的运动路径上，智能RGV的偏转角度为‑θ，并继续匀速移动l3段距离，将l3标定为回归距离，l3的计算公式为：l3＝l1；

[0069] 完成回归阶段后，需要将智能RGV的方向回正，进入回正阶段，智能RGV的偏转角度为0，并沿着原先的运动路径继续匀速运动。

[0070] 可以理解的是，假设路障处于运动路径中的m点和n点之间，则初始的运动路径为一条直线，避障路径为一个梯形的凸起，这种梯形的避障路径比起传统方式下直角转弯构成的方形路径，能够减少智能RGV在避障中所移动的路程长度，提高智能RGV的调度速度，将所述避障路径与运动路径之间的长度差标定为ΔL，ΔL的计算方式为：ΔL＝2(l1‑L)，通过避障路径与运动路径之间的长度差，便能够通过遗传算法模型中的适应度函数来计算出初始的运动路径与优化后的运动路径之间适应度的变化，从而方便与其他方案的运动路径进行比较，从而筛选出适应度最高的运动路径，将其作为智能RGV最终的运动路径。

[0071] 请参阅图3，本发明还提供一种基于遗传算法的智能RGV动态调度系统，所述调度系统采用上述的调度方法，包括：

[0072] 数据采集模块，所述数据采集模块集成触摸屏、GPS定位单元、图像传感单元、运动传感单元，分别用于采集用户设置和任务指令、智能RGV的位置信息、路障图像、智能RGV的运动信息；

[0073] 图像处理模块，所述图像处理模块用于根据数据采集模块采集到的路障图像生成路障信息，并计算智能RGV与路障之间的水平距离；

[0074] 数据处理模块，所述数据处理模块用于构建遗传算法模型，并将适应度最高的路径方案作为智能RGV的运动路径，利用路障信息和运动信息生成避障指令，并根据避障指令来对智能RGV的运动路径进行优化和筛选，找出优化后仍然适应度最高的运动路径，将其作为智能RGV最终的运动路径；

[0075] 数据存储模块，所述数据存储模块用于对车辆信息、站点信息以及智能RGV最终的运动路径进行保存。

[0076] 上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

[0077] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够通过电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行，取决于技术方案的特定应用和设计约束条件。

[0078] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

[0079] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。