详情

原文传递人因约束下基于移动机器人的协作订单挑选过程优化

论文题名：	人因约束下基于移动机器人的协作订单挑选过程优化
关键词：	自动化仓储;订单挑选;移动机器人;人因约束
摘要：	随着仓储自动化水平的不断提升，多机器人系统因其空间占用小，需求响应灵活，且能够全天候工作，越来越多地被应用在仓储环境中。其中，移动机器人订单履行系统(RoboticMobileFulfillmentSystem，RMFS)作为一种特别适用于B2C电子商务订单履行的自动化存取系统，被广泛应用在如Amazon，Walgreens，Zappos，Staples，京东、天猫、苏宁等国内外著名电商企业仓储系统中。RMFS的广泛应用，极大地提高了移动机器人在仓储环境中的普及程度，提升了仓储系统的订单挑选效率，但同时也为配合机器人高效作业的挑拣员带来极高的生理疲劳与压力。　　目前，RMFS的相关研究主要集中在系统结构设计及运行策略优化等方面，鲜有将人为因素考虑在内的研究。在自动化技术大量取代机械性劳动的物流仓储中，对极度依赖挑拣员认知、推断、决策、操作能力的订单挑选过程提出了更高的要求，人因成为制约订单挑选系统效率的关键因素。RMFS人机协作订单挑选过程中的机器人指派决策及机器人货架搬运作为订单挑选最主要的两个组成部分，是工作站挑拣员货物挑选作业顺利进行的前提及保障，共同决定着RMFS订单挑选效率。因此本文针对人因约束下基于移动机器人的协作订单挑选过程优化展开研究，具体为: 　　首先，针对RMFS订单挑选过程中的挑拣员主观不适水平，基于BorgCR-10评估量表、货物位置及货物特征等因素，建立了挑拣员不适程度量化模型。为解决不同挑选任务以及挑拣员不适水平分布下的机器人指派决策问题，采用分散式多智能体强化学习算法，以均衡系统效率和挑拣员不适水平为目标，训练获得移动机器人自主指派策略。通过仿真试验证明所学机器人指派策略对实现挑拣员间工作量合理分配的有效性。　　其次，采用客观反映挑拣员压力状态的瞳孔直径信号，运用可穿戴生理信号传感器实现对挑拣员生理状态的实时、无感的准确检测。考虑到系统运行状态以及挑拣员压力水平的动态复杂性，基于Value-DecompositionNetwork(VDN)多智能体强化学习算法，利用挑拣员压力度量和时间成本构建奖励函数，获得面向挑拣员压力水平的分散式移动机器人自主指派策略。通过仿真试验证明所提方法在保证订单挑选效率的同时，可以有效减少挑拣员压力持续时间。　　然后，针对大订单集合，长时间货物挑拣情况，提出了面向挑拣员疲劳-压力水平管理的机器人指派策略研究框架。在采用瞳孔直径信号实现压力检测的基础上，引入挑拣员心率信号检测，实现对挑拣员疲劳-压力状态的共同检测。基于检测到的挑拣员生理状态，利用QMIX算法获得基于机器人自主决策下的实时指派策略，通过机器人指派与中止指派决策，获得合理的挑拣员工间休息方案。仿真试验证明了所学得机器人指派策略在挑拣员疲劳-压力水平管理方面的有效性。　　最后，针对人机协作订单挑选过程中的机器人货架搬运轨迹跟踪控制过程展开研究。考虑到移动机器人在货架搬运中遇到的模型参数摄动、速度耦合、负载变化以及其他外界干扰，引入了干扰观测器结构，基于所提的简化广义Kharitonov定理，提出了一种干扰观测器和速度控制器参数可行域确定的图像分析方法。仿真试验验证了所提方法在面对被控对象参数有较大摄动和外界扰动时，可以保证轨迹跟踪的有效性。　　综上，本文从移动机器人指派策略及机器人轨迹跟踪控制两方面，对人因约束下基于移动机器人的协作订单挑选过程优化进行了研究，实现在最大程度适应挑拣员生理状态的同时保证移动机器人订单履行系统运行效率。为电子商务仓储环境下人机协作订单挑选过程优化研究提供了科学有效的研究思路及研究方法，为通过提升移动机器人订单履行系统运行效率提高电商企业核心竞争力提供了科学的理论依据。
作者：	牛亚旭
专业：	控制科学与工程
导师：	靳其兵
授予学位：	博士
授予学位单位：	北京化工大学
学位年度：	2021