本发明涉及智慧仓储，更具体的，涉及一种面向智慧仓储管理的agv叉车协同调度方法及系统。
背景技术：
1、仓储管理作为货物运输中至关重要的环节，系统的工作程序非常繁杂，其中包括货物的搬运、分拣、存储、出库等工作。随着物流和供应链管理的不断发展和升级，仓储管理也成为了现代物流管理的重要组成部分。在有些中小型国家粮食储备和物资储备企业中，仓储管理水平普遍较低。叉车设备作为仓库物流行业中必不可少的物料搬运工具，其使用和管理一直是仓储管理的重要问题。
2、在仓储行业中，自动导引车（agv）是一种在仓库和生产线等场合中广泛使用的自动化设备，可以帮助企业提高物流运输效率，减少人为操作失误，同时降低人力成本和货物损坏率。多agv 组成的物料运输系统在物料运输的过程中，要实现无障碍、高效协调、灵活的运行，必须对整个运行环境建立正确适用的模型，并采用合适的调度管理策略将上位机、生产系统、库存管理及物料的管理运输等不同的系统进行协调组合，使得总体生产效率最大化，效益最大化。因此，如何提供智能化的协调策略，以提高多叉车式agv 系统的运行效率是亟需解决的问题。
技术实现思路
1、为了解决上述技术问题，本发明提出了一种面向智慧仓储管理的agv叉车协同调度方法及系统，目的是解决现有技术中agv叉车协同调度的主节点选举方法中对主节点决策过度依赖的问题，以提高稳定性及可靠性，并通过智能化协调策略选择提高运行效率。
2、本发明第一方面提供了一种面向智慧仓储管理的agv叉车协同调度方法，包括：
3、获取目标仓储区域的二维地图数据，将所述二维地图数据进行地图建模，根据目标仓储区域运输任务在拓扑地图模型中添加虚拟节点，构建动态任务链；
4、利用agv叉车的运动特征对a*算法进行改进，基于所述动态任务链通过改进后的a*算法进行agv叉车全局路径规划，获取全局最优路径；
5、在所述全局最优路径基础上采用融合a*算法和动态窗口法进行局部路径优化，预测agv叉车群体会出现的冲突路段及冲突类型；
6、基于布谷鸟搜索算法构建协同调度模型，初始化冲突协调策略，根据所述冲突路段选择最佳冲突协调策略，实现多agv叉车的协同调度。
7、本方案中，将所述二维地图数据进行地图建模，根据目标仓储区域运输任务在拓扑地图模型中添加虚拟节点，构建动态任务链，具体为：
8、根据目标仓储区域的二维地图数据获取目标仓储区域的可行路径信息、固定障碍物信息及特定区域信息，对所述可行路径信息、固定障碍物信息及特定区域信息进行拓扑地图建模，生成目标仓储区域的拓扑地图；
9、根据agv叉车的运动特征获取运动学约束，根据所述运动学约束对拓扑地图中的路径进行平滑处理，生成满足agv叉车运动学约束的拓扑地图；
10、利用仓储管理系统获取预设时间内目标仓储区域中的运输任务，获取运输任务池中各运输任务对应的仓储位置，通过所述仓储位置在平滑后的拓扑地图中设置虚拟节点；
11、建立动态任务链模型，为各agv叉车分配多个有序任务，以任务链形式进行agv叉车的任务分配。
12、本方案中，基于所述动态任务链通过改进后的a*算法进行agv叉车全局路径规划，获取全局最优路径，具体为：
13、在原始a*算法的基础上改进搜索方向，根据agv叉车的前进方向与起点终点连线夹角，对搜索方向按照预设数量5进行选取，并引入转弯代价对评价函数进行改进；
14、获取agv叉车在拓扑地图中的当前位置作为起点，结合agv叉车的运动方向及位姿信息生成起始点信息，并根据动态任务链设置终点，沿5个方向搜索节点，在开放列表中计算评价函数值最小的节点，作为当前节点；
15、将当前节点移到关闭列表，如果当前节点是目标节点，则路径已找到，进行路径追踪，否则，探索当前节点的邻近节点，根据邻近节点的探索结果设置更新父节点；
16、当目标节点加入关闭列表，从目标节点遍历父节点，构建全局最优路径。
17、本方案中，在所述全局最优路径基础上采用融合a*算法和动态窗口法进行局部路径优化，具体为：
18、获取改进后a*算法生成全局最优路径所涉及的路径节点，根据路径节点的坐标信息构建agv叉车的运动模型，并将所述路径节点作为局部目标点；
19、将agv叉车的位姿根据所述全局最优路径对应的方向进行初始校准，获取agv叉车线速度及角速度的取值范围，对所述线速度及角速度进行采样，组合构建采样空间；
20、设置动态窗口进行局部搜索，通过所述运动模型获取角速度及线速度组合的拟合轨迹，利用评价函数选择局部最优路径，根据对应的角速度及线速度组合对运动模型的状态进行更新；
21、在agv叉车达到所述局部目标点时判断是否为终点，若是则结束规划，否则，重新设置局部目标点。
22、本方案中，在局部路径优化中引入优化路径重评价，具体为：
23、利用卡尔曼滤波器跟踪agv叉车的速度预测采样空间中各速度组合的对应的预估值，所述速度组合的预估值，表示为：
24、；
25、；
26、其中，分别表示agv叉车的角速度、线速度以及agv叉车角速度、线速度对应的加速度，表示状态转移矩阵，表示误差信息，表示预测的测量值，表示测量矩阵，表示噪声矩阵；
27、根据不同速度组合的预估值预测agv叉车在预设时间间隔后的位置信息，判断不同速度组合对应位置信息与局部目标点的位置偏差，以最小化位置偏差选取速度组合拟合的动态窗口模拟路径。
28、本方案中，预测agv叉车群体会出现的冲突路段及冲突类型，具体为：
29、获取目标仓储区域内各agv叉车的基础数据，判断agv叉车的负载变化更新尺寸信息，根据更新后的尺寸信息对自身的拓扑地图信息进行更新，剔除尺寸更新后不可通行的路径节点；
30、根据更新后的拓扑地图信息获取最优规划路径，利用agv叉车之间的交互通讯获取其他agv叉车的状态，包括位置信息、路径信息及时间窗，利用时间窗预测agv叉车群体会出现的冲突路段及冲突类型。
31、本方案中，基于布谷鸟搜索算法构建协同调度模型，初始化冲突协调策略，根据所述冲突路段选择最佳冲突协调策略，具体为：
32、基于布谷鸟搜索算法构建协同调度模型，根据降速等待、平移时间窗以及路径重规划初始化冲突协调策略，通过不同agv叉车之间的距离结合预设安全距离获取碰撞概率；
33、将agv叉车的状态数据、冲突路段、冲突类型及对应碰撞概率作为协同调度模型输入，设置基本参数，利用编码映射规则转化为包含冲突协调策略的可行序列，初始化布谷鸟种群，将初始种群随机划分为两个子种群；
34、引入自适应步长因子对原始levy飞行进行改进，在两个子种群中分别利用原始levy飞行及改进后的levy飞行进行更新，获取更新后子群鸟巢位置，解码得到调度花费时间，更新当前最优鸟巢；
35、对鸟巢进行评价并舍弃不符合预设要求的鸟巢，生成相同数量的新鸟巢，更新子群最优鸟巢信息并更新全局最优鸟巢，在迭代过程中引入差分算子进行子种群的信息交流，解码得到调度花费时间，更新当前最优鸟巢；
36、达到最大迭代数后输出全局最优解，获取agv叉车的在对应冲突路段的最佳冲突协调策略。
37、本发明第二方面提供了一种面向智慧仓储管理的agv叉车协同调度系统，包括：地图建模模块、任务分配模块、全局路径规划模块、局部路径规划模块及协同调度模块；
38、所述地图建模模块获取目标仓储区域的二维地图数据，根据二维地图数据进行地图建模，生成满足agv叉车运动学约束的拓扑地图；
39、所述任务分配模块根据目标仓储区域运输任务在拓扑地图模型中添加虚拟节点，构建动态任务链模型以任务链形式进行agv叉车的任务分配；
40、所述全局路径规划模块利用agv叉车的运动特征对a*算法进行改进，基于动态任务链通过改进后的a*算法进行agv叉车全局路径规划，获取全局最优路径；
41、所述局部路径规划模块在全局最优路径基础上采用融合a*算法和动态窗口法进行局部路径优化；
42、所述协同调度模块预测agv叉车群体会出现的冲突路段及冲突类型，基于布谷鸟搜索算法构建协同调度模型，选择最佳冲突协调策略，实现多agv叉车的协同调度。
43、与现有技术相比，本发明的有益效果为：
44、本发明通过在全局采用改进的a*算法，局部在保证全局最优的情况下采用融合a*和动态窗口法，实现agv叉车路径规划优化，规划出的路径契合agv叉车的实际运行特点，提高了路径规划的运行效率；
45、本发明基于布谷鸟搜索算法实现智能化协调策略选择，解决agv叉车群体中的路径冲突问题，实现agv叉车的高效协同调度，提高agv叉车群体高效协同作业的稳定性及安全性。
1.一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，将所述二维地图数据进行地图建模，根据目标仓储区域运输任务在拓扑地图模型中添加虚拟节点，构建动态任务链，具体为：
3.根据权利要求1所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，基于所述动态任务链通过改进后的a*算法进行agv叉车全局路径规划，获取全局最优路径，具体为：
4.根据权利要求1所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，在所述全局最优路径基础上采用融合a*算法和动态窗口法进行局部路径优化，具体为：
5.根据权利要求4所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，在局部路径优化中引入优化路径重评价，具体为：
6.根据权利要求1所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，预测agv叉车群体会出现的冲突路段及冲突类型，具体为：
7.根据权利要求1所述的一种面向智慧仓储管理的agv叉车协同调度方法，其特征在于，基于布谷鸟搜索算法构建协同调度模型，初始化冲突协调策略，根据所述冲突路段选择最佳冲突协调策略，具体为：
8.一种面向智慧仓储管理的agv叉车协同调度系统，其特征在于，包括：地图建模模块、任务分配模块、全局路径规划模块、局部路径规划模块及协同调度模块；
