Abstract An advanced control of manufacturing and transportation systems forms a prominent research field with powerful algorithms developed in the last decades. Challenges still arise, if several automated guide vehicles (AGV) have to be coordinated. This paper focuses on the modelling and fault-tolerant control of multiple AGVs. The considered application concerns a highly flexible AGV transportation system delivering product items to transfer stations at a high-storage warehouse in a manufacturing system. The research contribution concerns the development of a mathematical description of a set of multiple AGVs along with an algorithm that can generate an optimum sequence of item outlet delivery times. The proposed solution addresses both synchronization and concurrency issues, which are inevitable in this kind of multiple-vehicle systems. Apart from these issues, modelling inaccuracy is also addressed using interval analysis coupled with max-plus algebra. Subsequently, fault diagnosis and fault-tolerant control are also investigated and addressed in the proposed approach. This leads to a fault-tolerant control framework, which is based on a fusion of the predictive control and interval max-plus algebra. The distinct quality of the proposed approach is that the optimization can be carried out in a reliable way and that certain faults and modeling uncertainties can be tolerated. The paper concludes with illustrative examples, which show the performance of the proposed approach using both fault-free and faulty scenarios.

中文翻译：

---

多自动导引车的容错控制策略

摘要 制造和运输系统的先进控制形成了一个突出的研究领域，在过去几十年中开发了强大的算法。如果必须协调多个自动导引车 (AGV)，挑战仍然存在。本文重点研究多台AGV的建模与容错控制。所考虑的应用涉及高度灵活的 AGV 运输系统，将产品项目运送到制造系统中高存储仓库的转运站。研究贡献涉及开发一组多个 AGV 的数学描述以及可以生成物品出口交付时间的最佳序列的算法。所提出的解决方案解决了同步和并发问题，这在这种多车辆系统中是不可避免的。除了这些问题之外，还可以使用区间分析和最大加代数来解决建模不准确问题。随后，在所提出的方法中还研究和解决了故障诊断和容错控制。这导致了容错控制框架，该框架基于预测控制和区间最大加代数的融合。所提出的方法的独特之处在于可以以可靠的方式进行优化，并且可以容忍某些故障和建模不确定性。本文最后给出了说明性示例，这些示例显示了所提出的方法在使用无故障和有故障情况下的性能。在所提出的方法中还研究和解决了故障诊断和容错控制。这导致了容错控制框架，该框架基于预测控制和区间最大加代数的融合。所提出的方法的独特之处在于可以以可靠的方式进行优化，并且可以容忍某些故障和建模不确定性。本文最后给出了说明性示例，这些示例显示了所提出的方法在使用无故障和有故障情况下的性能。在所提出的方法中还研究和解决了故障诊断和容错控制。这导致了容错控制框架，该框架基于预测控制和区间最大加代数的融合。所提出的方法的独特之处在于可以以可靠的方式进行优化，并且可以容忍某些故障和建模不确定性。本文最后给出了说明性示例，这些示例显示了所提出的方法在使用无故障和有故障情况下的性能。所提出方法的独特之处在于可以以可靠的方式进行优化，并且可以容忍某些故障和建模不确定性。本文最后给出了说明性示例，这些示例显示了所提出的方法在使用无故障和有故障情况下的性能。所提出的方法的独特之处在于可以以可靠的方式进行优化，并且可以容忍某些故障和建模不确定性。本文最后给出了说明性示例，这些示例显示了所提出的方法在使用无故障和有故障情况下的性能。