智能仓储交通信号与多AGV路径规划协同控制方法

来源：计算机工程与应用杂志2024年第11期北京时间：

作者：司明, 邬伯藩, 胡灿, 邢伟强

单位：西安科技大学 计算机科学与技术学院，西安 710054

摘要：针对智能仓储多AGV（automated guided vehicle）路径规划实时性差，障碍物识别能力弱，多AGV碰撞、死锁和拥堵等问题，提出了一种智能仓储交通信号控制与多AGV路径规划协同控制方法，将交通信号与多AGV路径规划视为一个整体，设计一种交通信号与多AGV路径规划协同控制框架，并提出LS-A3C（long short-asynchronous advantage actor-critic）算法和Bi-LSTM-CBAM（bi-long short-term memory-convolutional block attention module）算法作为框架的核心算法。LS-A3C算法使用长短时编码器和注意力机制分别对交通信号的长期信息和短期信息进行编码，以学习元特征表示，并使用A3C框架计算元Q值和控制策略，实现交通信号时间自适应AGV流量，解决多AGV碰撞、死锁和拥堵等问题。Bi-LSTM-CBAM算法通过计算本时刻和前置时刻状态特征，对输出结果进行拼接处理，可以有效解决神经网络梯度消失和爆炸的问题，提高AGV路径规划实时性；引入注意力机制模块CBAM，根据输入信息重要程度分配权重，加强AGV对障碍物识别能力。在Sumo和Gazebo联合仿真平台进行仿真实验，实验结果表明，该协同控制方法使AGV碰撞、死锁及拥堵情况明显降低，障碍物识别能力显著提高，路径规划实时性大幅增强，达到提升AGV作业效率的目的。

关键词：智能仓储,深度强化学习,路径规划,Bi-LSTM,A3C,CBAM