科研之友
微信
新浪微博
Facebook
分享链接
摘要
在作业环境复杂、状态多变的自动化集装箱码头中，靠港船舶、装卸设备以及自动搬运设备状态等系统状态对多AGV调度性能有着不同程度的影响。为了提高码头作业效率，实现动态环境下多AGV的实时调度，提出基于反向传播神经网络（BPNN）在线识别系统状态的动态调度策略。在考虑双小车岸桥和龙门式轨道吊中转台容量约束的基础上，将多AGV系统调度策略分为任务请求策略和任务接受策略，以最小作业时间和作业成本为目标建立多目标调度模型。然后在Visual Studio上搭建系统仿真模型，获取调度规则及其性能样本并用于BPNN的离线训练，训练之后的BPNN模型能够在在线阶段根据任意系统状态和调度目标权重，在备选调度规则集中选择最优调度规则。最后，通过算例验证了调度方法的可靠性，BPNN模型输出调度规则的最优占比达到90%以上，能够适应自动化码头作业环境的动态变化。
- 单位
