2022 IEEE TII,基于改进混合差分进化算法的工业仓库无人机盘点任务规划

📅 2026/7/18 14:57:58 👁️ 阅读次数 📝 编程学习
2022 IEEE TII,基于改进混合差分进化算法的工业仓库无人机盘点任务规划

目录

    • 1.摘要
    • 2.研究背景与任务场景
    • 3.无人机盘点轨迹规划模型
    • 4.仿真与实验结果
    • 5.参考文献
    • 6.算法辅导·应用定制·读者交流

1.摘要

烟草企业需要频繁盘点成品、原辅材料,高位货架和复杂堆放环境使人工操作低效且易出错。论文面向搭载 RFID 读写器的四旋翼无人机,建立同时考虑三维运动受力、续航、升降速度、RFID 识别距离与角度以及盘点唯一性的轨迹规划模型,以单位航程能耗效率与单位货物盘点时间的乘积为目标。

2.研究背景与任务场景

RFID 具有非接触、自动识别和安全性高等特点,但成品烟仓库多采用高位立体货架,原辅材料仓库又存在堆放杂乱、位置频繁变化等问题,手持设备难以兼顾效率和覆盖率。无人机可携带便携式 RFID 读写器接近标签,但载荷会缩短续航,因此轨迹不能只追求几何距离最短,还要反映不同飞行方向下推力、功率和盘点停留造成的能耗差异。

论文研究单架轻型四旋翼无人机在室内仓库中的三维盘点任务。无人机沿规划轨迹飞行,在满足 RFID 识别范围和天线方向约束时读取每件货物标签。原辅材料仓库环境不规则,初始可行轨迹由 RRT 分段生成;成品烟仓库货架排列规则,轨迹点的平面坐标固定,只优化高度。

3.无人机盘点轨迹规划模型

运动与能耗模型

模型假设仓库封闭、空气密度和阻力系数恒定,不考虑风扰;无人机在每段轨迹内以恒定水平速度和恒定垂直速度飞行;转弯能耗约占轨迹段能耗的 0.12%,因此忽略;为保证 RFID 标签响应,无人机每飞行 1 m 悬停 0.3 s。实验依据表明,在固定输出电压下四旋翼功率负载可近似为常数,因而总升力F FF与总功率P PP满足

F = k P , f = 1 2 c ρ S v 2 , F=kP, f=\frac{1}{2}c\rho Sv^2,F=kP,f=21cρSv2,

其中,k kk为比例常数,f ff为空气阻力,c ccρ \rhoρS SSv vv分别为空气阻力系数、空气密度、迎风面积与飞行速度。水平、上升、下降和悬停所需总升力

F L j = f L j 2 + G 2 , F R j = f R j + G , F D j = G − f D j , F H = G . F_{Lj}=\sqrt{f_{Lj}^{2}+G^{2}},\qquad F_{Rj}=f_{Rj}+G,\qquad F_{Dj}=G-f_{Dj},\qquad F_H=G.FLj=fLj2+G2,FRj=fRj+G,FDj=GfDj,FH=G.

飞行与 RFID 约束

轨迹需满足最大上升速度v R max ⁡ v_{R\max}vRmax、最大下降速度v D max ⁡ v_{D\max}vDmax和最长飞行时间T max ⁡ T_{\max}Tmax

v R j ≤ v R max ⁡ , v D j ≤ v D max ⁡ , ∑ j t j ≤ T max ⁡ . v_{Rj}\leq v_{R\max},\qquad v_{Dj}\leq v_{D\max},\qquad \sum_j t_j\leq T_{\max}.vRjvRmax,vDjvDmax,jtjTmax.

若第i ii个 RFID 标签中心为C i = ( x i , y i , z i ) C_i=(x_i,y_i,z_i)Ci=(xi,yi,zi),无人机盘点位置为U i = ( x i ′ , y i ′ , z i ′ ) U_i=(x_i',y_i',z_i')Ui=(xi,yi,zi),则识别距离和天线方向需满足

( x i − x i ′ ) 2 + ( y i − y i ′ ) 2 + ( z i − z i ′ ) 2 ≤ R max ⁡ , \sqrt{(x_i-x_i')^2+(y_i-y_i')^2+(z_i-z_i')^2}\leq R_{\max},(xixi)2+(yiyi)2+(zizi)2Rmax,

0 ≤ cos ⁡ ⁣ ( n ⃗ , C i U i → ) ≤ cos ⁡ φ max ⁡ . 0\leq \cos\!\left(\vec n,\overrightarrow{C_iU_i}\right)\leq \cos\varphi_{\max}.0cos(n,CiUi)cosφmax.

优化目标

单位轨迹长度的能耗效率比K KK同时计入各轨迹段升力产生的飞行能耗和每米 0.3 s 的悬停能耗:

K = 1 k ⋅ ∑ j = 1 n ( F L j + F R j + F D j ) t j + F H ⋅ 0.3 ∑ j = 1 n l j ∑ j = 1 n l j . K=\frac{1}{k}\cdot \frac{\sum_{j=1}^{n}(F_{Lj}+F_{Rj}+F_{Dj})t_j+F_H\cdot0.3\sum_{j=1}^{n}l_j} {\sum_{j=1}^{n}l_j}.K=k1j=1nljj=1n(FLj+FRj+FDj)tj+FH0.3j=1nlj.

单位货物盘点时间定义为

T = ∑ j = 1 n t j ∑ i = 1 N ψ i , T=\frac{\sum_{j=1}^{n}t_j}{\sum_{i=1}^{N}\psi_i},T=i=1Nψij=1ntj,

最终以二者乘积最小为目标:

min ⁡ f = K T . \min f=K\,T.minf=KT.

4.仿真与实验结果

实验依据红云红河集团实际仓库建模。原辅材料仓库尺寸为60 × 60 × 8 60\times60\times860×60×8m,面积 3600 m²;成品烟仓库尺寸为100 × 100 × 15 100\times100\times15100×100×15m,面积 10000 m²。成品场景选取 6 组长 20 m、宽 3 m、高 12 m 的货架,货架间距 4 m。BRA-01SR 宽带圆极化定向 RFID 天线在两类环境中的实测最大扫描距离分别为 6.58 m 和 5.93 m,模型统一采用R max ⁡ = 5 R_{\max}=5Rmax=5m、φ max ⁡ = 120 ∘ \varphi_{\max}=120^\circφmax=120。比较算法包括 DE、LSO、PSO、WOA 和 RRT。

5.参考文献

Liu, H., Chen, Q., Pan, N., Sun, Y., An, Y., & Pan, D. “UAV Stocktaking Task-Planning for Industrial Warehouses Based on the Improved Hybrid Differential Evolution Algorithm.” IEEE Transactions on Industrial Informatics, 18(1), 582–591, 2022.

6.算法辅导·应用定制·读者交流

xx