数字孪生驱动的物流仓储无人仓多AGV全局路径规划研究
简介：为提升物流仓储无人仓中多AGV系统的运行效率与数智化水平,构建了一种基于数字孪生的多AGV全局路径规划模型.设计了由物理层、虚拟层、数据层与应用层组成的数字孪生架构,并设计了 P2V与V2P双向实时交互机制.在此基础上,提出一种融合改进A*算法、深度Q网络(DQN)与冲突搜索(CBS)算法的混合路径规划方法.实例验证表明:在6～12台AGV的不同规模场景下,该混合算法的平均路径长度较传统及改进A*算法降低10％～13％,能耗降低10％～20％,平均冲突率较蚁群算法降低50％以上.结果表明,该方法在路径长度、能耗与冲突率等关键指标上均显著优于对比算法,具有良好的灵活性、可扩展性与工程适用性,为无人仓AGV协同调度提供了新思路.展开
在线出版日期：2026-03-19 （网站首发日期）
