1.2　面向新一代智能制造的AGV物料运输需求

在智能工厂中，AGV/机器人是其中的重要一环，它们主要应用于自动化生产车间（见图1-7）和物流仓库，承担物流运输等工作。制造系统走向分布式控制是一种发展趋势。人们曾经采用不同途径和方法来研究分布式智能制造，尤其是从多智能体或多机器人协同视角来研究，而基于多智能体的智能制造可以追溯到自组织制造（Self-Organizing Manufacturing，SOM）。SOM本质上是一种智能制造模式，也是解决工业4.0中定制化产品生产的一种途径 ^[20] 。

与传统自上而下的制造系统集中式控制不同，SOM采用自下而上的控制方式，它建立在一个虚拟空间中，由系统个体成员之间的相互作用形成一个全局的行为，即基于设备的执行能力和产品的生产要求进行自主协调生产。

虽然基于多智能体的智能制造研究取得了不少研究成果，但大多数还处于实验和仿真阶段 ^[21] ，受技术条件和成本等因素限制，在实际生产中应用较少，因此必须解决基于多智能体的智能制造如何“落地”的问题，而机器人及其协同工作是实现基于多智能体的智能制造“落地”的重要技术 ^[22] 。

在实际生产中，典型的离散型智能制造是通过AGV实现的。如果将机器（如机床）和AGV看作智能体，那么基于多AGV柔性制造可以看作基于多智能体的智能制造的一种“落地”形式。虽然AGV使制造系统具备了较好的柔性，但其还不能满足工业4.0下自主智能制造所需的自主协同需求。未来智能工厂是信息物理深度融合的生产系统，通过信息与物理一体化的设计与实现，其构成是可定义、可组合的，其流程是可配置、可验证的，在个性化生产任务和场景驱动下，其可自主重构生产过程 ^[23] 。

图1-8所示的CPPS首先通过IoT感知物理资源的原始数据及环境信息，然后通过大数据智能分析抽取隐藏在其中的信息/知识或事件，并根据外部环境变化自主判断决策，通过IoS将制造资源/能力虚拟化和服务化，按照业务流程应用于产品全生命周期制造活动，最后通过信息系统实现对物/机器的控制。大数据信息流最终通过互联网在物理系统和信息系统之间传递，形成一个“操作对象—物理交互—泛在传感—数据传输—大数据—云计算—建模—预测与优化—主动协同控制—自主智能执行—操作对象”循环的闭合回路。

因此，可通过IoS中的生产调度（服务组合）来协同IoT中的制造资源（机器和AGV），其中生产调度由IoS联结的制造云服务组成，对应的物理系统（物理空间）由IoT联结的实体制造资源（机器和AGV）组成。位于虚拟空间的“集中式”任务调度系统，需要完成AGV与机器的作业调度和协调，而分散位于物理系统的AGV，通过雾计算以处理分布式信息的方式实现雾端（物端）的智能和自治。集成AGV的生产作业调度如图1-9所示。

自主机器人是实现工业4.0的关键支撑技术之一 ^[24] ，特别是自主AGV/机器人在其中起到越来越重要的作用 ^[25，26] 。在未来的CPPS中，那些配备传感器和执行器，并能与环境交互而具有智能、合作和交流互动能力的自主单元将成为制造系统的基本元素，企业必将面临如何通过互联互通、分散合作、冲突解除及基于环境观察局部决策来综合考虑生产车间中的AGV定位、导航和协调问题 ^[27] 。随着自主智能制造的发展 ^[28] ，人们要求AGV具备的功能也愈发增多，如需要AGV具备完成自主路径规划、自主充电、自主避让障碍物等功能。其中，完成自主路径规划是各类AGV需要具备的重要功能。在智能工厂的应用环境中，AGV需要及时完成路径规划，并找到最优路径。