МЕТОД ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО ШЛЯХУ МОБІЛЬНОЇ РОБОТИЗОВАНОЇ ПЛАТФОРМИ В УМОВАХ ОБМЕЖЕНИХ РЕСУРСІВ
DOI:
https://doi.org/10.31649/1997-9266-2025-178-1-7-17Ключові слова:
мобільні роботизовані платформи, найкоротший маршрут, обмежені ресурси, динамічні перешкоди, федеративне навчанняАнотація
З переходом до Індустрії 5.0 мобільні роботизовані платформи (МРП) стали важливим елементом автоматизації промислових підприємств, замінивши застарілі конвеєри. Вони оптимізують транспортування матеріалів на промислових підприємствах, інтегруються з системами управління та адаптуються до змінних умов. Основну увагу автори приділили навігації МРП в динамічних середовищах, уникаючи перешкод при взаємодії з людьми в умовах обмежених ресурсів. У роботі проаналізовано обмеження наявних підходів до планування маршрутів для МРП, зокрема алгоритми A*, D*, DLite, M в умовах динамічних середовищ. Особливу увагу приділено оптимізації алгоритмів із застосуванням федеративного навчання, впроваджуючи штучний інтелект для підвищення продуктивності.
Авторами запропоновано метод визначення найкоротшого маршруту для МРП, в основу якого закладені класичні алгоритми знаходження оптимального маршруту в умовах статичних і динамічних перешкод з урахуванням обмежених ресурсів, зокрема залишкового заряду акумуляторної батареї та часу виконання поставленого завдання. Стаціонарні перешкоди — це стіни та нерухомі робочі місця персоналу, а динамічні — класифіковані як живі (промисловий персонал) і неживі (інші МРП чи непередбачувані об’єкти, такі як коробки). Застосовано федеративне навчання для прогнозування спаду напруги акумуляторних батарей МРП з урахуванням індивідуальних характеристик платформ. Розроблений метод передбачає поділ карти маршруту на рівномірну сітку, побудову матриць перешкод, прогнозування напруги батареї та визначення оптимального маршруту за допомогою алгоритмів A*, D*, DLite, M. Ефективність методу оцінено за такими параметрами: довжина маршруту, кількість пройдених комірок, час виконання, залишковий заряд батареї. Подано результати роботи методу на прикладі маршруту МРП Formica 1, AIUT, Глівіце, польща.
Алгоритм D*, закладений в основу розробленого методу, є найефективнішим за часом виконання, кількістю пройдених комірок і збереженням заряду батареї, завдяки чому він є оптимальним для динамічних умов. Алгоритми DLite і M також показують хорошу продуктивність в статичних умовах, з меншими витратами ресурсів. Алгоритми A* хоча і знаходить оптимальний шлях, є найповільнішим і менш ефективним за обмежених ресурсів. Таким чином, для динамічних середовищ найкращим вибором є алгоритм D*, а хорошими варіантами для стабільних умов є алгоритми DLite і M.
Посилання
Cai Zhengying, Du Jingshu, Huang Tianhao, Lu Zhuimeng, Liu Zeya, and Gong Guoqiang, “Energy-Efficient Collision-Free Machine/AGV Scheduling Using Vehicle Edge Intelligence,” Sensors, vol. 24, no. 24, pp. 8044, 2024. [Online]. Available: https://doi.org/10.3390/s24248044 .
Т. О. Говорущенко, М. В. Красовський, А. В. Горошко, i А. А. Явнюк, «Модель та алгоритм руху крокуючої платформи у багатофункціональній кооперативній робототехнічній систем,» Вісник Хмельницького національного університету, № 3 (285), pp. 21-25, 2020. [Online]. Available: https://doi.org/10.31891/2307-5732-2020-285-3-4 .
S. Rakhmetullina, G. Zhomartkyzy, I. Krak, and A. Kamelova, “Development of an Algorithm for Solving an Asymmetric Routing Problem Based on the Ant Colony Method,” Cybernetics and Systems Analysis, 2023. [Online]. Available: https://doi.org/10.1007/s10559-023-00588-w .
Y. Chen, Y. Zhu, and K. Y. Lee, “AGV path planning based on dynamic priority method and environmental weight A-star,” Journal of Control and Decision, pp. 1-14, 2024. [Online]. Available: https://doi.org/10.1080/23307706.2024.2428315 .
X. Chen, C. Wang, S. Zhou, and X. Song, “Dynamic rolling scheduling model for multi-AGVs in automated container terminals based on spatio-temporal position information,” Ocean & Coastal Management, vol. 258, pp. 107349, 2024. [Online]. Available: https://doi.org/10.1016/j.ocecoaman.2024.107349 .
X. Ma, “Robot path planning and obstacle avoidance based on a combination of hybrid A-star algorithm and time-elastic-band algorithm,” in 2023 International Conference on Mechatronic Automation and Electrical Engineering (ICMAEE2023), Shanghai, China, 2024. [Online]. Available: https://doi.org/10.1063/5.0215541 .
M. Wu, J. Gao, L. Li, and Y. Wang, “Control optimization of automated guided vehicles in container terminal based on Petri network and dynamic path planning,” Computers and Electrical Engineering, vol. 104, pp. 108471, 2022. [Online]. Available: https://doi.org/10.1016/j.compeleceng.2022.108471 .
K. Li, X. Gong, M. Tahir, Tao, and R. Kumar, “Towards Path Planning Algorithm Combining with A-Star Algorithm and Dynamic Window Approach Algorithm,” International Journal of Advanced Computer Science and Applications, vol. 14, no. 6, 2023. [Online]. Available: https://doi.org/10.14569/ijacsa.2023.0140655 .
Z. Lin, L. Feng, X. Chen, and W. Wu, “An Improved A-Star Algorithm Based on Dynamic Congestion Control,” in 4th International Conference on Advances in Computer Technology, Information Science and Communications (CTISC), Suzhou, China, Apr. 22-24, 2022. [Online]. Available: https://doi.org/10.1109/ctisc54888.2022.9849801 .
B. Shubyn, T. Maksymyuk, J. Gazda, B. Rusyn, and D. Mrozek, “Federated Learning: A Solution for Improving Anomaly Detection Accuracy of Autonomous Guided Vehicles in Smart Manufacturing,” Lecture Notes in Electrical Engineering, Cham, 2024, pp. 746-761. [Online]. Available: https://doi.org/10.1007/978-3-031-61221-3_36 .
X. Li, X. Hu, Z. Wang, and Z. Du, “Path Planning Based on Combination of Improved A-STAR Algorithm and DWA Algorithm,” in 2020 2nd International Conference on Artificial Intelligence and Advanced Manufacture (AIAM), Manchester, UK, Oct. 15-17, 2020. [Online]. Available: https://doi.org/10.1109/aiam50918.2020.00025 .
C. Chunbao Wang, L. Wang, J. Qin, Z. Wu, L. Duan, and Z. Li, “Path planning of automated guided vehicles based on improved A-Star algorithm,” in 2015 IEEE International Conference on Information and Automation (ICIA), Lijiang, China, Aug. 8-10, 2015. [Online]. Available: https://doi.org/10.1109/icinfa.2015.7279630 .
E. Zhang, “Path planning algorithm based on Improved Artificial Potential Field method,” Applied and Computational Engineering, vol. 10, no. 1, pp. 167-174, 2023. [Online]. Available: https://doi.org/10.54254/2755-2721/10/20230170 .
L. Zhang, Y. Yan, and Y. Hu, “Deep reinforcement learning for dynamic scheduling of energy-efficient automated guided vehicles,” Journal of Intelligent Manufacturing, 2023. [Online]. Available: https://doi.org/10.1007/s10845-023-02208-y .
M. Aizat, A. Azmin, and W. Rahiman, “A Survey on Navigation Approaches for Automated Guided Vehicle Robots in Dynamic Surrounding,” IEEE Access, p. 1, 2023. [Online]. Available: https://doi.org/10.1109/access.2023.3263734 .
O. Pavliuk, M. Medykovskyy, and T. Steclik, “Predicting AGV Battery Cell Voltage Using a Neural Network Approach with Preliminary Data Analysis and Processing,” in 2023 IEEE International Conference on Big Data (BigData), Sorrento, Italy, Dec. 15-18, 2023. [Online]. Available: https://doi.org/10.1109/bigdata59044.2023.10386137 .
O. Pavliuk, R. Cupek, T. Steclik, M. Medykovskyy, and M. Drewniak, “A Novel Methodology Based on a Deep Neural Network and Data Mining for Predicting the Segmental Voltage Drop in Automated Guided Vehicle Battery Cells,” Electronics, vol. 12, no. 22, p. 4636, 2023. [Online]. Available: https://doi.org/10.3390/electronics12224636 .
O. Pavliuk, T. Steclik, and P. Biernacki, “The forecast of the AGV battery discharging via the machine learning methods,” in 2022 IEEE International Conference on Big Data (Big Data), Osaka, Japan, Dec. 17-20, 2022. [Online]. Available: https://doi.org/10.1109/bigdata55660.2022.10020968 .
##submission.downloads##
-
pdf
Завантажень: 49
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
