CN118732689A - 一种智能重载agv调度方法 - Google Patents

Abstract

本发明公开了一种智能重载AGV调度方法，涉及AGV调度技术领域，用于解决现有重载AGV调度方法面对日益复杂的工业环境和日益增长的运输需求时，存在响应速度慢、路径规划不灵活、任务分配优化不足等缺陷；包括传感器获取重载AGV的位置与路径数据、任务状态数据、交通与环境数据、设备状态数据和协同作业数据，对重载AGV环境场景进行分析和对重载AGV场景调度进行分析得到预计任务处理时间等结果；本发明智能化调度不仅提高了重载AGV系统的运行效率，还能够最大限度地减少因设备问题或调度不当而导致的任务延误和安全隐患，从而显著提升整个运输系统的可靠性和稳定性。

Description

一种智能重载AGV调度方法

技术领域

本发明涉及AGV调度技术领域，具体为一种智能重载AGV调度方法。

背景技术

重载AGV又称为自动化引导运输车，是一种在特定路径上自主导航、搬运重物的智能设备。它能够按照预定的导引路径，通过计算机控制，自动完成物料的搬运任务；重载AGV调度是自动化物流系统中至关重要的一个环节，它涉及对重载AGV的任务分配、路径规划、交通控制以及异常情况处理等多个方面。

而现有重载AGV调度在面对日益复杂的工业环境和日益增长的运输需求时，仍存在响应速度慢、路径规划不灵活、任务分配优化不足等缺陷。随着技术的进步和应用需求的不断提高，现有的调度方法亟需进一步改进，以提高AGV系统的整体效率和智能化水平。

发明内容

本发明的目的在于为了解决现有重载AGV调度存在响应速度慢、路径规划不灵活、任务分配优化不足等问题，而提出一种智能重载AGV调度方法。

本发明的目的可以通过以下技术方案实现：一种智能重载AGV调度方法，包括：

S1：获取重载AGV的位置与路径数据、任务状态数据、交通与环境数据、设备状态数据和协同作业数据；

S2：对重载AGV环境场景进行分析，具体分析步骤为：

S201：对位置与路径数据进行分析，位置与路径数据包括重载AGV位置和重载AGV行驶路径，对每条重载AGV行驶路径进行分析；获取重载AGV行驶路径的长度和最小宽度以及重载AGV行驶路径内转弯次数和对应的转弯角度，还获取重载AGV行驶路径两次转弯之间的距离；并通过计算得到重载AGV行驶路径速度系数；

S202：对交通与环境数据进行分析得到交通系数、环境系数和综合交环值；

S3：通过对重载AGV场景调度进行分析，具体分析步骤为：

S301：对任务状态数据进行分析得到任务规格安全值；将任务规格安全值与对应的运输场景相应的速度进行比较，若任务规格安全值大于对应的运输场景相应的速度时，则采用对应的运输场景相应的速度；反之，则将对应的运输场景对应的预设场景因子与任务规格安全值GAZ进行匹配，然后计算得到预计任务处理时间；

S302：对设备状态数据进行分析，其中设备状态数据包括负载数据、能耗数据和维护与保养数据，具体分析为：

S321：对负载数据进行分析生成负载装运异常信号；

S322：对能耗数据进行分析生成充电信号、可用信号和维护信号；

S323：对维护与保养数据进行分析生成保养信号；

S303：对协作数据进行处理，获取基于重载AGV的可用数量、负载装运异常信号、充电信号、可用信号、保养信号、维护信号和预计任务处理时间进行协作处理。

作为本发明的一种优选实施方式，所述对交通与环境数据进行分析得到交通系数的具体过程为：

通过获取交通与环境数据，包括重载AGV交通数据和运输环境数据，其中，重载AGV交通数据包括重载AGV交通密度、交通速度和交通路径利用率，运输环境数据包括动态障碍物数据和交通信号与优先级数据；重载AGV交通密度通过使用LiDAR或GPS获取AGV工作区域内的AGV数量，交通速度通过速度传感器或GPS记录AGV的行驶速度，交通路径利用率通过路径监控和AGV任务数据统计路径使用频率；获取移动障碍物的位置O_i和移动速度O_V；交通信号与优先级数据通过信号灯系统和调度系统的记录，获取信号变化和优先级分配情况；通过公式：输出交通系数JTX，D_t为重载AGV交通密度，D_ref为参考交通密度，k₁是预设调整因子，交通速度为V_t， V_max为最大允许速度，U_t为交通路径利用率，U_ref为参考利用率，k₂是预设调整因子，e为自然数，a1、a2和a3均为各自对应的预设权重因子。

作为本发明的一种优选实施方式，其特征在于，所述对交通与环境数据进行分析得到环境系数和综合交环值的具体过程为：

通过公式：输出环境系数HJX，O_t为动态障碍物系数，O_ref为参考障碍物数量，k₃是预设调整因子，S_t为交通信号与优先等级值，S_ref为参考信号状态或优先级分配值，k₄是预设调整因子，b1、b2、a4和a5均为预设权重因子；由公式：输出综合交环值JHZ；再由综合交环值JHZ与预设场景区间进行匹配若综合交环值JHZ属于场景区间一，则运输场景为安全运输场景；若综合交环值JHZ属于场景区间二，则运输场景为低速运输场景；若综合交环值JHZ属于场景区间三，则运输场景为中速运输场景；若综合交环值JHZ属于场景区间四，则运输场景为高速运输场景；将分析得到安全运输场景或低速运输场景或中速运输场景或高速运输场景进行储存。

作为本发明的一种优选实施方式，所述对负载数据进行分析生成负载装运异常信号的具体过程为：

通过重载AGV搭载的负载传感器获取当前承载的物料重量和物料在AGV上的分布情况；物料在AGV上的分布情况则通过依据对重载AGV承载区域划分成若干个承载分布区域，再将若干个承载分布区域区分成中心区域和边缘区域，若边缘区域的物料重量大于中心区域的物料重量的p倍，则分布情况判定为边缘区域，并获取边缘区域的物料重量，对若干个承载边缘区域进行分布分析，获取前三个边缘区域的物料重量最大的区域，并将前三个边缘区域之间的间隔距离，若前三个边缘区域之间的间隔距离其中一个小于对应预设间隔距离时，则生成负载装运异常信号。

作为本发明的一种优选实施方式，所述对能耗数据进行分析生成充电信号、可用信号和维护信号的具体过程为：

获取重载AGV当前剩余的电池电量和电池能耗率以及重载AGV充电时长；将获取的重载AGV当前剩余的电池电量与设定一个最低剩余电量阈值进行比较，若剩余的电池电量高于该阈值的AGV标记为可用；反之，则生成充电信号，且正在充电且电量尚未达到工作阈值的AGV不计入可用数量，若电量达到工作阈值的AGV计入可用数量，并生成可用信号；再将电池能耗率与对应能耗率阈值进行比较，若重载AGV的能耗率大于对应能耗率阈值，则将对应的重载AGV排除出可用AGV列表，并生成维护信号。

作为本发明的一种优选实施方式，所述对协作数据进行处理的具体过程为：

若生成负载装运异常信号，通过相应的处理人员进行处理，则重载AGV的可用数量减少，并将生成负载装运异常信号的路径进行异常标记，重新生成运输道路路径，再获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间；若生成充电信号或保养信号或维护信号时，则对应的重载AGV完成当前任务后进行充电，重载AGV的可用数量减少，通过获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间；同理，若生成可用信号，则重载AGV的可用数量增加，通过获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间。

与现有技术相比，本发明的有益效果是：

1、通过对重载AGV环境场景的分析，系统能够精准地识别和分类不同的运输场景，确保运输的安全性和效率；通过分析路径、交通和环境数据，系统能够实时评估重载AGV的行驶路径速度系数、交通系数和环境系数，并最终输出综合交环值JHZ，用于匹配相应的运输场景；这一过程提高了重载AGV在复杂环境中的自主决策能力，还能优化运输路径选择，有效减少运输时间和能耗，提高整体运输效率，同时保障了运输过程中的安全性。

2、通过对重载AGV场景调度的分析，系统能够动态调整和优化重载AGV的任务分配与路径规划。通过对任务状态、设备状态和协作数据的深入分析，系统能够有效管理AGV的负载、能耗、维护保养等关键因素，确保每辆AGV的高效利用。当检测到负载异常、低电量或维护需求时，系统能够迅速作出调整，重新分配任务和路径，保证运输任务按时、安全地完成；这种智能化调度不仅提高了重载AGV系统的运行效率，还能够最大限度地减少因设备问题或调度不当而导致的任务延误和安全隐患，从而显著提升整个运输系统的可靠性和稳定性。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明做进一步的说明。

图1为本发明的方法步骤图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，本披露的说明书和权利要求书中使用的术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样，除非上下文清楚地指明其他情况，否则单数形式的“一”“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1所示，一种智能重载AGV调度方法，具体步骤为：

S1：由传感器获取重载AGV的位置与路径数据、任务状态数据、交通与环境数据、设备状态数据和协同作业数据，具体为：位置与路径数据通过GPS、激光导航或视觉导航系统进行获取；交通与环境数据通过超声波传感器、红外传感器、激光雷达（LiDAR）等，实时感知道路状况和动态障碍物信息；设备状态数据通过重载AGV内部配备各种传感器，如电池电量传感器、温度传感器、振动传感器等，实时监测重载AGV的运行状态；协同作业数据通过利用无线通信技术（如Wi-Fi、Zigbee）和通信协议，重载AGV之间可以交换任务状态、路径信息等协作数据，确保多重载AGV系统的协同工作；

S2：对重载AGV环境场景进行分析，具体分析步骤为：

S201：对位置与路径数据进行分析：位置与路径数据包括重载AGV位置和重载AGV行驶路径，并对每条重载AGV行驶路径进行分析；获取重载AGV行驶路径的长度和最小宽度以及重载AGV行驶路径内转弯次数和对应的转弯角度，还获取重载AGV行驶路径两次转弯之间的距离；并通过公式：输出重载AGV行驶路径速度系数LJ_β；其中，L为路径总长度，T为重载AGV行驶路径总时间，路径的最小宽度为W_min，W_ref是参考路径宽度，i为路径上某个位置点，α_i为在i位置点方向的变化角度，d_ref为参考转弯间距；d_i为在i位置点到i+1位置点之间的距离，n为重载AGV行驶路径内转弯次数；

S202：对交通与环境数据进行分析；交通与环境数据包括重载AGV交通数据和运输环境数据，其中，重载AGV交通数据包括重载AGV交通密度、交通速度和交通路径利用率，运输环境数据包括动态障碍物数据和交通信号与优先级数据；重载AGV交通密度通过使用LiDAR或GPS获取AGV工作区域内的AGV数量，计算每平方米的AGV数量，交通速度通过速度传感器或GPS记录AGV的行驶速度，计算平均值；交通路径利用率通过路径监控和AGV任务数据统计路径使用频率；动态障碍物数据（AGV路径中存在的移动障碍物，如行人、车辆等）获取移动障碍物的位置O_i和移动速度O_V；交通信号与优先级数据通过信号灯系统和调度系统的记录，获取信号变化和优先级分配情况；通过公式：输出交通系数JTX，D_t为重载AGV交通密度，D_ref为参考交通密度，k₁是预设调整因子，交通速度为V_t， V_max为最大允许速度，U_t为交通路径利用率，U_ref为参考利用率，k₂是预设调整因子，e为自然数，a1、a2和a3均为各自对应的预设权重因子；再通过公式：输出环境系数HJX，O_t为动态障碍物系数，O_ref为参考障碍物数量，k₃是预设调整因子，S_t为交通信号与优先等级值，S_ref为参考信号状态或优先级分配，k₄是预设调整因子，b1、b2、a4和a5均为各自对应的预设权重因子；最后由公式：输出综合交环值JHZ；再由综合交环值JHZ与预设场景区间进行匹配，预设场景区间包括场景区间一、场景区间二、场景区间三和场景区间四；场景区间一对应一个区间（CF1，CF2]，场景区间二对应一个区间（CF2，CF3]，场景区间三对应一个区间（CF3，CF4]，场景区间四对应一个区间（CF4，CF5]；CF1＜CF2＜CF3＜CF4＜CF5；若JHZ∈（CF1，CF2]，则对应场景区间一，其运输场景为安全运输场景；若JHZ∈（CF2，CF3]，则对应场景区间二，其运输场景为低速运输场景；若JHZ∈（CF3，CF4]，则对应场景区间三，其运输场景为中速运输场景；若JHZ∈（CF4，CF5]，则对应场景区间三，其运输场景为高速运输场景；进一步的，将分析得到安全运输场景或低速运输场景或中速运输场景或高速运输场景进行储存；

S3：对重载AGV场景调度进行分析，具体分析步骤为：

S301：对任务状态数据进行分析；任务状态数据包括任务数量、任务规格和任务安全等级（任务安全等级表示任务在执行过程中对安全的要求级别，任务安全等级，通过数据库获取对应任务运输的货物的紧急系数、不可替代系数和资金价值等因素，紧急性系数是由对应任务运输货物时间长短进行判定的，对应任务运输货物时间越长，则紧急性系数越小；不可替代系数是由对应任务运输货物的可替代货物的数量判定的，可替代货物的数量越多，则不可替代系数越小；通过公式：输出任务安全值RAZ，其中，Jj为紧急系数，θ为不可替代系数，q为资金价值金额，h1，h2和h3均为预设权重因子；再通过设置任务安全阈值一RAZ1和任务安全阈值二RAZ2，且RAZ1<RAZ2；若任务安全值RAZ小于等于RAZ1时，为安全等级为低；若任务安全值RAZ大于RAZ1，小于等于RAZ2时，为安全等级为中；若任务安全值RAZ大于RAZ2时，为安全等级为高）；先获取重载AGV的身份编号，再获取任务的总数量，对总数量编号，并记录每个重载AGV的身份编号对应任务的分配时间、开始时间和结束时间；还获取任务中所需处理物料的重量、体积，以及特殊处理要求（如温控、易碎等）；最后，通过安全等级数据库获取对应任务安全等级（每个任务的安全等级，如：高、中、低，安全相关的特定要求），若安全等级为高时，则将对应的任务安全值RAZ判定为固定值A1，如取值为100；若安全等级为中时，则将对应的任务安全值RAZ判定为固定值A2，如取值为60；若安全等级为低时，则将对应的任务安全值RAZ判定为固定值A3，如取值为30，且A1>A2>A3；并对任务状态运输中最高速计算，具体为：通过公式：输出任务规格安全值GAZ，其中，e为自然数，c1和c2均为各自对应的预设权重因子，G1为任务中所需处理物料的重量，K1为任务中所需处理物料的体积，tη为特殊处理要求值，若获取任务中不存在特殊处理要求，则tη为0，Aλ为任务安全等级，且λ=1或2或3；

进一步的，将任务规格安全值GAZ与对应的运输场景相应的速度进行比较，若任务规格安全值GAZ大于对应的运输场景相应的速度时，则采用对应的运输场景相应的速度；反之，则将对应的运输场景对应的预设场景因子与任务规格安全值GAZ进行匹配，安全运输场景、低速运输场景、中速运输场景和高速运输场景对应的预设场景因子分别为CJZ1、CJZ2、CJZ3和CJZ4，并通过公式：输出预计任务处理时间YSZ，其中，L_f为场景Jf（安全运输场景、低速运输场景、中速运输场景和高速运输场景分别标记为J1、J2、J3和J4；）的路径长度，Q为任务数量，CJZf为预设场景因子分别为CJZ1、CJZ2、CJZ3和CJZ4的统称，且f=1，2，3，4；C为重载AGV的数量，C’为对应重载AGV的运输量修正因子；将预计任务处理时间YSZ与预设处理时间阈值进行比较，若预计任务处理时间YSZ大于预设处理时间阈值，则对重载AGV状态进行分析，执行S302；

S302：对设备状态数据进行分析，其设备状态数据包括负载数据、能耗数据和维护与保养数据，具体为：

S321：对负载数据进行分析，通过重载AGV搭载的负载传感器获取当前承载的物料重量和物料在AGV上的分布情况；物料在AGV上的分布情况则通过依据对重载AGV承载区域划分成若干个承载分布区域，再将若干个承载分布区域区分成中心区域和边缘区域，若边缘区域的物料重量大于中心区域的物料重量的p倍（p的数值大小由对应规格的AGV进行决定），则分布情况判定为边缘区域，并获取边缘区域的物料重量，对若干个承载边缘区域进行分布分析，获取前三个边缘区域的物料重量最大的区域，并将前三个边缘区域之间的间隔距离，若前三个边缘区域之间的间隔距离其中一个小于对应预设间隔距离时，则生成负载装运异常信号；需要说明的是：前三个边缘区域的物料重量均有一定的差值，若前三个边缘区域之间的间隔距离小于对应预设间隔距离，且前三个边缘区域的物料重量差值小于对应的预设差值时，则判定为无效数据；

S322：对能耗数据进行分析，获取重载AGV当前剩余的电池电量和电池能耗率（能耗率=消耗的电量÷行驶距离）以及重载AGV充电时长；将获取的重载AGV当前剩余的电池电量与设定一个最低剩余电量阈值（如20%）进行比较，若剩余的电池电量高于该阈值的AGV才被视为可用；反之，则生成充电信号，且正在充电且电量尚未达到工作阈值的AGV不计入可用数量，若电量达到工作阈值的AGV计入可用数量，并生成可用信号；再将电池能耗率与对应能耗率阈值进行比较，若重载AGV的能耗率大于对应能耗率阈值，则将对应的重载AGV排除出可用AGV列表，并生成维护信号；

S323：对维护与保养数据进行分析；获取每个重载AGV的维护保养记录得到对应的保养日期，若某一重载AGV的保养日期与符合采集的实时日期，将对应的重载AGV排除出可用AGV列表，生成保养信号；再统计重载AGV的可用数量；

S303：对协作数据进行处理，获取基于重载AGV的可用数量、负载装运异常信号、充电信号、可用信号、保养信号、维护信号和预计任务处理时间；若生成负载装运异常信号，则通过相应的处理人员进行处理，则重载AGV的可用数量减少，并将生成负载装运异常信号的路径进行异常标记，重新生成运输道路路径，再获取重载AGV的新可用数量以及运输道路的路径数据等基于S2、S301进行计算得到新预计任务处理时间；若生成充电信号或保养信号或维护信号，则对应的重载AGV完成当前任务后进行充电，则重载AGV的可用数量减少，并通过获取重载AGV的新可用数量以及运输道路的路径数据等基于S2、S301进行计算得到新预计任务处理时间；同理，若生成可用信号，则重载AGV的可用数量增加，并通过获取重载AGV的新可用数量以及运输道路的路径数据等基于S2、S301进行计算得到新预计任务处理时间。

本申请涉及的预设因子均为本领域技术人员在使用时进行自定义设定。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (6)

1.一种智能重载AGV调度方法，其特征在于，包括：

S1：获取重载AGV的位置与路径数据、任务状态数据、交通与环境数据、设备状态数据和协同作业数据；

S2：对重载AGV环境场景进行分析，具体分析步骤为：

S201：对位置与路径数据进行分析，位置与路径数据包括重载AGV位置和重载AGV行驶路径，对每条重载AGV行驶路径进行分析；获取重载AGV行驶路径的长度和最小宽度以及重载AGV行驶路径内转弯次数和对应的转弯角度，还获取重载AGV行驶路径两次转弯之间的距离；并通过计算得到重载AGV行驶路径速度系数；通过公式：输出任务规格安全值GAZ，其中，e为自然数，c1和c2均为各自对应的预设权重因子，G1为任务中所需处理物料的重量，K1为任务中所需处理物料的体积，tη为特殊处理要求值，若获取任务中不存在特殊处理要求，则tη为0，Aλ为任务安全等级，且λ=1或2或3；

S202：对交通与环境数据进行分析得到交通系数、环境系数和综合交环值；

S3：通过对重载AGV场景调度进行分析，具体分析步骤为：

S301：对任务状态数据进行分析得到任务规格安全值；将任务规格安全值与对应的运输场景相应的速度进行比较，若任务规格安全值大于对应的运输场景相应的速度时，则采用对应的运输场景相应的速度；反之，则将对应的运输场景对应的预设场景因子与任务规格安全值GAZ进行匹配，然后计算得到预计任务处理时间；

S302：对设备状态数据进行分析，其中设备状态数据包括负载数据、能耗数据和维护与保养数据，具体分析为：

S321：对负载数据进行分析生成负载装运异常信号；

S322：对能耗数据进行分析生成充电信号、可用信号和维护信号；

S323：对维护与保养数据进行分析生成保养信号；

S303：对协作数据进行处理，获取基于重载AGV的可用数量、负载装运异常信号、充电信号、可用信号、保养信号、维护信号和预计任务处理时间进行协作处理。

2.根据权利要求1所述的一种智能重载AGV调度方法，其特征在于，所述对交通与环境数据进行分析得到交通系数的具体过程为：

通过获取交通与环境数据，包括重载AGV交通数据和运输环境数据，其中，重载AGV交通数据包括重载AGV交通密度、交通速度和交通路径利用率，运输环境数据包括动态障碍物数据和交通信号与优先级数据；重载AGV交通密度通过使用LiDAR或GPS获取AGV工作区域内的AGV数量，交通速度通过速度传感器或GPS记录AGV的行驶速度，交通路径利用率通过路径监控和AGV任务数据统计路径使用频率；获取移动障碍物的位置O_i和移动速度O_V；交通信号与优先级数据通过信号灯系统和调度系统的记录，获取信号变化和优先级分配情况；通过公式：输出交通系数JTX，D_t为重载AGV交通密度，D_ref为参考交通密度，k₁是预设调整因子，交通速度为V_t， V_max为最大允许速度，U_t为交通路径利用率，U_ref为参考利用率，k₂是预设调整因子，e为自然数，a1、a2和a3均为各自对应的预设权重因子。

3.根据权利要求1所述的一种智能重载AGV调度方法，其特征在于，所述对交通与环境数据进行分析得到环境系数和综合交环值的具体过程为：

通过公式：输出环境系数HJX，O_t为动态障碍物系数，O_ref为参考障碍物数量，k₃是预设调整因子，S_t为交通信号与优先等级值，S_ref为参考信号状态或优先级分配值，k₄是预设调整因子，b1、b2、a4和a5均为预设权重因子；由公式：输出综合交环值JHZ；再由综合交环值JHZ与预设场景区间进行匹配若综合交环值JHZ属于场景区间一，则运输场景为安全运输场景；若综合交环值JHZ属于场景区间二，则运输场景为低速运输场景；若综合交环值JHZ属于场景区间三，则运输场景为中速运输场景；若综合交环值JHZ属于场景区间四，则运输场景为高速运输场景；将分析得到安全运输场景或低速运输场景或中速运输场景或高速运输场景进行储存。

4.根据权利要求1所述的一种智能重载AGV调度方法，其特征在于，所述对负载数据进行分析生成负载装运异常信号的具体过程为：

通过重载AGV搭载的负载传感器获取当前承载的物料重量和物料在AGV上的分布情况；物料在AGV上的分布情况则通过依据对重载AGV承载区域划分成若干个承载分布区域，再将若干个承载分布区域区分成中心区域和边缘区域，若边缘区域的物料重量大于中心区域的物料重量的p倍，则分布情况判定为边缘区域，并获取边缘区域的物料重量，对若干个承载边缘区域进行分布分析，获取前三个边缘区域的物料重量最大的区域，并将前三个边缘区域之间的间隔距离，若前三个边缘区域之间的间隔距离其中一个小于对应预设间隔距离时，则生成负载装运异常信号。

5.根据权利要求1所述的一种智能重载AGV调度方法，其特征在于，所述对能耗数据进行分析生成充电信号、可用信号和维护信号的具体过程为：

获取重载AGV当前剩余的电池电量和电池能耗率以及重载AGV充电时长；将获取的重载AGV当前剩余的电池电量与设定一个最低剩余电量阈值进行比较，若剩余的电池电量高于该阈值的AGV标记为可用；反之，则生成充电信号，且正在充电且电量尚未达到工作阈值的AGV不计入可用数量，若电量达到工作阈值的AGV计入可用数量，并生成可用信号；再将电池能耗率与对应能耗率阈值进行比较，若重载AGV的能耗率大于对应能耗率阈值，则将对应的重载AGV排除出可用AGV列表，并生成维护信号。

6.根据权利要求1所述的一种智能重载AGV调度方法，其特征在于，所述对协作数据进行处理的具体过程为：

若生成负载装运异常信号，通过相应的处理人员进行处理，则重载AGV的可用数量减少，并将生成负载装运异常信号的路径进行异常标记，重新生成运输道路路径，再获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间；若生成充电信号或保养信号或维护信号时，则对应的重载AGV完成当前任务后进行充电，重载AGV的可用数量减少，通过获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间；同理，若生成可用信号，则重载AGV的可用数量增加，通过获取重载AGV的新可用数量以及运输道路的路径数据，通过步骤S2、S301进行计算得到新预计任务处理时间。