Luận văn thạc sĩ Kỹ thuật cơ điện tử: Phát triển thuật toán lên kế hoạch chuyển động cho hệ multi-AGV nhằm tránh va chạm và gia tăng sự ổn định

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

LÊ THẾ CƯỜNG

PHÁT TRIỂN THUẬT TOÁN LÊN KẾ HOẠCH CHUYỂN ĐỘNG CHO HỆ MULTI- AGV NHẰM TRÁNH VA

CHẠM VÀ GIA TĂNG SỰ ỔN ĐỊNH

DEVELOPING A MOTION PLANNING

ALGORITHM FOR THE MULTI-AGV SYSTEM TO AVOID COLLISIONS AND INCREASE STABILITY

Chuyên ngành: Kỹ thuật Cơ điện tử Mã số: 8520114

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 07 năm 2023

Công trình được hoàn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM

Cán bộ hướng dẫn khoa học: PGS.TS Ngô Hà Quang Thịnh

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CƠ KHÍ

PGS.TS Nguyễn Quốc Chí PGS.TS Nguyễn Hữu Lộc

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: LÊ THẾ CƯỜNG MSHV: 2070298 Ngày, tháng, năm sinh: 04-06-1998 Nơi sinh: Đắk Lắk Chuyên ngành: Kỹ thuật Cơ Điện Tử Mã số : 8520114

I TÊN ĐỀ TÀI: Phát triển thuật toán lên kế hoạch chuyển động cho hệ Multi- AGV nhằm tránh va chạm và gia tăng sự ổn định

II NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu về hệ thống Multi-AGV và các vấn đề

cần được giải quyết Đề xuất giải pháp nhằm phát hiện và loại bỏ va chạm giữa các AGV, đồng thời tăng cường tính ổn định của kiện hàng trong quá trình AGV di chuyển

III NGÀY GIAO NHIỆM VỤ : (Ghi theo trong QĐ giao đề tài) 05/09/2022 IV NGÀY HOÀN THÀNH NHIỆM VỤ: (Ghi theo trong QĐ giao đề tài)

LỜI CẢM ƠN

Trong quá trình học tập và hoàn thành chương trình thạc sĩ tại trường Đại học Bách Khoa -ĐHQG Tp.HCM, tôi đã luôn nhận được sự ủng hộ, tin tưởng và hỗ trợ từ những quý thầy cô, bạn bè và người thân trong gia đình Họ đã cho tôi kiến thức, sự sẻ chia, định hướng và cả những lời động viên trên chặng đường vinh quang nhưng nhiều thử thách này

Trước hết, tôi xin gửi lời cảm ơn sâu sắc tới thầy hướng dẫn PGS.TS Ngô Hà Quang Thịnh Cũng là một cái duyên khi trước đây thầy là giáo viên chủ nhiệm đầu tiên của tôi khi tôi chập chững bước vào giảng đường đại học Sau này, người thầy ấy cũng là người định hướng, hướng dẫn và truyền lửa cho tôi xuyên suốt thời gian thực hiện luận văn thạc sĩ Những kiến thức, lời khuyên và sự đốc thúc của thầy là kim chỉ nam giúp tôi hoàn thành tốt luận văn thạc sĩ của mình và chuẩn bị tốt hành trang cho chặng đường tương lai

Bên cạnh đó, tôi cũng gửi lời cảm ơn sâu sắc tới các bạn học của tôi, khoá 2020 Cảm ơn các bạn, những người đã đồng hành cùng tôi xuyên suốt chương trình này Tôi trân quý khoảng thời gian được học cùng các bạn, cùng nhau ôn luyện kiến thức, đốc thúc nhau làm bài và chia sẻ những kinh nghiệm thực tế quý giá

Về gia đình, bạn bè, tôi vô cùng biết ơn sự lo lắng, những lời động viên và sẻ chia của họ Và sự ủng hộ cả về vật chất lẫn tinh thần đó đã tiếp cho tôi sức mạnh to lớn để không ngã tay chèo trước những cơn sóng lớn

Cuối cùng, tôi xin dành lời cảm ơn đặc biệt tới các thầy cô Trường Đại học Bách Khoa đã truyền đạt kiến thức và hỗ trợ cho tôi trong suốt thời gian học thạc sĩ Vốn kiến thức ấy vô cùng quý giá và sẽ theo tôi trong suốt chặng đường phía trước

Một lần nữa, tôi xin chân thành cảm ơn

Lê Thế Cường

TÓM TẮT LUẬN VĂN

Sự phát triển của các ngành công nghiệp là tiền đề cho nhu cầu áp dụng hệ thống Multi-AGV (Automated Guided Vehicle) tăng nhanh trong những năm sắp tới Vì vậy, các hệ thống Multi-AGV cần được cải tiến liên tục để tối ưu hơn về hiệu suất, cải thiện khả năng mở rộng và giải quyết hoàn toàn các vấn đề về va chạm và bế tắc Đề tài này đề xuất một thuật toán gia tăng độ chính xác trong việc lập kế hoạch chuyển động của AGV, bằng cách xem xét gia tốc của AGV và khối lượng tải mang theo Thuật toán này nhằm giải quyết hiệu quả các va chạm xảy ra do sự khác biệt giữa thời gian lập kế hoạch và thời gian di chuyển thực tế của AGV, khiến cho các va chạm này không thể đoán trước được

ABSTRACT

The development of industries provides the basis for the rapidly increasing demand for Multi-AGV (Automated Guided Vehicle) systems in the coming years Therefore, Multi-AGV systems need to be continuously improved to optimize performance, enhance scalability, completely tackle collision and deadlock issues This study proposes and simulates an algorithm that increases the accuracy of AGV motion planning by considering the AGV’s acceleration and load The algorithm aims to effectively resolve collisions that occur due to discrepancies between the planned and actual travel times of the AGV, which makes these collisions unpredictable

LỜI CAM ĐOAN

Luận văn này là công trình nghiên cứu của cá nhân tôi, được thực hiện dưới sự hướng dẫn của PGS TS Ngô Hà Quang Thịnh Luận văn của tôi có tham khảo các tài liệu, bài báo, trang web như được trình bày ở mục tài liệu tham khảo và ở mỗi tham khảo tôi đều trích dẫn nguồn gốc Tôi xin cam đoan rằng ngoài những trích dẫn từ các tham khảo trên, toàn bộ nội dung trong báo cáo là do tôi tự soạn thảo từ những kết quả nghiên cứu của riêng cá nhân tôi, không sao chép từ bất kì tài liệu nào khác

Tôi sẽ hoàn toàn chịu xử lí theo quy định nếu có bất cứ sai phạm nào so với lời cam đoan

Học viên

Lê Thế Cường

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH HOÁ 10

2.1 Tổng quan kiến trúc hệ Multi-AGV 10

2.2 Các nhiệm vụ cốt lõi trong hệ thống AGV 11

2.3 Lập kế hoạch đường dẫn và giải thuật tìm đường đi ngắn nhất 12

2.3.1 Thuật toán Dijkstra cổ điển 13

2.3.2 Thuật toán A* 14

2.3.3 Thuật toán Dijkstra mở rộng 15

2.4 Lập kế hoạch chuyển động 17

2.4.1 Nhận diện và tránh va chạm 17

2.4.2 Nhận diện và tránh kẹt cứng (deadlock) 18

2.5 Mô hình hoá không gian làm việc hệ Multi-AGV 20

2.5.1 Tổng quan về không gian làm việc 20

2.5.2 Mô hình hoá sa bàn Cross docking tại khu vực AGV Driving Space 22

2.6 Mô hình toán AGV ứng dụng trong sa bàn Cross docking và điều khiển AGV bám theo đường dẫn đã hoạch định 24

2.6.1 Mô hình toán AGV ứng dụng trong sa bàn Cross docking 24

2.6.2 Điều khiển AGV bám theo đường dẫn đã hoạch định 27

2.7 Mô hình toán giao động của hệ kiện hàng và AGV 28

CHƯƠNG 3: GIẢI THUẬT LẬP KẾ HOẠCH CHUYỂN ĐỘNG CÓ TÍNH TOÁN ĐẾN THỜI GIAN GIA TỐC CỦA AGV VÀ TÍNH ỔN ĐỊNH CỦA KIỆN HÀNG 29

3.1 Sơ đồ hệ thống điều khiển 29

3.2 Khối chức năng lên lịch trình chuyển động (Motion Planning) 30

3.3 Giải thuật lập kế hoạch chuyển động cho AGV có xét đến thời gian gia tốc và khối lượng kệ hàng 31

3.3.1 Giải thuật xác định thời gian di chuyển ∆𝒕𝒊𝒎𝒆 giữa 2 node liền kề trên đoạn đường 32

3.3.2 Thuật toán xâu chuỗi thời điểm AGV di chuyển đến các node: 40

3.3.3 Phân loại và nhận diện các loại va chạm 43

3.3.4 Phương án xử lý cho từng loại va chạm 47

CHƯƠNG 4: MÔ PHỎNG VÀ KẾT QUẢ 48

4.1 Môi trường mô phỏng và các thông số 48

4.2 So sánh sự chênh lệch thời gian giữa giải thuật lập kế hoạch chuyển động Zheng Zhang (Z.Z) [7] và thực tế chuyển động của AGV 50

4.2.1 Trường hợp 1: AGV rẽ 𝟗𝟎°, sau đó di chuyển trên một đoạn đường

4.3.2 Ví dụ 2: Va chạm đối đầu trực tiếp 63

4.4 So sánh về đáp ứng chuyển động của AGV trước và sau khi áp dụng thuật toán cải tiến 65

4.4.1 Mô hình hoá hệ AGV – kiện hàng & bộ điều khiển tuân thủ thời gian hoạch định 66

4.4.2 So sánh đáp ứng chuyển động của AGV sau khi áp dụng giải thuật lập kế hoạch chuyển động Z.Z và giải thuật cải tiến 68

4.5 So sánh về tính ổn định của kiện hàng trên AGV trước và sau khi áp dụng giải thuật cải tiến 72

CHƯƠNG 5: KẾT LUẬN VÀ PHÁT TRIỂN 73

CÔNG BỐ KHOA HỌC 74

TÀI LIỆU THAM KHẢO 75

DANH MỤC HÌNH

Hình 1.1 AGV của Dematic 1

Hình 1.2 AGV của Toyota 1

Hình 1.3 AGV của IDEA group 2

Hình 1.4 AGV của INTECH group 2

Hình 1.5 Hệ thống Multi-AGV di chuyển trong sa bàn dạng cross-docking trong ứng dụng nhà xưởng 4

Hình 1.6 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ 6

Hình 1.7 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ 6

Hình 1.8 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ 7

Hình 1.9 Phân loại va chạm theo Zheng Zhang [7] (a) là va chạm đối đầu, (b) là va chạm giao lộ, (c) là va chạm với AGV khác, (d) là va chạm với kệ hàng trên đường đi 8

Hình 2.1 Kiến trúc tập trung 10

Hình 2.2 Kiến trúc phân tán 11

Hình 2.3 Các nhiệm vụ cốt lõi trong hệ thống AGV [4] 12

Hình 2.4 Mô tả bản đồ và đường dẫn được lập 13

Hình 2.5 Flowchart của thuật toán Dijkstra cải tiến 16

Hình 2.6 Quãng đường ngắn nhất giữa 20 và 15 là 4 đường được mô tả trong (a), (b), (c) và (d) 17

Hình 2.7 Các phương pháp nhận diện và tránh va chạm cho hệ Multi-AGV [4] 18

Hình 2.8 Cross lane deadlock 18

Hình 2.9 Shop deadlock 19

Hình 2.10 Giải pháp giải quyết Shop deadlock do Kim [21] đề xuất 19

Hình 2.11 Cyclick deadblock 20

Hình 2.12 Không gian làm việc của hệ thống Multi-AGV 21

Hình 2.13 Định vị AGV dựa vào mã QR code 22

Hình 2.14 Ví dụ về ma trận kề Adjacency matrix 23

Hình 2.16 Mô hình hoá hệ AGV và kiện hàng 28

Hình 2.17 Phân tích lực tác động lên hệ AGV và kiện hàng 28

Hình 3.1 Các khối chức năng của hệ thống Multi-AGV 29

Hình 3.2 Đường đi của AGV là 𝑤𝑎𝑦𝐴𝐺𝑉 được cấu thành từ các đoạn đường đi thẳng 𝑝𝑎𝑡ℎ𝑖 31

Hình 3.3 Minh hoạ AGV đi trên đoạn đường thứ (i), gia tốc (a) và tốc độ ổn định mong muốn là (𝑣𝑇𝐻) 33

Hình 3.4 Sơ đồ V-t của AGV trong trường hợp không đạt được vận tốc 𝑣𝑇𝐻trong quá trình chuyển động và số node đi qua là số chẵn 34

Hình 3.5 Sơ đồ V-t của AGV trong trường hợp không đạt được vận tốc 𝑣𝑇𝐻trong quá trình chuyển động và số node đi qua là số lẻ 35

Hình 3.6 Sơ đồ V-t của AGV trong trường hợp di chuyển giữa 02 node và đạt được vận tốc 𝑣𝑇𝐻 trong quá trình chuyển động 37

Hình 3.7 Sơ đồ V-t của AGV trong trường hợp di chuyển trên đoạn đường có số node lớn hơn 02 và đạt được vận tốc 𝑣𝑇𝐻 trong quá trình chuyển động 37

Hình 3.8 Ví dụ cho thuật toán xâu chuỗi thời điểm AGV di chuyển đến các node 41

Hình 3.9 Các trường hợp va chạm đối đầu trực tiếp 43

Hình 3.10 Điều kiện hằng số ngưỡng an toàn cho va chạm đối đầu trực tiếp 𝜇1để 02 AGV không va chạm 44

Hình 4.2 AGV khi di chuyển tự do có thể đi phía dưới các kệ hàng 50

Hình 4.3 AGV rẽ 90°, sau đó di chuyển trên một đoạn đường ngắn (AGV trống) 51

Hình 4.4 Đồ thị khung thời gian mô tả kế hoạch di chuyển của AGV trong trường

hợp 1 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 52

Hình 4.5 AGV rẽ 180°, sau đó di chuyển trên một đoạn đường ngắn (AGV trống) 53

Hình 4.6 Đồ thị khung thời gian mô tả kế hoạch di chuyển của AGV trong trường hợp 2 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 54

Hình 4.7 AGV di chuyển thẳng trên một đoạn đường dài (AGV trống) 54

Hình 4.8 Đồ thị khung thời gian mô tả kế hoạch di chuyển của AGV trong trường hợp 3 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 55

Hình 4.9 AGV di chuyển trên tuyến đường nhiều điểm rẽ (AGV mang tải trung bình) 56

Hình 4.10 Đồ thị khung thời gian mô tả kế hoạch di chuyển của AGV trong trường hợp 4 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 58

Hình 4.11 AGV di chuyển thẳng trên một đoạn đường khi mang tải trọng khác nhau 59

Hình 4.12 Đồ thị khung thời gian mô tả kế hoạch di chuyển của AGV tương ứng với khối lượng kệ hàng 60

Hình 4.13 Sa bàn ví dụ va chạm giao lộ 62

Hình 4.14 Sa bàn ví dụ va chạm đối đầu trực tiếp 64

Hình 4.15 Mô hình hoá AGV chuyển động bám đường dẫn trên Simulink 66

Hình 4.16 AGV bám đường dẫn 67

Hình 4.17 Bộ điều khiển AGV tuân thủ thời gian hoạch định được xây dựng và mô phỏng trên MATLAB Simulink 68

Hình 4.18 Sa bàn thí nghiệm AGV chạy thẳng và rẽ 68

Hình 4.19 Đồ thị vận tốc-thời gian của điểm tham chiếu khi áp dụng giải thuật Z.Z 69

Hình 4.20 Đồ thị vận tốc-thời gian của điểm tham chiếu khi áp dụng giải thuật cải tiến 69

Hình 4.21 Kết quả đáp ứng chuyển động của AGV đối với 02 giải thuật 71

Hình 4.22 Sai số trung bình về khoảng cách của AGV với mục tiêu 71

Hình 4.23 Đồ thị gia tốc của kệ hàng khi áp dụng 02 giải thuật 72

DANH MỤC BẢNG

Bảng 4.1: So sánh kế hoạch di chuyển của AGV trong trường hợp 1 khi áp dụng

thuật toán Z.Z và thuật toán cải tiến 52

Bảng 4.2: So sánh kế hoạch di chuyển của AGV trong trường hợp 2 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 53

Bảng 4.3: So sánh kế hoạch di chuyển của AGV trong trường hợp 3 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 55

Bảng 4.4: So sánh kế hoạch di chuyển của AGV trong trường hợp 4 khi áp dụng thuật toán Z.Z và thuật toán cải tiến 57

Bảng 4.5: So sánh sự ảnh hưởng của khối lượng hàng hoá đến thuật toán Z.Z và thuật toán cải tiến 60

Bảng 4.6: Lịch trình của AGV1 trong ví dụ va chạm giao lộ 62

Bảng 4.7: Lịch trình của AGV2 trong ví dụ va chạm giao lộ 62

Bảng 4.8: Lịch trình của AGV1 trong ví dụ va chạm đối đầu trực tiếp 64

Bảng 4.9: Lịch trình của AGV2 trong ví dụ va chạm đối đầu trực tiếp 65

Bảng 4.10: So sánh gia tốc của kệ hàng khi áp dụng 02 giải thuật 72

PID Proportional Integral Derivative Z.Z Giải thuật Zheng Zhang

node Workstation

𝑵 Tập hợp các Workstation trên sa bàn 𝑛𝑖 Tọa độ các Workstation

𝑛 Tổng số Workstation 𝑨 Tập hợp các đoạn đường 𝑎𝑖

𝑎𝑖 Đoạn đường được hình thành từ 2 điểm liền kề nhau trên sa bàn m Tổng số đoạn đường

Adj_plot Ma trận thể hiện tính liền kề giữa các node

Adj Ma trận thể hiện khoảng cách giữa các node liền kề

𝑘𝑖 Biểu diễn sự liền kề của 2 điểm Workstation thông qua giá trị: 1 là liền kề, 0 là không liền kề

Φ Ma trận góc mô tả hướng của AGV khi di chuyển giữa các Workstation V Tập hợp các AGV

𝑣𝑖 Ma trận biểu diễn các trạng thái, thông số của AGV thứ i 𝑝𝑖 Vị trí của AGV

𝜑𝑖 Góc tuyệt đối của AGV so với sa bàn

𝑚𝑖 Nhiệm vụ của AGV mà hệ thống đang giao, trong đó có quỹ đạo mà AGV phải di chuyển

𝐴𝑠𝑡𝑡𝑖 Trạng thái vận chuyển của AGV, bao gồm: rảnh rỗi, đang di chuyển, đang nâng kiện hàng, đang hạ kiện hàng

𝐺𝑠𝑡𝑡𝑖 Trạng thái mang hàng của AGV, bao gồm: đang có tải và không có tải 𝑂𝑥𝐼𝑦𝐼 Hệ trục toạ độ gắn với mặt đất

𝑂𝑥𝑟𝑦𝑟Hệ trục toạ độ gắn với AGV

𝜃 Góc lệch giữa 2 hệ toạ độ gắn với mặt đất và gắn với AGV A Tâm đường nối giữa 2 bánh xe truyền động

C Khối tâm AGV R Bán kính mỗi bánh xe

L Khoảng cách giữa tâm 2 bên bánh xe

𝑣 Vận tốc tịnh tiến của AGV trong hệ trục tọa độ gắn liền với robot 𝜔 Vận tốc góc của AGV trong hệ trục tọa độ gắn liền với robot

𝑣𝑅 Vận tốc tịnh tiến của tâm bánh xe bên phải của AGV trong hệ trục tọa độ gắn liền với robot

𝑣𝐿 Vận tốc tịnh tiến của tâm bánh xe bên trái của AGV trong hệ trục tọa độ gắn liền với robot

P Điểm tham chiếu mà AGV phải bám theo 𝑃𝑡 Vị trí của điểm tham chiếu

𝑉𝑡 Vận tốc của điểm tham chiếu

e1 Sai số vị trí theo trục x của AGV so với điểm tham chiếu, xét trong hệ trục tọa độ tương đối gắn với robot

e2 Sai số vị trí theo trục y của AGV so với điểm tham chiếu, xét trong hệ trục tọa độ tương đối gắn với robot

e3 Sai số góc di chuyển của AGV so với điểm tham chiếu, xét trong hệ trục tọa độ tương đối gắn với robot

𝑚1 Khối lượng AGV 𝑚2 Khối lượng kiện hàng

𝑝𝑎𝑡ℎ𝑖 Các đoạn đường thẳng mà AGV di chuyển

𝑤𝑎𝑦𝐴𝐺𝑉 Quỹ đạo đường đi của AGV, được cấu tạo từ các 𝑝𝑎𝑡ℎ𝑖

∆𝑡𝑖𝑚𝑒(𝑖, 𝑘) Ma trận thời gian cộng thêm khi AGV di chuyển giữa các node trên đoạn đường thứ i

𝑣𝑇𝐻 Vận tốc ổn định mong muốn của AGV

𝑑𝑛𝑜𝑑𝑒 Khoảng cách giữa 2 Workstation liền kề trên sa bàn 𝑑𝑝𝑎𝑡ℎ𝑖 Chiều dài đoạn đường thẳng 𝑝𝑎𝑡ℎ𝑖

a Gia tốc của AGV

𝑑𝑎 Đoạn đường AGV di chuyển được sau khi tăng tốc đến vận tốc mong muốn 𝑣𝑇𝐻, hoặc giảm tốc từ 𝑣𝑇𝐻 về 0 m/s

𝑊𝑚𝑘 ID của Workstation thứ m trong đường đi của 𝐴𝐺𝑉𝑘𝑡𝑐𝑜𝑚𝑒

𝑚𝑘 Thời điểm 𝐴𝐺𝑉𝑘 đến Workstation thứ m

𝜇1 Hằng số ngưỡng an toàn cho loại va chạm đối đầu trực tiếp 𝜇2Hằng số ngưỡng an toàn cho loại va chạm giao lộ

𝑡𝑥𝑘 Thời gian AGVk chiếm dụng Workstation x để làm việc, với x là node mục tiêu của AGVk

𝑡90 Thời gian AGV xoay tại chỗ 90° 𝑡180 Thời gian AGV xoay tại chỗ 180° 𝑙𝐴𝐺𝑉 Chiều dài AGV

𝑟𝐴𝐺𝑉Chiều rộng AGV

CHƯƠNG 1: TỔNG QUAN

1.1 Giới thiệu chung về hệ Multi-AGV và đặt vấn đề

Vào năm 1954, tại Northbrook, Illinois, Barrett-Cravens đã phát minh ra O-Matic", phương tiện không người lái đầu tiên trên thế giới [1] Tuy nhiên, cho đến khoảng năm 1980, thuật ngữ Automated Guided Vehicle (AGV) mới được phổ biến rộng rãi [2] Phát triển theo thời gian, thị trường AGV hiện nay đang được đánh giá sẽ tiếp tục bùng nổ trong thời gian sắp tới Dựa trên báo cáo phân tích thị trường [3], cho đến năm 2021, quy mô thị trường AGV toàn cầu đạt 3.81 tỷ USD và có tốc độ tăng trưởng kép trung bình tính đến năm 2030 là 10.2% Trong đó, khu vực châu Á chiếm tỷ lệ cao nhất, lên đến hơn 36% thị trường AGV toàn cầu Con số tăng trưởng ấn tượng này cho thấy tiềm năng phát triển rất lớn của AGV trong nền công nghiệp ngày nay nói chung và thị trường châu Á, đặc biệt là Việt Nam nói riêng khi chúng ta đang bước vào một thời kỳ chuyển đổi công nghệ mạnh mẽ

"Guide-Trên thế giới, có rất nhiều công ty chuyên nghiên cứu và phát triển những dòng robot AGV như: Swisslog Holding AG, Dematic, Bastian Solutions, Daifuku, JBT; Seegrid Corporation; TOYOTA Industries Corporation; Hyster-Yale Materials Handling,…

Hình 1.1 AGV của Dematic Hình 1.2 AGV của Toyota

Ở Việt Nam hiện tại, đi kèm với sự phát triển về các cơ sở sản xuất và nhu cầu sử ứng dụng AGV, các công ty chuyên thương mại và chế tạo AGV đã bắt đầu hình thành Mặc dù là những doanh nghiệp còn non trẻ nhưng họ cũng đã có những sản phẩm hoàn thiện và đáng tin dùng Ví dụ: AFM Việt Nam, INTECH group, IDEA group,…

Hình 1.3 AGV của IDEA group Hình 1.4 AGV của INTECH group

Sự phát triển mạnh mẽ của hệ thống Multi-AGV cả về số lượng, chủng loại và ứng dụng trên đa dạng hoá lĩnh vực là minh chứng cho lợi ích vô cùng to lớn mà hệ thống robot tự hành mang lại Đầu tiên, robot giúp tự động hóa quá trình vận chuyển hàng hóa, sản phẩm hay nguyên vật liệu Quá trình vận chuyển này được thực hiện một cách nhanh chóng hơn, hiệu quả hơn, tiết kiệm hơn Tiếp đến, việc sử dụng hệ thống robot giúp doanh nghiệp đơn giản hoá kiểm soát quá trình làm việc, tối ưu quy trình phân phối và kiểm duyệt sản phẩm Ngoài ra, robot tự hành sẽ thay con người làm việc

trong các môi trường có điều kiện khắc nghiệt, đảm bảo an toàn cho người lao động Vì những lợi ích to lớn và tiềm năng phát triển vô cùng lớn, hệ thống Multi-AGV được lựa chọn làm hướng nghiên cứu

Để hoạt động tốt trong môi trường phức tạp, một hệ thống Multi-AGV hoàn

chỉnh cần thực hiện đầy đủ và tuân thủ 05 “nhiệm vụ cốt lõi” [4]: phân bổ nhiệm vụ,

lập kế hoạch đường dẫn, định vị, lập kế hoạch chuyển động và quản lý phương tiện

Trong đó, lập kế hoạch chuyển động là một nhiệm vụ vô cùng quan trọng, có

chức năng xác định trước các nguy cơ va chạm, deadlock và điều chỉnh thời gian di chuyển của AGV để tránh các sự cố đó diễn ra [4] Trong quá trình di chuyển theo đường dẫn, AGV gặp phải các chướng ngại vật, có thể là chướng ngại vật tĩnh không lường trước được, có thể là con người hoặc các AGV khác trong hệ thống đang chuyển động Rõ ràng, việc va chạm với các đối tượng này phải được dự đoán, nhận diện và ngăn chặn Ngoài ra, cũng cần phải ngăn chặn các deadlock - tình huống mà AGV không

thể thực hiện hành động nào nữa Đó là chức năng chính của lập kế hoạch chuyển

động

Với tầm quan trọng của nhiệm vụ này, đã có rất nhiều phương pháp được thực hiện nhằm tối ưu hoá việc lập kế hoạch chuyển động của hệ thống AGV, cũng như tránh các va chạm không mong muốn Mặc dù vậy, các phương pháp này vẫn chưa toàn diện,

khi thực tế vẫn có nhiều trường hợp AGV xảy ra va chạm Một trong số những nguyên nhân được xác định là các AGV di chuyển không tuân thủ chính xác thời gian được lập lịch Bên cạnh đó, tốc độ của AGV ngày càng được cải thiện với mong muốn nâng cao hiệu suất của hệ thống Multi-AGV Tuy nhiên, sự nâng cao tốc độ đồng nghĩa với việc tăng rủi ro cho sự ổn định của kiện hàng mà AGV đang vận chuyển Đó là 02

trong các vấn đề còn tồn đọng của hệ thống Multi-AGV cần được giải quyết

Với các lí do như đã nêu ở trên, đề tài này được thực hiện với các mục tiêu chính như sau:

- Xây dựng “thuật toán lập kế hoạch chuyển động” dự đoán chính xác va chạm thông qua sự đảm bảo tuân thủ thời gian chuyển động của AGV

- Gia tăng độ ổn định của kiện hàng trong quá trình AGV di chuyển

1.2 Phạm vi của đề tài

- Đối tượng thực nghiệm: thuật toán được xây dựng để ứng dụng vào hệ

Multi-AGV trong nhà xưởng, di chuyển trên sa bàn dạng cross-docking Trong việc mô phỏng thuật toán, để hạn chế số lượng phép tính toán nhưng vẫn mang tính tổng quát, sa bàn có kích thước 11x11 với tổng 121 node Số lượng AGV xét đến tối đa là 3 AGV

- Phương pháp thực hiện: thuật toán được thử nghiệm và chứng minh tính

đúng đắn trên phần mềm mô phỏng MATLAB Kết quả đều được kiểm chứng bằng việc so sánh với các nghiên cứu được đánh giá cao gần đây

Hình 1.5 Hệ thống Multi-AGV di chuyển trong sa bàn dạng cross-docking trong ứng dụng nhà xưởng

1.3 Các công trình nghiên cứu liên quan

Liên quan đến các giải thuật lập kế hoạch chuyển động, nhận diện và tránh va chạm, đã có nhiều nghiên cứu được thực hiện và công bố, cũng như ứng dụng vào thực tế

Được đề cập ở [4], giải pháp nhận diện và tránh va chạm được chia làm 2 cách tiếp cận chính: Tập trung (centralized collision avoidance) và Phi tập trung (decentralized collision avoidance) Đối với giải pháp Phi tập trung, AGV phản ứng dựa trên những gì nó cảm nhận cục bộ và thông tin liên lạc giữa các AGV gần nó để tránh va chạm Ưu điểm của cách tiếp cận Phi tập trung là hệ thống có thể mở rộng số lượng AGV tốt hơn, tuy nhiên nó có nhiều điểm hạn chế hơn phương pháp Tập trung trong việc tránh va chạm và deadlock Còn đối với giải pháp Tập trung, máy tính trung tâm sẽ tập hợp tất cả các dữ liệu thu thập được từ các AGV như: vị trí, mục tiêu,… và lên kế hoạch chung cho toàn bộ hệ thống sao cho các AGV vừa không va chạm với nhau, vừa cho hiệu suất hệ thống tốt nhất Điều này khiến cho hệ thống AGV dễ quản lý hơn Vì vậy, cách tiếp cận Tập trung vẫn đang được áp dụng phổ biến hơn trong hệ thống Mụlti-AGV [7]

Ngày nay, đã có nhiều hệ thống AGV hiện đại có phạm vi tự do, được trang bị hệ thống điều khiển phi tập trung dựa trên hành vi heuristic và thuật toán mờ [11]–[13] Tuy nhiên, vì các hạn chế như đã nêu trên, chúng chưa được ứng dụng rộng rãi trong công nghiệp

Đối với cách tiếp cận Tập trung, đã có nhiều nghiên cứu được công bố và đưa vào ứng dụng thực tế

Một trong những cách tiếp cận đơn giản nhất là Regional Control Method (RCM) được M S Sedehi và R Z Farahani giới thiệu [9] Ở đây, không gian hoạt động của AGV được phân chia và chỉ một AGV được hoạt động trong vùng đó, có thể là các tuyến đường cố định hoặc không cố định Hàng hoá được trao đổi thông qua các trạm chuyển đổi Ưu điểm của phương pháp này là đơn giản, dễ quản lý và phù hợp với hệ thống Multi-AGV phục vụ trong quy trình sản xuất với các tuyến đường và thời gian gần như cố định Tuy nhiên, nhược điểm của phương pháp này là năng suất và hiệu quả đối với các khu vực sản xuất quy mô lớn và phức tạp

Smolic-Rocak [5] sử dụng khung thời gian theo dạng vector tại các đoạn đường để định tuyến cho các AGV, đồng thời tìm kiếm sự xung đột của các AGV thông qua khung thời gian này Hệ thống hoạch định đường đi và lên lịch trình cho từng AGV, sau đó giám sát việc thực hiện lịch trình đó Giải pháp của Smolic-Rocak [5] đưa ra để tránh xung đột là tại một thời điểm, mỗi đoạn đường chỉ cho phép 01 AGV đi qua Phương pháp này có ưu điểm là hoạch định đường đi “động”, cho phép linh hoạt thay đổi trong quá trình di chuyển Bên cạnh đó, nó có xét đến độ ưu tiên giữa các nhiệm vụ Tuy nhiên phương pháp này không áp dụng tốt đối với sa bàn dạng cross-docking vì không tối ưu hết các tình huống va chạm của nó

Yindong Lian, Wei Xie [6] lại sử dụng phương pháp hàng chờ tại các điểm node và các đoạn đường, để quản lý thứ tự di chuyển của AGV, từ đó tránh được va chạm Ví dụ, hình 1.6 mô tả chiến lược tránh va chạm này Hàng chờ của điểm b theo thứ tự là 𝐴𝐺𝑉1 và 𝐴𝐺𝑉2 Vì vậy, 𝐴𝐺𝑉1 được ưu tiên hơn khi qua điểm b và được đi trước Lúc này, 𝐴𝐺𝑉2 phải dừng lại và chờ tại điểm e Sau khi 𝐴𝐺𝑉1 đi ra khỏi điểm b và đến điểm a thì 𝐴𝐺𝑉2 mới được được phép di chuyển đến điểm b và vượt qua giao lộ

Hình 1.6 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ

Yunlong Zhao [10] đã đưa ra một giải pháp giải quyết va chạm không phụ thuộc vào việc tính toán thời gian di chuyển của AGV Các va chạm khả dĩ được xác định và

giải quyết dựa trên phương pháp dynamic resource reservation (DRR), nghĩa là xem

xét trạng thái của “tập hợp các điểm dùng chung” (các vị trí, các điểm node) trên tuyến đường mà các AGV sẽ đi qua - vùng có nguy cơ va chạm Nếu có bất kì một AGV nào khác đang ở trong vùng đó, các AGV còn lại cần dừng lại cho đến khi AGV này ra khỏi vùng Ưu điểm của phương pháp này là tuyệt đối hoá xử lý va chạm Tuy nhiên, nhược điểm của phương pháp này là cần cập nhật thường xuyên vị trí của các AGV và tính toán ra quyết định lại, một khối lượng tính toán vô cùng lớn Đồng thời phương pháp này cũng hạn chế quy mô và hiệu suất của hệ thống

Hình 1.7 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ

Ngoài ra, Jose, K [8] kết hợp tìm kiếm và giải quyết các va chạm thông qua nhiệm vụ “phân bổ tác vụ cho các AGV” Ở đây, tác giả sử dụng giải thuật GA để phân

bố nhiệm vụ, đồng thời kiểm tra vị trí của các AGV tại mỗi thời điểm Nếu vị trí toạ độ của 02 AGV bất kỳ khớp nhau tại cùng một thời điểm, thuật toán sẽ nhận diện một va chạm khả dĩ Từ đó phương án sẽ bị loại khỏi “quần thể”

Hình 1.8 Mô tả thuật toán tránh va chạm sử dụng phương pháp hàng chờ

Ưu điểm của giải thuật này là lồng ghép giải quyết nhiệm vụ lên kế hoạch

chuyển động (motion planning) vào trong nhiệm vụ phân bổ tác vụ cho từng AGV

thông qua giải thuật GA, từ đó lược bớt được một giai đoạn Đồng thời, nó cũng tính toán được một cách chính xác quỹ đạo đường đi của các AGV sao cho chúng có thể di chuyển trơn tru mà không bị va chạm Tuy nhiên, nhược điểm của giải thuật này là AGV được xét như một chất điểm và dùng tính chất chất điểm ấy để tính toán thời gian va chạm giữa các AGV Điều này chính xác về mặt toán học nhưng chưa phù hợp với tính chất vật lý của AGV (kích thước và động lực học của AGV) Ngoài ra, nếu tình huống thay đổi, ví dụ AGV bị gặp trục trặc, khối lượng tính toán khổng lồ này cần phải được thực hiện lại

Phương pháp Zheng Zhang [7] tiếp cận bằng cách phân loại các loại va chạm, từ đó dự đoán va chạm thông qua quỹ đạo và thời gian di chuyển của AGV Va chạm được chia làm 4 loại: đối đầu, giao lộ, va chạm với AGV khác trên đường đi và va chạm với kệ hàng trên đường đi Để giải quyết các loại va chạm này, Zheng Zhang đề xuất 3 phương án tuỳ theo từng loại va chạm: lựa chọn quỹ đạo tối ưu khác, thay đổi thời gian

bắt đầu di chuyển và tính toán lại nhiệm vụ lập kế hoạch đường dẫn (path planning)

Ưu điểm của phương pháp này là liệt kê cụ thể các trường hợp va chạm và đưa ra

phương án tối ưu nhất để giải quyết các trường hợp va chạm này Tuy nhiên, phương pháp này phụ thuộc nhiều và độ ổn định của hệ thống và sự tuân thủ thời gian đã lập lịch của AGV

Hình 1.9 Phân loại va chạm theo Zheng Zhang [7] (a) là va chạm đối đầu, (b) là va chạm giao lộ, (c) là va chạm với AGV khác, (d) là va chạm với kệ hàng trên

đường đi

1.4 Nhìn nhận vấn đề

Từ các nghiên cứu trên, ta thấy rằng việc tìm kiếm giải pháp phát hiện và tránh va chạm đã rất được quan tâm nghiên cứu Tuy nhiên, nhìn chung, việc dự đoán thời gian di chuyển của AGV trong các thuật toán này đều dựa trên thời gian di chuyển trung bình và các phép tính toán học, mà chưa quan tâm đến mô hình toán, động lực học và đáp ứng của AGV trong quá trình thực thi thuật toán trên Từ đó, có nhiều vấn đề phát sinh dẫn đến sự sai lệch trong việc lên kế hoạch chuyển động và phát hiện va chạm

Đào sâu hơn, đối với các phương pháp phát hiện va chạm sử dụng thời gian di chuyển của AGV như [5] và [7], việc ước lượng thời gian di chuyển của AGV chỉ dựa

trên “vận tốc tịnh tiến trung bình” và “thời gian xoay cố định” (ví dụ AGV di chuyển

với vận tốc trung bình là 1 𝑚/𝑠2, thời gian xoay của AGV là 4 s không phân biệt góc quay) Tuy nhiên, quá trình di chuyển của AGV lại có thời gian tăng tốc-giảm tốc tại các điểm dừng, thời gian xoay phụ thuộc vào góc xoay Hơn nữa, các gia tốc này phụ thuộc vào tải trọng của kiện hàng

Bên cạnh đó, một yêu cầu khác là AGV phải di chuyển tuân thủ thời gian đã được hoạch định Tuy nhiên, khi tìm hiểu về các thuật toán điều khiển AGV bám quỹ đạo [14], [15], [16] thấy rằng, việc điều khiển AGV thông thường chỉ bám theo đường dẫn chứ không đặt mục tiêu tuân thủ thời gian di chuyển được hoạch định trước Hay nói cách khác, việc xác định mục tiêu chỉ dựa vào cảm biến chứ không dựa vào thuật toán hoạch định Đây cũng là lý do của một số va chạm vẫn còn diễn ra trên các hệ thống Multi-AGV thực tế

Vì vậy, dẫn đến 02 vấn đề mà đề tài tập trung nghiên cứu:

- Xây dựng giải thuật lập kế hoạch chuyển động có xét đến thời gian gia tốc của AGV và khối lượng kệ hàng

- Đánh giá ảnh hưởng của phương pháp mới tới sự gia tăng độ ổn định của kiện hàng trong quá trình AGV di chuyển

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH HOÁ

2.1 Tổng quan kiến trúc hệ Multi-AGV

Các hệ thống Multi-AGV đã dần trở nên phổ biến và triển khai trong rất nhiều lĩnh vực: sản xuất, y học, logistic,… Nhìn chung, kiến trúc của các hệ thống này được chia làm 02 loại: Tập trung (Central architecture) và Phi tập trung (Decentral architecture)

Kiến trúc tập trung diễn tả cho một hệ thống mà tại đó, các nhiệm vụ cốt lõi của hệ thống được thực hiện, tính toán bởi một thực thể trung tâm, sau đó được phân phối ra cho các AGV đơn Ưu điểm của kiến trúc này là khả năng tối ưu hoá các giải pháp, dựa vào sự tập trung của các nguồn thông tin Tuy nhiên, nhược điểm của kiến trúc này cũng chính nằm ở sự tập trung hoá các nguồn thông tin, dẫn đến sự quá tải xử lý cho hệ thống máy chủ và nếu máy chủ gặp sự cố thì toàn bộ hệ thống phải dừng hoạt động

Hình 2.1 Kiến trúc tập trung

Được thúc đẩy bởi các nhu cầu trong tương lai là khả năng mở rộng, xu hướng của các hệ thống Multi-AGV là kiến trúc phi tập trung Tại đó, tính phân tán được thể hiện trong sự phân phối các tác vụ xử lý của hệ thống cho các thành phần của nó Lúc này, các AGV có thể hoạt động độc lập Ưu điểm của kiến trúc này là khả năng mở rộng

không giới hạn của hệ thống và phù hợp cho các ứng dụng có nhiều tác nhân gây nhiễu làm gián đoạn hoạt động của AGV Ngược lại, nhược điểm của kiến trúc này là sự không tối ưu về mặt lên kế hoạch di chuyển, cũng như về mặt giải quyết các va chạm Vì va chạm chỉ được phát hiện trong quá trình hoạt động thông qua hệ cảm biến Tuy nhiên, đây là một kỹ thuật đầy hứa hẹn trong tương lai và đang được phát triển rất mạnh, mà lý do lớn nhất chính là sự mở rộng của số lượng AGV trong hệ thống Khi đó, phương pháp điều khiển tập trung không đáp ứng được vì giới hạn về bộ nhớ, khả năng tính toán và giao tiếp

Hình 2.2 Kiến trúc phân tán

2.2 Các nhiệm vụ cốt lõi trong hệ thống AGV

Đối với một hệ thống AGV, cơ bản có 5 nhiệm vụ cốt lõi bao gồm: phân bổ nhiệm vụ (task allocation), định vị (localization), lập kế hoạch đường dẫn (path planning), lập kế hoạch chuyển động (motion planning) và quản lý phương tiện (vehicle management) [4]

Nhiệm vụ cốt lõi đầu tiên của AGV là “phân bổ nhiệm vụ” Một tập hợp các nhiệm vụ (đơn đặt hàng) cần được phân bổ cho các AGV một cách tối ưu Cách dễ nhất để giải quyết vấn đề này là phân bổ tác vụ cho AGV gần nhất với vị trí của đối tượng được đặt hàng Sau khi AGV nhận nhiệm vụ, hệ thống cần xác định đường đi ngắn nhất đến mục tiêu Nhiệm vụ này có tên là “lập kế hoạch đường dẫn” Nó sử dụng một đại

diện của môi trường để tìm kiếm một chuỗi sao cho đi đến mục tiêu nhanh nhất có thể Trong quá trình di chuyển, hệ thống cần nắm bắt chính xác vị trí của AGV Vì vậy, “định vị” cũng là một nhiệm vụ cốt lõi quan trọng của AGV Tiếp theo, nhận thấy rằng thuật toán “lập kế hoạch đường dẫn” đưa ra đường đi ngắn nhất nhưng chưa xem xét đến các vấn đề gặp phải như va chạm, tắc nghẽn,… trong quá trình AGV di chuyển Để tránh điều này, một nhiệm vụ cốt lõi khác có tên “lập kế hoạch chuyển động” được xây dựng Cuối cùng, song song với quá trình hoạt động của AGV, nhiệm vụ “quản lý phương tiện” được hệ thống thực hiện xuyên suốt để giám sát tình trạng của các AGV: dung lượng pin, tuổi thọ của pin, yêu cầu bảo trì, tình trạng lỗi,…

Hình 2.3 Các nhiệm vụ cốt lõi trong hệ thống AGV [4]

Trọng tâm của đề tài quan tâm chủ yếu vào 02 nhiệm vụ: lập kế hoạch đường dẫn (path planning) và lập kế hoạch chuyển động (motion planning) Vì vậy, phần 2.3 và phần 2.4 sẽ giới thiệu rõ hơn về 02 nhiệm vụ này

2.3 Lập kế hoạch đường dẫn và giải thuật tìm đường đi ngắn nhất

Lập kế hoạch đường dẫn là một trong những nhiệm vụ chính trong hệ thống AGV [17] Lập kế hoạch đường dẫn có thể được định nghĩa là tạo ra một đường dẫn cho AGV di chuyển, kết nối điểm xuất phát với điểm mục tiêu, không va chạm với chướng ngại vật và có tính đến các đặc điểm hình học của chướng ngại vật Lập kế hoạch đường dẫn bao gồm hai bước:

• Biểu diễn lại bản đồ mà hệ thống AGV cần di chuyển • Sử dụng thuật toán tìm kiếm đồ thị để tìm đường đi

Thông thường, lập kế hoạch đường dẫn được sử dụng để tạo ra các đường đi ngắn nhất Tuy nhiên, nó cũng thường được sử dụng trong các hệ thống AGV để tính toán chi phí và làm giảm đến mức tối thiểu hàm số “mục tiêu” được chỉ định Mục tiêu này có thể là thời gian di chuyển, khoảng cách di chuyển, mức tiêu thụ nhiên liệu hoặc là sự kết hợp giữa chúng Các thuật toán tìm kiếm đồ thị được sử dụng để tìm ra giải pháp kết nối điểm xuất phát và điểm đích đến sao cho cực tiểu hóa hàm sô mục tiêu này

Một vấn đề quan trọng khác cần chú ý là sự phức tạp của thuật toán Lập kế hoạch đường dẫn sẽ được thực hiện rất nhiều lần và có thể bị lặp lại Vì lý do này, sự phức tạp của thuật toán cần phải càng nhỏ càng tốt Hiện nay, có rất nhiều thuật toán lập kế hoạch đường dẫn được nghiên cứu và ứng dụng thực tế, đặc biệt là A* và Dijkstra được giới thiệu dưới đây

Hình 2.4 Mô tả bản đồ và đường dẫn được lập 2.3.1 Thuật toán Dijkstra cổ điển

Thuật toán Dijkstra được trình bày lần đầu tiên bởi Edsger Dijkstra – một nhà khoa học máy tính, vào năm 1959 Thuật toán này hoạt động thông qua việc tìm đỉnh gần nhất tiếp theo bằng cách giữ các đỉnh mới trong hàng đợi ưu tiên tối thiểu và chỉ lưu trữ một nút trung gian

Các bước cơ bản của thuật toán:

- Bước 1: Xác định và đánh dấu điểm bắt đầu

- Bước 2: Xác định giá trị từ điểm bắt đầu đến các điểm xung quanh liên kết trực tiếp Từ đó xác định điểm có giá trị nhỏ nhất và đánh dấu lại

- Bước 3: Tương tự, tính toán giá trị từ điểm bắt đầu đến đến các điểm xung quanh điểm đã được đánh dấu Tiếp tục đánh dấu điểm có giá trị nhỏ nhất - Bước 4: Lặp lại từ bước 2 đến khi nào điểm cuối cùng được đánh dấu Thuật toán Dijkstra là một thuật toán lập kế hoạch đường dẫn đáng tin cậy vì nó xét đến tất cả các điểm đến trên sơ đồ Từ đó tìm được đường đi ngắn nhất toàn cục Tuy nhiên, nhược điểm của thuật toán Dijkstra là chỉ cho phép tìm ra một đường đi cực tiểu duy nhất, đồng thời cũng sử dụng rất nhiều bộ nhớ vì không bỏ sót bất kỳ một điểm đến nào Vì vậy, thuật toán này được đánh giá phù hợp nhất cho môi trường tĩnh hay lập kế hoạch đường đi toàn cục

Ngày nay chúng ta có thể tìm thấy nhiều phiên bản của thuật toán Dijkstra cải tiến, phản ánh sự đa dạng của các trường hợp sử dụng và ứng dụng Đặc biệt, có thể xác định được tập hợp các đường đi ngắn nhất khả dĩ thay vì chỉ một đường đi nhắn nhất như Dijkstra cổ điển

2.3.2 Thuật toán A*

Thuật toán A* là một thuật toán lập kế hoạch đường đi, được sử dụng phổ biến ngày nay, tương tự như thuật toán Dijkstra Tuy nhiên, khác với Dijkstra là cố gắng tìm kiếm phương án tối ưu toàn cục, A* hướng đến những điểm đến mục tiêu hứa hẹn nhất với ít phép tính, để đưa ra giải pháp nhanh chóng và phương án gần tối ưu Vì tính hiệu quả này, nó phù hợp để sử dụng trên các hệ thống nhúng và thiết bị bị hạn chế về khả năng xử lý

Thuật toán A* sử dụng một hàm giá trị F(x) là tổng của hai hàm G(x) và H(x) Trong đó, G(x) là tổng chi phí để đến vị trí đó, H(x) là hàm “heuristic”, ước lượng các chi phí khác để đạt được mục tiêu Giải thuật Dijkstra là trường hợp đặc biệt của A* khi H(x) = 0 Khi sử dụng thuật toán A*, có sự đánh đổi giữa tốc độ xử lý và sự tối ưu của đường đi

2.3.3 Thuật toán Dijkstra mở rộng

Như đã đề cập ở trên, thuật toán Dijkstra cổ điển chỉ trả về kết quả là một đường đi tối ưu nhất toàn cục Tuy nhiên, trên thực tế, đối với sa bàn dạng cross docking, tồn tại trường hợp có nhiều hơn một đường đi tối ưu Nghĩa là những đường đi khác nhau nhưng mang đến hiệu quả di chuyển tương đương Đồng thời, thuật toán Dijkstra cổ điển chỉ xét đến sự tối thiểu của quãng đường đi, không xét đến sự tối thiểu thời gian, điều ảnh hưởng lớn đến hiệu suất của hệ Multi-AGV

Nhận thấy điều đó, Guo Qing [18] đề xuất xây dựng thuật toán Dijkstra cải tiến có thể trả về một tập hợp các đoạn đường tối ưu Đồng thời, thuật toán này cũng dựa trên sự nhỏ nhất của thời gian di chuyển, hay nói cách khác là các đoạn đường có ít khúc cua nhất trong sa bàn dạng cross docking, thay vì chỉ tập trung vào quãng đường ngắn nhất Điều này là phù hợp với hệ thống Multi-AGV, vốn cần sự tối ưu thời gian di chuyển của AGV Flowchart của thuật toán Dijkstra cải tiến được mô tả như lưu đồ giải thuật Hình 2.5

Hình 2.5 Flowchart của thuật toán Dijkstra cải tiến

Ví dụ: Hình 2.6 mô tả rằng có 4 cách di chuyển từ node 20 đến node 15 mà quãng đường là ngắn nhất và bằng nhau Tuy nhiên, thuật toán Dijkstra truyền thống chỉ trả về 1 kết quả, trong khi thuật toán Dijkstra cải tiến cho phép ra những kết quả còn lại

Hình 2.6 Quãng đường ngắn nhất giữa 20 và 15 là 4 đường được mô tả trong (a), (b), (c) và (d)

2.4 Lập kế hoạch chuyển động

Nhiệm vụ “lập kế hoạch đường dẫn” giải quyết cho AGV tránh va chạm với những vật cản tĩnh đã được mô tả rõ trên sa bàn, thông qua một tuyến đường lý tưởng Tuy nhiên, trong quá trình AGV di chuyển theo các tuyền đường lý tưởng đó, chúng phải đối mặt với các vật cản động mà sa bàn không mô thể mô tả Chúng có thể là con người, hàng rơi đổ hay là chính các AGV với nhau trong hệ thống Khi đối mặt với các vật thể này, AGV có thể bị va chạm hoặc rơi vào trạng thái kẹt cứng, bế tắc (deadlock) nếu như không được quản lý và lên kế hoạch xử lý tốt Vì vậy, nhiệm vụ lập kế hoạch chuyển động được sinh ra nhằm phán đoán va chạm, deadlock và đưa ra các phương án giải quyết tối ưu khi đối mặt với các thách thức này

2.4.1 Nhận diện và tránh va chạm

Giải pháp nhận diện và tránh va chạm được chia làm 2 cách tiếp cận chính: Tập trung (centralized collision avoidance) và Phi tập trung (decentralized collision avoidance) Chi tiết hơn về các giải pháp này và những công bố đã được trình bày trong mục 1.3

Hình 2.7 Các phương pháp nhận diện và tránh va chạm cho hệ Multi-AGV [4] 2.4.2 Nhận diện và tránh kẹt cứng (deadlock)

Kẹt cứng – hay deadlock là một trong những vấn đề mà nhiệm vụ “lập kế hoạch chuyển động” cần giải quyết Deadlock là một trạng thái khi các AGV xung đột nhau, dẫn đến chúng không tìm được phương án di chuyển tiếp theo để đến được điểm đích Từ đó, deadlock được nhận định và phân loại thành các dạng như sau [20]:

- Cross lane deadlock: xảy ra khi 02 AGV muốn thay đổi làn Thay vì va

chạm, các AGV dừng lại để tránh xung đột Tuy nhiên, cả hai đều dừng lại để chờ AGV còn lại di chuyển trước, dẫn đến tình trạng kẹt cứng

Hình 2.8 Cross lane deadlock

Để giải quyết kẹt cứng này, cần có một hệ thống dẫn đường thông minh và sự liên hệ ra quyết định giữa các AGV

- Shop deadlock: bế tắc này được diễn ra tại kho, khi kho đã sử dụng hết dung

lượng lưu trữ của nó Khi này, nếu AGV mang hàng đến gửi mà đến trước AGV lấy hàng ra khỏi kho, sẽ dẫn đến tình trạng hàng không thể nhập kho

(vì hết chỗ), mà cũng không thể lấy hàng đi (vì AGV lấy hàng đã bị chặn), hệ sẽ không thể tiếp tục hoạt động

Hình 2.9 Shop deadlock

Để giải quyết, một giải pháp hữu hiệu đã được Kim [21] đề xuất Phương án này sử dụng một tuyến đường bổ sung, kết hợp cùng phương pháp phân phối hàng trong kho và thuật toán Banker

Hình 2.10 Giải pháp giải quyết Shop deadlock do Kim [21] đề xuất

- Cyclick deadblock: một chuỗi các AGV cần đi đến vùng mà AGV khác đang

chiếm ở đó, tạo thành một vòng tròn

Hình 2.11 Cyclick deadblock

Đây là deadlock đặc trưng nhất, vì vậy có rất nhiều phương pháp được đề xuất để giải quyết dạng kẹt cứng này Lee [22] sử dụng lý thuyết mạng Petri để dự đoán và tránh deadlock theo chu kỳ trong FMS và AGVS Trong khi đó, Hyuenbo [23] sử dụng lý thuyết đồ thị để phát hiện kẹt cứng sắp xảy ra Để làm được điều đó, các mạch giới hạn được xác định trong Reveliotis phải được tìm thấy Và bằng cách xác định các chu kỳ trong Đồ thị có hướng động (Dynamic Directed Graph) [24], Yeh đã đưa ra một chiến lược dự đoán deadlock được đánh giá rất hiệu quả và được ứng dụng rộng rãi

2.5 Mô hình hoá không gian làm việc hệ Multi-AGV

2.5.1 Tổng quan về không gian làm việc

Không gian làm việc của hệ multi-AGV ứng dụng trong các kho hàng dạng docking được chia làm 05 khu vực chính [7]:

cross Manual Sorting Space: Khi AGV đến, các nhân viên lựa hàng, lấy hàng và

sắp xếp theo đơn sẵn Đây là khu vực tương tác giữa người, hàng và AGV

- Operation Center: nơi đặt hệ thống máy chủ và giám sát của hệ thống

Multi-AGV

- AGV Driving Space: đây được xem như khu vực kho hàng – khu vực hoạt

động chính của AGV, bao gồm các khu vực đặt kệ hàng và đường đi Hệ

thống Multi-AGV thông qua trung tâm điều khiển sẽ di chuyển và sắp xếp kệ

hàng một cách tự động Đây là khu vực hoạt động trọng tâm mà đề tài hướng đến

- Parking Space: nơi chứa các AGV khi hệ thống chưa hoạt động hoặc kết

thúc hoạt động Có 3 khu vực để đỗ là A, B, C có thể dùng để phân loại các AGV đang trong tình trạng tốt hoặc đang gặp vấn đề

- Charging Space: khu vực được thiết kế để nạp năng lượng cho các AGV

dưới ngưỡng năng lượng tối thiểu

Trong hệ thống kho tự động, hàng hoá được xếp lên các kệ hàng và lưu trữ trong khu vực AGV Driving Space Từ đó, khi một mặt hàng cần được lấy, hệ thống Multi-AGV sẽ xác định vị trí kệ hàng và ra lệnh cho AGV nâng kệ đến khu vực Manual Sorting Space cho nhân viên lấy hàng Bên cạnh đó, để thuận tiện cho việc di chuyển, các kiện hàng này cũng được sắp xếp ngăn nắp trong khu vực để hàng (khu vực màu xanh lá cây trong Hình 2.12), phần còn lại là các đường đi

Hình 2.12 Không gian làm việc của hệ thống Multi-AGV

Trong khu vực AGV Driving Space, không gian được mã hoá theo dạng lưới, mỗi mắt lưới được gọi là một Workstation, được định vị bằng một mã QR code như

Hình 2.13 Dựa vào đó AGV có thể xác định được vị trí và hướng di chuyển, đồng thời gửi thông tin về vị trí của mình đến hệ thống trung tâm

Hình 2.13 Định vị AGV dựa vào mã QR code

2.5.2 Mô hình hoá sa bàn Cross docking tại khu vực AGV Driving Space

Sa bàn 𝐺 gồm tập hợp 𝑵 các Workstation (node) có tọa độ 𝑛𝑖 và tập hợp 𝑨 các đoạn đường 𝑎𝑖, mỗi đoạn đường được hình thành từ 2 điểm liền kề nhau:

• Biểu diễn trạng thái các AGV

Tập hợp các AGV được biểu diễn trong ma trận V, trong đó:

Với r là tổng số AGV trong hệ thống

Mỗi 𝑣𝑖 được được biểu diễn bằng một matrix biểu diễn các trạng thái, thông số của AGV thứ i

𝑣𝑖 = {𝑝𝑖, 𝜑𝑖, 𝑚𝑖, 𝐴𝑠𝑡𝑡𝑖, 𝐺𝑠𝑡𝑡𝑖} (2.10) Trong đó:

𝑝𝑖 là vị trí của AGV

𝜑𝑖 là góc tuyệt đối của AGV so với sa bàn

𝑚𝑖 là nhiệm vụ của AGV mà hệ thống đang giao, trong đó có quỹ đạo mà AGV phải di chuyển

𝐴𝑠𝑡𝑡𝑖 là trạng thái vận chuyển của AGV, bao gồm: rảnh rỗi, đang di chuyển, đang nâng kiện hàng, đang hạ kiện hàng

𝐺𝑠𝑡𝑡𝑖 là trạng thái mang hàng của AGV, bao gồm: đang có tải và không có tải

2.6 Mô hình toán AGV ứng dụng trong sa bàn Cross docking và điều khiển AGV bám theo đường dẫn đã hoạch định

2.6.1 Mô hình toán AGV ứng dụng trong sa bàn Cross docking

Đối tượng hướng đến của đề tài là AGV có cấu tạo như Hình 2.15 Đây được xem là mô hình chung của các AGV di chuyển trên sa bàn dạng Cross docking, chuyên dùng trong công tác kho vận AGV có hai bánh lái độc lập được bố trí đối xứng ở bên trái và bên phải của thân xe, được dẫn động bởi hai động cơ không chổi than DC Cả phía trước và phía sau đều được trang bị bánh xe đa hướng đóng vai trò trợ lực mà không ảnh hưởng đến chuyển động của AGV Mặt trước của thân xe được trang bị cảm biến điều hướng và xung quanh là các cảm biến an toàn khác