除尘机器人集群的协同调度方法、设备及介质与流程

本发明涉及料场除尘，特别涉及一种除尘机器人集群的协同调度方法、设备及介质。

背景技术：

1、钢铁、焦化、火电、水泥、铸造、砖瓦窑、炭素、玻璃、陶瓷、建材、矿山等行业均存在原料或施工堆料场，车辆在堆料场内行驶、施工、倾倒等作业过程中会产生大量粉尘。粉尘具有危害人体健康、容易爆炸并引发人员伤亡、降低料场内的能见度、腐蚀料场内的设备等危害。因此，对粉尘的治理是料场作业过程中比较重要的部分。

2、在传统的料场中，粉尘治理基本上依靠固定管网及除尘设备(例如雾炮)来完成的，即通过人工输入控制信息至管理网络，并由管理网络控制处在料场不同位置的雾炮开启以进行喷雾降尘。这种除尘方式由于除尘设备的位置固定、灵活度较低，会对除尘效果有一定的影响。当面对大量的除尘任务时，往往采用增设雾炮的手段，这会大大增加企业的成本。

3、为了克服上述问题，料场中引入了可移动的除尘机器人。除尘机器人可以在料场内灵活移动，不仅能够提高除尘效果也能够应对大量的除尘任务。但是，现有的除尘机器人的控制方式比较简单，通常是管理人员手动控制，或者除尘机器人根据粉尘浓度判断出中心点后直接移动至中心点进行除尘。这种除尘机器人的控制方式效率较低，不能在最短的时间内达到较佳的除尘效果。当面对多个除尘机器人的调度时，无法在最短时间、最短能耗的基础上达到较佳除尘效果的问题尤为明显。

4、因此，如何调度除尘机器人集群，使得除尘机器人集群用最少的时间代价、路程代价、能耗代价实现最显著的除尘效果是亟待解决的技术难题。

技术实现思路

1、本发明的目的在于解决现有技术中除尘机器人调度效率不高，无法在最短时间、最短能耗的基础上达到较佳除尘效果的问题。

2、为解决上述问题，本发明的实施方式公开了一种除尘机器人集群的协同调度方法，除尘机器人集群包括多个通信连接的除尘机器人；并且，协同调度方法包括：

3、s1：接收外部监测装置发送的目标监测区域内的粉尘信息，根据粉尘信息、以完成除尘任务所需的综合成本最低为目标生成关于各除尘机器人的目标除尘位置的初始任务信息，并将初始任务信息发送至各除尘机器人；

4、s2：各除尘机器人根据初始任务信息、以遍历初始任务信息对应的目标除尘位置所需的综合成本最低为目标生成初始反馈路径；

5、s3：根据来自各除尘机器人的初始反馈路径、并继续以完成除尘任务所需的综合成本最低为目标生成更新任务信息，将更新任务信息发送至各除尘机器人，各除尘机器人根据更新任务信息、以遍历更新任务信息对应的目标除尘位置所需的综合成本最低为目标生成更新反馈路径；

6、s4：根据来自各除尘机器人的更新反馈路径、并继续以完成除尘任务所需的综合成本最低为目标生成更新任务信息，各除尘机器人根据更新任务信息、以遍历更新任务信息对应的目标除尘位置所需的综合成本最低为目标生成更新反馈路径，直至本次生成的更新任务信息与上一次生成的更新任务信息之间的差异小于阈值，则将本次生成的更新任务信息作为目标任务信息，并将目标任务信息发送至各除尘机器人，各除尘机器人根据目标任务信息以遍历更新任务信息对应的目标除尘位置所需的综合成本最低为目标生成目标路径；

7、s5：根据来自各除尘机器人的目标路径生成初始任务分配表，根据初始任务分配表执行迭代优化操作，以生成关于除尘机器人集群中的所有除尘机器人遍历全部目标除尘位置所需的综合成本最低的更新任务分配表，并且，根据来自各除尘机器人的目标路径生成碰撞信息，根据碰撞信息调整更新任务分配表以生成目标任务分配表，并将目标任务分配表分解为多个子任务后将各子任务发送至对应的除尘机器人。

8、采用上述方案，将除尘机器人的任务分配与动作规划统筹考虑，利用动作规划的结果评估任务分配的效能，并不断对任务分配的方案进行完善，不仅能使任务分配更加合理，也可以提高动作规划的效率，减少除尘机器人集群在执行除尘任务时的成本。在确定各除尘机器人的目标任务的整个过程中，都以完成除尘任务所需的综合成本最低为目标，能够在众多可行的任务中挑选出综合成本最低任务，实现了除尘机器人集群的协同调度高精度和高效率。并且，本方案将任务分配与动作规划统筹考虑，提高了任务分配的合理性和动作规划的效率，减少除尘机器人集群在执行除尘任务时的综合成本，实现了除尘效果和除尘能耗的平衡。

9、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，外部监测装置包括设置在目标监测区域内的图像获取部件和粉尘浓度监测部件；粉尘信息包括粉尘中心位置坐标和粉尘浓度；其中，粉尘中心位置坐标经由图像获取部件获得；粉尘浓度经由粉尘浓度监测部件获得；并且，除尘任务为将目标监测区域内的粉尘浓度降低至目标浓度以下；综合成本包括时间成本、路程成本、以及能耗成本；初始任务信息和更新任务信息均包括各除尘机器人需要遍历的各目标除尘位置对应的除尘位置坐标、以及各除尘位置坐标的遍历顺序。

10、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，步骤s1中，利用遗传算法生成初始任务信息；其中，遗传算法对应的目标函数为：除尘机器人集群完成除尘任务所需的综合成本最低；遗传算法对应的约束条件为：除尘任务全部完成。

11、采用上述方案，利用遗传算法生成初始任务信息，由于遗传算法是从问题解的串集开始搜索，而不是从单个解开始，覆盖面更大，利于全局择优，可以使得初始任务信息的生成更加准确快速。

12、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，利用遗传算法生成初始任务信息包括：

13、s11：将遗传算法的当前进化代数置0，设置遗传算法的最大进化代数，随机生成若干任务个体作为初始任务群体；其中，各任务个体均包括除尘机器人集群完成除尘任务对应的每一个除尘机器人所需要遍历的除尘位置坐标、以及各除尘位置坐标的遍历顺序；

14、s12：根据综合成本确定遗传算法的适应度函数，并根据适应度函数计算初始任务群体中各任务个体的适应度；

15、s13：根据各任务个体的适应度的计算结果对各任务个体进行遗传运算，以完成一次进化并生成更新任务群体，判断当前进化代数是否等于最大进化代数；其中，遗传运算包括依次进行的选择运算、交叉运算、以及变异运算；

16、若是，则执行步骤s14；

17、若否，则返回步骤s12并计算更新任务群体中的各任务个体的适应度；

18、s14：对进化过程中所有的任务群体进行平滑算子操作，并输出进化过程中具有最大适应度的任务个体。

19、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，步骤s11中，随机生成若干任务个体作为初始任务群体包括：利用拟随机低差异序列随机生成若干初始任务群体；并且，步骤s11之后，还包括：利用莱文斯坦距离算法优化初始任务群体。

20、采用上述方案，采用拟随机低差异序列生成初始任务群体，可以提高算法的收敛性，能快速输出最优结果。并且，采用莱文斯坦距离算法优化后的任务个体的差异比较小，可以使得样本分布更均匀，并进一步提高算法的收敛性、快速地输出最优结果。

21、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，适应度函数为：

22、fitness(i)＝a/tt(i)+b/ttc(i)+c/bu(i)

23、其中，fitness(i)为第i个任务个体的适应度，tt(i)为第i个任务个体的总时间成本，ttc(i)为第i个任务个体的总路径成本，bu(i)为第i个任务个体的总能耗成本；a、b、c均为范围为[0,1]的权重，并且，a+b+c＝1。

24、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，步骤s2中，各除尘机器人利用曼哈顿距离算法生成初始反馈路径；其中，利用曼哈顿距离算法生成初始反馈路径包括：除尘机器人获取除尘机器人当前所在的位置，并将其作为起始位置；除尘机器人根据初始任务信息确定其需要遍历的各目标除尘位置对应的除尘位置坐标、以及各除尘位置坐标的遍历顺序，并按照遍历顺序将最后一个除尘位置坐标作为目标位置、将目标位置与起始位置之间的除尘位置坐标作为中间位置；依次确定除尘机器人对应的起始位置至中间位置的曼哈顿距离、中间位置目标位置的曼哈顿距离，并将从起始位置至目标位置的曼哈顿距离对应的路径作为初始反馈路径。

25、采用上述方案，利用曼哈顿距离算法生成初始反馈路径避免了直接以直线作为行进路径成功率较低的问题。并且，曼哈顿距离算法的计算速度快，提升了对机器人集群的协同调度的效率。

26、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，步骤s5中，利用迭代优化算法生成更新任务分配表；其中，利用迭代优化算法生成更新任务分配表包括：

27、s51：搭建迭代优化模型，并确定迭代优化的最大迭代次数；其中，搭建迭代优化模型包括：将初始任务分配表作为迭代优化的状态、将各除尘机器人的目标路径变化后形成的变化路径作为迭代优化的动作、并根据除尘机器人集群的综合成本确定迭代优化的奖励值；

28、s52：剔除初始任务分配表中根据目标监测区域对应的调度规则确定的不可选择的目标路径；

29、s53：利用迭代优化模型框架进行迭代优化，并判断当前迭代次数是否等于最大迭代次数；

30、若是，则执行步骤s56；

31、若否，则执行步骤s54：

32、s54：初始化迭代优化的奖励值和迭代优化的动作选择策略，根据预设的迭代速率对迭代优化模型进行迭代循环；

33、s55：判断迭代优化模型输出的任务分配表对应的综合成本是否达到目标成本阈值；

34、若是，则执行步骤s56；

35、若否，则重新选择迭代优化的动作，并根据重新选择的动作对迭代优化模型进行迭代循环，直至迭代优化模型输出的任务分配表对应的综合成本达到目标成本阈值；

36、s56：判断迭代优化模型是否收敛；

37、若是，则输出迭代过程中最大的奖励值对应的各除尘机器人的路径以形成更新任务分配表；

38、若否，则返回步骤s54，调整迭代速率，并根据调整后的迭代速率对迭代优化模型进行迭代循环，直至迭代优化模型收敛。

39、采用上述方案，利用迭代优化算法生成更新任务分配表，可以提高得到的最优策略的准确度。

40、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，步骤s56中，形成更新任务分配表之后，还包括：

41、根据更新任务分配表判断是否有除尘机器人处于无任务的待机状态；

42、若是，则调整处于待机状态的除尘机器人对应的目标路径，以生成协同任务分配表，并返回至步骤s51中，根据协同任务分配表重新搭建迭代优化模型；

43、若否，则根据碰撞信息调整更新任务分配表以生成目标任务分配表。

44、采用上述方案，如果有除尘机器人处于无任务的待机状态，则调整该除尘机器人对应的目标路径可以提高除尘机器人集群的协同性，弥补任务分配的不完善、减少除尘机器人无任务待机状态，最终可以达到缩短整个调度及除尘运行的总时间、以及降低能耗的目的。并且，根据碰撞信息调整更新任务分配表，可以避免任意的除尘机器人在除尘过程中与其他除尘机器人相撞的可能性，提高了除尘的效率，保证了除尘机器人的安全性。

45、根据本发明的另一具体实施方式，本发明实施方式公开的除尘机器人集群的协同调度方法，除尘机器人集群还包括与各除尘机器人通信连接的调度服务器。

46、采用上述方案，通过调度服务器与各除尘机器人通信连接并执行相应的数据处理操作，减少了除尘机器人的计算量，也提高了对除尘机器人集群控制的便利性。

47、本发明的实施方式公开了一种电子设备，包括处理器、存储介质以及计算机程序，计算机程序存储于存储介质中，计算机程序被处理器执行时实现如上任意实施方式所描述的除尘机器人集群的协同调度方法。

48、本发明的实施方式公开了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上任意实施方式所描述的除尘机器人集群的协同调度方法。

49、本发明的有益效果是：

50、本方案提供的除尘机器人集群的协同调度方法，在生成各除尘机器人执行除尘任务对应的目标路径时，不断地进行生成反馈路径和任务信息之间的循环，直至达到预设的条件后，才将目标任务信息发送至各除尘机器人，并由除尘机器人生成目标路径。反馈路径与各除尘机器人的动作规划相关、任务信息与除尘机器人的任务分配相关，将除尘机器人的任务分配与动作规划统筹考虑，利用动作规划的结果评估任务分配的效能，并不断对任务分配的方案进行完善，不仅能使任务分配更加合理，也可以提高动作规划的效率，减少除尘机器人集群在执行除尘任务时的成本。并且，在确定各除尘机器人的目标任务的整个过程中，都以完成除尘任务所需的综合成本最低为目标，通过这样的方式，能够在众多可行的任务中挑选出综合成本最低任务，各除尘机器人根据该目标任务去完成除尘任务，整个过程所需的综合成本必然是最低的。从而使得各除尘机器人能够利用最低的成本实现最显著的除尘效果，实现了除尘机器人集群的协同调度高精度和高效率，同时也实现了除尘效果和除尘能耗的平衡。

51、进一步，在利用遗传算法生成任务信息时，采用拟随机低差异序列生成初始任务群体，可以提高算法的收敛性，能快速输出最优结果。并且，采用莱文斯坦距离算法优化后的任务个体的差异比较小，可以使得样本分布更均匀，并进一步提高算法的收敛性、快速地输出最优结果。

52、更进一步，利用曼哈顿距离算法生成反馈路径，避免了直接以直线作为行进路径成功率较低的问题。并且，曼哈顿距离算法的计算速度快，提升了对机器人集群的协同调度的效率。