一种面向模块化建造的自适应智能施工机器人群组协同调度方法与流程

摘要: 本发明涉及智能建造与多机器人协同控制,具体为一种面向模块化建造的自适应智能施工机器人群组协同调度方法。背景技术:1、在面向模块化建造的复杂施工场景中,多智能体机...
一种面向模块化建造的自适应智能施工机器人群组协同调度方法与流程

本发明涉及智能建造与多机器人协同控制,具体为一种面向模块化建造的自适应智能施工机器人群组协同调度方法。

背景技术:

1、在面向模块化建造的复杂施工场景中,多智能体机器人群组协同作业需依赖高效的调度策略以保障工期与资源利用率,且作业环境常伴随高动态性与空间约束;

2、现有协同调度方案通常采用单一的控制架构,即完全依赖分布式算法或集中式算法;分布式算法虽具备并行计算优势,但在面临狭窄通道作业或高强度资源竞争时,极易因缺乏全局视角而陷入局部死锁;而集中式算法虽能通过全局规划避免冲突,却受限于计算瓶颈与通信延迟,难以应对大规模群组的实时响应需求;此外,施工现场由于非结构化特征显著,惯性测量单元与超宽带基站等感知设备易受环境噪声干扰,导致感知数据产生状态漂移,使得物理空间与数字空间的映射出现失真;这种感知误差与逻辑拥堵的双重风险耦合,导致系统在单一模式下难以兼顾鲁棒性与执行效率;因此,如何建立一套能够量化感知与逻辑双重风险、并据此在高效并行与稳健串行之间实现自适应切换的协同调度机制,从而提升系统在复杂环境下的生存能力与作业效率,成为亟需解决的技术问题。

技术实现思路

1、为解决上述技术问题,本发明提供一种面向模块化建造的自适应智能施工机器人群组协同调度方法,具体而言,本发明的技术方案包括:

2、s1、获取施工现场的点云数据与射频识别信息,基于预设的建筑信息模型bim构建有向无环图,将施工任务映射为有向无环图中的任务节点,并定义依赖关系边集合;基于预设的建筑信息模型的工艺约束解析与智能施工机器人的实时反馈信号,生成任务节点的完成状态参数;

3、s2、基于关键路径算法遍历有向无环图,计算任务节点的拓扑势能;采集预设的工艺参数表与系统资源监控模块的实时数据,计算任务节点的阻塞概率,并结合未完成节点的集合,生成调度熵;采集智能施工机器人的机载惯性测量单元数据与外部超宽带基站的全局坐标向量,生成平均状态漂移指数;

4、s3、获取预设的结构敏感因子,结合调度熵与平均状态漂移指数,生成综合风险势;

5、s4、将综合风险势与预设的风险阈值进行对比,生成协同调度模式评估结果,包括:

6、当综合风险势小于或等于风险阈值时,判定系统处于稳健状态,进入分布式互信模式,控制智能施工机器人基于多智能体强化学习算法并行计算路径,以输出执行指令;

7、当综合风险势大于风险阈值时,判定系统处于高危状态,进入逻辑降级模式,基于拓扑势能对任务节点进行串行调度,以输出执行指令。

8、可选的,s2中计算任务节点的拓扑势能的具体过程包括:

9、s211、实时遍历有向无环图,计算从任务节点到最终结束节点的最长路径长度,生成关键路径余量;

10、s212、获取有向无环图的理论最大路径长度,对关键路径余量进行归一化处理;

11、s213、识别任务节点的直接后继节点集合,计算任务节点与直接后继节点之间的拓扑距离,并计算拓扑距离的倒数和;

12、s214、获取预设的全局紧迫度权重与局部阻塞权重,将归一化后的关键路径余量与拓扑距离的倒数和进行加权求和,生成初始势能值;

13、s215、结合完成状态参数,对初始势能值进行修正:当完成状态参数为已完成时,将初始势能值归零;当完成状态参数为未完成时,保留初始势能值,从而生成任务节点的拓扑势能。

14、可选的,s2中生成调度熵的具体过程包括:

15、s221、从工艺参数表中提取任务节点执行所需的资源量,从系统资源监控模块获取当前时刻系统可用的空闲资源量;

16、s222、计算所需的资源量与空闲资源量的差值,并结合预设的敏感度系数,利用逻辑斯谛函数生成任务节点的阻塞概率;

17、s223、统计当前未完成节点的集合中的节点总数,生成归一化系数;

18、s224、针对未完成节点的集合中的每一个任务节点,利用香农信息熵原理,计算阻塞概率与非阻塞概率的对数加权和;

19、s225、对未完成节点的集合的计算结果求和并取负,结合归一化系数,生成表征任务群组逻辑拥堵混乱程度的调度熵。

20、可选的,s2中生成平均状态漂移指数的具体过程包括:

21、s231、设定积分时间窗口长度,在积分时间窗口内,实时采集智能施工机器人的机载惯性测量单元数据作为本地自测坐标向量,采集外部超宽带基站的全局坐标向量;

22、s232、计算本地自测坐标向量与全局坐标向量的差值向量;

23、s233、获取传感器出厂标定的测量噪声协方差矩阵,利用测量噪声协方差矩阵的逆矩阵对差值向量进行加权二次型计算,生成瞬时漂移量;

24、s234、对积分时间窗口内的瞬时漂移量进行积分,并除以积分时间窗口长度,生成平均状态漂移指数。

25、可选的,s3包括:

26、s31、利用结构敏感因子对调度熵进行加权处理,以调节系统对拓扑复杂度的敏感程度;

27、s32、将处理后的调度熵与平均状态漂移指数进行乘积运算,生成综合风险势,以量化逻辑拥堵与感知错误的耦合风险。

28、可选的,s4中进入逻辑降级模式的具体执行逻辑包括:

29、s41、强制丢弃分布式互信模式下的并行计算结果;

30、s42、遍历当前未完成节点的集合,提取每一个任务节点的拓扑势能;

31、s43、筛选出拓扑势能最大的任务节点,作为候选执行目标;

32、s44、判断是否存在多个具有相同最大拓扑势能的任务节点:

33、若不存在,直接锁定该最大拓扑势能的任务节点;

34、若存在,提取具有相同最大拓扑势能的任务节点的身份识别编号,选择身份识别编号最小的任务节点作为唯一执行目标;

35、s45、生成控制指令:对于被选定的唯一执行目标所属的智能施工机器人,发送任务推进指令;对于未被分配任务的智能施工机器人,发送保持静止或原地避障指令。

36、可选的,在s214中,还包括对权重的动态调整步骤:

37、s216、在系统仿真或运行过程中监测死锁发生的频率;

38、s217、当死锁频率超过预设的安全限值时,利用比例反馈调节法增大局部阻塞权重的比重,并相应减小全局紧迫度权重的比重,以缓解局部拥堵。

39、可选的,方法还包括对风险阈值的自适应修正步骤:

40、s5、统计本批次任务相对于基准值的成功率变化量;

41、s6、获取预设的学习率,根据成功率变化量更新下一时刻的风险阈值,具体策略包括:

42、当成功率变化量为正值时,表明系统运行稳健,增大风险阈值,以降低逻辑降级模式的触发频率;

43、当成功率变化量为负值时,表明系统稳定性下降,减小风险阈值,以提前触发逻辑降级模式。

44、与现有技术相比,本发明具备以下有益效果:

45、1、本发明通过构建感知与逻辑双重风险评估体系,将综合风险势与风险阈值实时比对,实现了在分布式互信模式与逻辑降级模式间的自适应切换;这不仅发挥了多智能体在稳健状态下的并行计算优势,提升了作业效率,还能在高危状态下强制收回控制权进行串行调度,有效解决了复杂环境下的局部死锁问题,显著提升了系统的鲁棒性;

46、2、本发明引入调度熵概念,利用香农信息熵原理量化系统逻辑拥堵程度;通过计算任务节点所需资源与空闲资源的差值及阻塞概率,系统能够精准评估当前资源竞争的激烈程度;这种方法将定性的逻辑混乱转化为定量的数学指标,从而在资源争夺白热化前及时预警,为调度模式的准确切换提供了科学、客观的决策依据;

47、3、本发明提出了平均状态漂移指数,有效解决了非结构化环境下感知数据失真的问题;通过在积分时间窗口内对比机载惯性测量单元与外部基站坐标,并结合测量噪声协方差矩阵进行加权计算,系统能够实时量化环境噪声对感知系统的干扰强度;这确保了在物理空间映射失真时能够及时触发保护机制,防止基于错误数据做出决策;

48、4、本发明基于关键路径余量与拓扑距离构建虚拟引力势能场,生成任务节点的拓扑势能,自动引导机器人优先执行关键瓶颈任务;特别是在逻辑降级模式下,结合身份识别编号最小者优先策略,建立了严格的单线程串行执行机制;这不仅消除了多机器人争抢同一任务的冲突风险,还确保了在高危状态下施工任务仍能有序推进。