面向自动引导车辆的能量感知时空多智能体路径规划 Olena Pavliuk 和 Myroslav Mishchuk

《Applied Sciences》：Energy-Aware Spatio-Temporal Multi-Agent Route Planning for AGVs Olena Pavliuk and Myroslav Mishchuk

针对AGV在电池状态约束和时间依赖环境中的路径优化问题，提出结合电池残存电荷矩阵与A*、D* Lite算法的混合方法，并采用M*元素实现多AGV协调。仿真验证了该方法在不同电池状态下的有效性，平衡了路径可行性与能量约束。

　　

摘要

本文探讨了在电池剩余电量（SoC）受限且运行条件随时间变化的生产环境中，为自动引导车辆（AGVs）寻找最短路径的问题。路径地图被划分为一个均匀的网格，其中包含静止障碍物以及两种类型的动态障碍物：一种是禁止AGV通行的行人；另一种是无生命的移动物体，它们会对路径规划产生惩罚效应。所提出方法的一个关键贡献是引入了电池剩余电量矩阵，该矩阵通过确定最低可接受的SoC限制并考虑能量消耗的动态变化，将电池单元级别的能量可行性直接嵌入到基于网格的环境表示中。该矩阵在低能量条件下限制了可通行单元的范围，从而在初始规划和适应性重新规划过程中都能进行能量感知的路径可行性评估。所采用的方法基于A*和D* Lite算法，能够构建明确将电池SoC纳入时空成本函数的最短路径。为避免多智能体环境中的路径冲突，采用了一种包含M*元素的简化混合方案来进行局部协调和适应性轨迹重新规划。通过旅行时间、时间复杂度和空间复杂度等指标评估了所提方法的有效性。在10 ×10网格上的仿真结果显示，电池电量充足的智能体能够完成8个或11个单元的路径，旅行时间分别为7.2至10.7个传统单位。一个电池电量极低的智能体最初无法移动，但在调整了最低SoC限制后，所有智能体均完成了路径，旅行时间最长达到了11.4个传统单位，这证明了能量限制对系统性能的直接影响。进一步实验表明，不同数量的智能体和不同的SoC阈值下，路径可行性和能量限制能够得到可靠的平衡。