一种铁路物流场景下的多装卸车调度方法、系统及设备与流程

本技术属于智能物流，尤其涉及一种铁路物流场景下的多装卸车调度方法、系统及设备。

背景技术：

1、在铁路物流的大规模自动化装卸场景中，通常需要部署多台装卸车机器人，以同时对多节火车车厢进行装车作业。如何高效地调度这些装卸车机器人、无人叉车以及垛盘资源，是实现全场无人化、智能化作业的关键。

2、目前，相关的调度技术主要包括以下两类：

3、基于mes/wms的静态任务调度方案：这类方案通常应用于工厂车间内固定产线的任务调度。其核心是根据预设的装车计划，生成一个固定的任务序列，然后按照优先级和资源约束将任务分配给各个设备。然而，这种调度策略是静态或准静态的，无法有效响应装车现场的设备状态变化、进度偏差等实时情况。更重要的是，它未考虑铁路装卸车特有的空间约束，例如多台机器人在同一车厢内协同作业时可能发生的空间冲突，也缺乏对垛盘物流供应与装车节拍之间动态联动的考量。

4、基于多智能体的分布式调度方案：这类方案将每台机器人视为一个独立的智能体，通过相互之间的协商机制来进行任务分配，实现分布式调度，常见于仓储物流中多agv（自动导引车）的协同。然而，在装车任务时间约束严格的场景下，这种协商机制的收敛速度较慢，可能导致调度延迟。此外，它同样未充分考虑装车节拍、垛盘供应等特定约束，且分布式决策方式缺乏全局视角，容易陷入局部最优，无法保证整体装车效率的最大化。

5、综上所述，现有的调度方案普遍缺乏面向铁路装卸场景的专用调度模型，忽略了该场景下特有的车厢内部空间约束、多机协同装车冲突、装车节拍与垛盘供应的动态联动等核心要素，难以满足高效、实时、全局最优的调度需求。

技术实现思路

1、本技术所要解决的技术问题在于，提供一种铁路物流场景下的多装卸车调度方法、系统及设备，以解决现有技术中因缺乏面向铁路装卸场景的专用调度方法，导致无法协同优化装车节拍、垛盘供应与车厢空间约束，难以实现全局最优调度及实时动态响应异常的技术问题。

2、为了解决上述技术问题，本技术提供以下技术方案：

3、第一方面，本技术提供了一种铁路物流场景下的多装卸车调度方法，包括：

4、接收装车计划数据，并将所述装车计划数据分解为多个任务单元；

5、根据所述多个任务单元、装卸车机器人的作业能力以及垛盘供应参数，构建以全场装车效率最大化为目标的混合整数规划模型，其中，所述模型包含任务全覆盖约束、完工时间定义约束、整体完工时间约束、同机器人任务先后互斥约束、工位资源冲突禁止重叠约束以及供料可用性约束；

6、对所述混合整数规划模型进行求解，生成全局最优或近优的任务分配方案，所述方案包括每台装卸车机器人的工位作业序列及对应的时间窗；

7、对所述全局最优或近优的任务分配方案进行车厢空间冲突检测，若检测到冲突则进行冲突消解，生成无冲突的任务分配方案；并将所述无冲突的任务分配方案下发至各装卸车机器人和无人叉车执行；

8、实时监控各个设备状态和装车进度，当检测到异常事件时，触发动态重调度策略，所述动态重调度策略为：以当前时刻为基准，划分已完成、执行中和待重排任务集，对所述待重排任务集构建缩域混合整数规划子问题，采用热启动和限时优化求解，输出新的任务分配方案并下发执行。

9、进一步地，所述混合整数规划模型的目标函数为最小化所有任务的完成时间，决策变量包括：任务与机器人的分配关系、任务的开始时间和完成时间以及任务的优先级。

10、进一步地，所述对所述混合整数规划模型进行求解，生成全局最优或近优的任务分配方案，包括：

11、采用贪心规则，按照预设优先级顺序为每个所述任务单元依次选择最早空闲的装卸车机器人及对应的工位，并引入所述供料时序约束和空间避让偏移量进行可行性检查，得到初始分配方案；

12、将所述初始分配方案作为热启动初始解注入混合整数规划求解器，设置求解时间上限和最优间隙容忍度，驱动所述混合整数规划求解器执行分支定界与割平面搜索，以对所述初始分配方案进行迭代优化；

13、若在所述求解时间上限内获得满足所述最优间隙容忍度的优化解，则将所述优化解作为所述求解结果输出；反之，则将当前已获得的最优可行解作为所述求解结果输出。

14、进一步地，所述对所述全局最优或近优的任务分配方案进行车厢空间冲突检测，包括：

15、获取各所述装卸车机器人在各工位的作业空间所对应的保守包络体，所述保守包络体在运行时被简化为轴对齐包围盒；

16、根据所述全局最优或近优的任务分配方案中同一工位上的任意两个任务单元所对应的轴对齐包围盒，计算二者之间的最小空间距离，同时判断该两个任务单元的时间窗是否存在交叠；

17、若所述最小空间距离小于预设的安全间距阈值且所述时间窗存在交叠，则判定该两个任务单元之间存在空间冲突。

18、进一步地，所述保守包络体通过以下方式生成：

19、离线阶段，获取各所述装卸车机器人在各工位的关节构型集合，通过正运动学计算末端可达点集及各关节连杆扫掠点集，对所述末端可达点集和扫掠点集的并集进行凸包处理，生成所述保守包络体；

20、运行时阶段，将所述保守包络体简化为轴对齐包围盒，并以包围盒中心坐标以及宽、高、深尺寸参数进行表征。

21、进一步地，所述冲突消解，具体为：

22、对于判定存在空间冲突的两个任务单元，优先对其中优先级较低或开始时间较晚的任务单元插入时间偏移量；

23、若插入时间偏移量后该任务单元的完成时间超过其截止时间，则交换该两个任务单元的执行顺序；

24、若交换执行顺序后仍无法消解冲突，则将其中一任务单元重新分配至对侧工位，直至全部冲突消解完成。

25、进一步地，所述异常事件包括以下至少之一：装卸车机器人故障、无人叉车故障、垛盘供应中断、装车进度偏差超出预设阈值以及装车计划变更。

26、进一步地，所述对所述待重排任务集构建缩域混合整数规划子问题，采用热启动和限时优化求解，包括：

27、从上一轮调度方案中提取各任务单元的分配信息，并根据所分配信息，判断各任务单元原分配的机器人是否仍为可用状态以及原开始时间是否满足当前供料时序约束；若均满足时，则继承该分配关系并将所述分配关系添加至热启动初始解中；

28、对于未继承分配关系的任务单元，按照任务紧急程度依次分配至当前最早空闲的机器人，并在分配过程中执行空间冲突检验及时间偏移插入操作，以补全所述热启动初始解；

29、将补全后的所述热启动初始解作为初始可行解输入混合整数规划求解器，在预设的时间上限内执行优化求解；

30、若在所述时间上限内获得可行解，则将所述可行解中的相对时间转换为绝对时间后作为所述重调度方案输出；若超出所述时间上限且已获得至少一个可行解，则将当前最优可行解作为所述重调度方案输出；若在所述时间上限内未获得任何可行解，则将贪心可行方案或预设的安全停机方案作为所述重调度方案输出。

31、第二方面，本技术还提供一种铁路物流场景下的多装卸车调度系统，包括：

32、数据获取模块，用于接收装车计划数据，并将所述装车计划数据分解为多个任务单元；

33、模型构建模块，用于根据所述多个任务单元、装卸车机器人的作业能力以及垛盘供应参数，构建以全场装车效率最大化为目标的混合整数规划模型，其中，所述模型包含任务全覆盖约束、完工时间定义约束、整体完工时间约束、同机器人任务先后互斥约束、工位资源冲突禁止重叠约束以及供料可用性约束；

34、模型求解模块，用于对所述混合整数规划模型进行求解，生成全局最优或近优的任务分配方案，所述方案包括每台装卸车机器人的工位作业序列及对应的时间窗；

35、检测模块，用于对所述全局最优或近优的任务分配方案进行车厢空间冲突检测，若检测到冲突则进行冲突消解，生成无冲突的任务分配方案；并将所述无冲突的任务分配方案下发至各装卸车机器人和无人叉车执行；

36、动态调整模块，用于实时监控各个设备状态和装车进度，当检测到异常事件时，触发动态重调度策略，所述动态重调度策略为：以当前时刻为基准，划分已完成、执行中和待重排任务集，对所述待重排任务集构建缩域混合整数规划子问题，采用热启动和限时优化求解，输出新的任务分配方案并下发执行。

37、第三方面，本技术还提供一种计算机电子设备，包括：存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述中任一项所述的铁路物流场景下的多装卸车调度方法的步骤。

38、第四方面，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项所述的铁路物流场景下的多装卸车调度方法的步骤。

39、本技术提供的一种铁路物流场景下的多装卸车调度方法、系统及设备，其有益效果在于：

40、本技术通过接收装车计划数据并分解为多个任务单元，构建包含任务全覆盖约束、完工时间定义约束、整体完工时间约束、同机器人任务先后互斥约束、工位资源冲突禁止重叠约束以及供料可用性约束的混合整数规划模型，并对所述模型进行求解以生成全局最优或近优的任务分配方案，克服了现有静态调度方案无法适应动态场景且缺乏铁路装卸专用模型的缺陷；同时，通过对任务分配方案进行基于保守包络体与轴对齐包围盒的车厢空间冲突检测与消解处理，有效避免了多台装卸车机器人在同一车厢内同时作业时的碰撞风险；此外，在执行过程中通过实时监控设备状态和装车进度并在检测到异常事件时触发动态重调度策略，以当前时刻为基准划分已完成、执行中和待重排任务集并对待重排任务集构建缩域混合整数规划子问题，采用热启动和限时优化求解生成重调度方案，配合垛盘供应联动调度实现装车进度与物料供应的同步协同。与现有技术相比，本技术的技术方案能够在铁路多车厢并行装车场景下实现多装卸车机器人与无人叉车的高效协同调度，在保障车厢内多机作业安全的同时实现垛盘供应的无缝衔接和异常事件的快速响应，有效提升全场装车效率。