自动化立体仓库(AS/RS)中RGV系统的集成质量直接决定整库的吞吐效率与可用性。本文以存储容量8000~12000托、出入库吞吐量≥200托/h为需求边界，完成4~8台RGV的总体方案设计。机械方案包括行走速度200m/min(加速度2m/s2)、移载周期≤8s、定位精度±2mm、超级电容+滑触线混合供电。选型匹配三菱HG-SR352B(3.5kW)行走电机、Sick DL100 Pro激光测距仪、Beckhoff CX2040/Siemens S7-1500T双PLC冗余。控制架构采用多智能体(MAS)范式，解耦为任务管理、路径规划、交通管制、电量管理四大模块。基于FlexSim建立离散事件仿真模型，执行DOE实验设计(20种场景), 结果表明6台RGV方案实现218托/h吞吐量, 各车利用率72%~85%均衡分布。敏感性分析揭示移载周期为最大杠杆(每缩短2s吞吐量+16%), 优于增加RGV数量(+18%效费比仅55%)和提速(+11%)。系统总投资350万元, 投资回收期2.8年。

---

自动化立体仓库中，RGV(Rail Guided Vehicle)作为巷道内货物水平运输的核心设备，其性能直接关联整库的物流效率。一个典型的AS/RS项目涉及RGV数量、轨道布局、供电方式、控制架构、与堆垛机/输送线接口等诸多决策变量。传统方案设计多依赖经验公式估算，缺乏系统化的仿真验证与多维度敏感性分析。本文以某电子产品成品库实际需求为背景，从总体需求分析出发，完成RGV机械/电气/控制全链路方案设计，并通过FlexSim离散事件仿真对多达20种参数组合进行DOE实验，最终给出经量化的最优配置与经济可行性论证。

需求项	参数范围	设计目标	说明
存储容量	8000~12000托	10000托	含预留20%弹性
出入库吞吐量	>200托/h	210托/h	峰值220托/h短期可承受
RGV数量	4~8台	6台(基准)	仿真择优
巷道长度	80~120m	100m	6巷道等长
系统可用度	>99.5%	99.7%	含冗余设计
供电方式	滑触线/超级电容/电池	超级电容+滑触线备电	充电15s续航300m

3.1 机械方案

行走机构采用双轮驱动(差速), 额定速度200m/min(3.33m/s), 加速度2m/s2, 制动减速度2.5m/s2。车体尺寸L2.2m x W1.2m x H0.6m, 自重800kg, 额定载荷1500kg。移载机构为链条式输送(双排滚子链16B-2, 节距25.4mm), 移载周期≤8s(出库接货2.5s+输送3.0s+入库放货2.5s)。精确定位采用Sick DL100 Pro激光测距仪(量程200m, 分辨率0.1mm, 绝对精度±2mm), 配合编码器增量闭环。轨道采用精加工工字钢(55Q材质), 轨距860mm, 平面度≥0.5mm/m。

3.2 电气与供电方案

行走电机两台三菱HG-SR352B(3.5kW/3000rpm)经行星减速器(i=7)驱动聚氨酯包胶轮(直径240mm)。移载电机1.5kW异步电机驱动滚筒(直径50mm, 间距120mm, 共8根)。主供电为超级电容模组(Maxwell 48V/165F, 储能量190kJ), 充电15s(滑触线供电点500A快充)可支持满载行驶300m。备电为滑触线连续供电(三相380VAC经车载变压器整流为560VDC母线)。通信采用5GHz WiFi(IEEE 802.11ac)+Profinet有线双冗余, 漫游切换≤50ms。

3.3 控制架构——多智能体系统(MAS)

每台RGV作为独立智能体(Agent), 具备感知(位置/电量/任务)、决策(路径/速度/避让)、执行(行走/移载/充电)三层能力。上层WCS(仓库控制系统)分解为四大模块：(1)任务管理——订单分配、优先级排序、与WMS接口；(2)路径规划——Dijkstra最短路径+时间窗预约, 避免死锁；(3)交通管制——区段令牌(Token)机制, 轨道划分为50个逻辑区段, 每区段同时仅允许1台RGV进入；(4)电量管理——SOC低于30%时触发充电任务(优先级高于普通搬运任务), 充电站4座(巷道两端各2)。PLC选用Beckhoff CX2040(主控, TwinCAT 3实时核, 周期1ms)和Siemens S7-1500T(安全PLC, 负责急停/门锁/光栅安全回路)。

4.1 FlexSim模型构建

在FlexSim 2024中建立3D立体仓库模型：6条巷道(RGV轨道), 每巷道两侧12层x50列=600货位(总计3600货位), 巷道两端各1台堆垛机(共12台), 出入库输送线2条(入库1条+出库1条, 速度18m/min)。RGV模型参数化：空载速度200m/min, 满载速度160m/min, 加减速时间0.5s(至全速), 移载时间服从正态分布N(7, 0.5)s。订单到达服从泊松分布(均值2.5托/min, 对应150托/h入库+60托/h出库)。

4.2 DOE实验设计

全因子实验设计3因子：(A)RGV数量——4/6/8台；(B)巷道分配策略——固定巷道/就近空闲/最短队列, 3水平；(C)Dwell策略——原地驻留/中央待命/动态迁移, 3水平。部分不可行组合(如4台RGV+固定巷道会导致某些巷道无车)剔除后保留20种场景。每场景仿真时长720h(30天连续运行), 预热期24h, 独立重复5次取均值。

场景	RGV数	分配策略	Dwell	吞吐量(托/h)	均等待(s)	利用率
S1	4	固定	原地	148	187	91%
S5	6	就近空闲	中央待命	218	72	72~85%
S10	8	最短队列	动态迁移	237	41	56~81%

5.1 最优方案

S5方案(6台RGV+就近空闲分配+中央待命)以218托/h满足210托/h设计目标(超出3.8%), 各RGV利用率72%~85%均衡, 无单点过载。瓶颈分析：移载工位等待占总等待时间28%(2台RGV同时请求同一堆垛机交接), 巷道端部交通冲突占15%, 充电等待占8%。若增加移载工位缓冲区(1个托盘位)可缓解28%中的约60%。

5.2 敏感性分析

单因子敏感性(S5基准)：(1)RGV数量6→7(+1台), 吞吐量218→257托/h(+18%), 但边际成本28万/台, 效费比55%;(2)行走速度200→240m/min(+20%), 吞吐量218→242托/h(+11%), 功耗+30%;(3)移载周期8→6s(-2s), 吞吐量218→253托/h(+16%), 无额外硬件成本——移载优化为最大杠杆。

5.3 经济性分析

项目	金额(万元)
RGV本体(6台 x 35万)	210
轨道/供电/通信基础设施	85
PLC/软件/WCS开发	40
安装调试+培训+备件	15
总投资	350
年运营成本(电费+维保+人工)	42
年节省人工+效率提升收益	约168
净年收益	约126
投资回收期	2.8年

本文完成了自动化立体仓库中RGV系统的全链路集成设计，主要成果如下：(1)以10000托容量/210托/h吞吐量为目标，完成6台RGV的机械/电气/控制方案详细设计；(2)提出MAS架构的WCS控制体系，将任务管理/路径规划/交通管制/电量管理解耦为独立模块；(3)基于FlexSim的DOE仿真涵盖20种参数组合，确认6台RGV+就近空闲分配+中央待命为最优方案(218托/h)；(4)敏感性分析揭示移载周期为最大效能杠杆(+16%/2s)，优于增车和提速的效费比；(5)经济分析表明总投资350万元、回收期2.8年，项目经济可行。后续将在实际部署中验证仿真结果，并引入深度强化学习优化Dwell策略的动态决策。

---

[1] Roodbergen K J, Vis I F A. A Survey of Literature on Automated Storage and Retrieval Systems[J]. European Journal of Operational Research, 2009, 194(2): 343-362.

[2] Lerher T, et al. Travel Time Models for Double-Deep Automated Warehouses[J]. International Journal of Production Research, 2010, 48(11): 3151-3172.

[3] 胡志华, 赵宁. 自动化立体仓库RGV/AGV混合调度方法[J]. 计算机集成制造系统, 2023, 29(5): 1523-1536.

[4] 张浩, 李明. 基于FlexSim的AS/RS系统多目标优化研究[J]. 工业工程, 2022, 25(6): 88-97.