CN109948898B - 一种基于需求概率的移动机器人选型方法 - Google Patents

一种基于需求概率的移动机器人选型方法 Download PDF

Info

Publication number
CN109948898B
CN109948898B CN201910106766.0A CN201910106766A CN109948898B CN 109948898 B CN109948898 B CN 109948898B CN 201910106766 A CN201910106766 A CN 201910106766A CN 109948898 B CN109948898 B CN 109948898B
Authority
CN
China
Prior art keywords
mobile robot
probability
selection
subjective
working environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910106766.0A
Other languages
English (en)
Other versions
CN109948898A (zh
Inventor
江磊
苏波
秦建军
刘兴杰
慕林栋
汪建兵
林键
路可欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China North Vehicle Research Institute
Original Assignee
China North Vehicle Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China North Vehicle Research Institute filed Critical China North Vehicle Research Institute
Priority to CN201910106766.0A priority Critical patent/CN109948898B/zh
Publication of CN109948898A publication Critical patent/CN109948898A/zh
Application granted granted Critical
Publication of CN109948898B publication Critical patent/CN109948898B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于需求概率的移动机器人选型方法,在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率。根据决策者的需要可选择主观因素选型准则、客观因素选型准则、平均选型准则、加权选型准则中的一种进行移动机器人选型。采用该方法能够克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。

Description

一种基于需求概率的移动机器人选型方法
技术领域
本发明涉及移动机器人设计领域,尤其是一种基于需求概率的移动机器人选型方法。
背景技术
在移动机器人的概念设计阶段往往会确定多个设计方案,或者面临在多个成熟方案和产品中选择合适产品的情形,虽然产品和方案会有基本的工作性能参数和物理特性,但在实际选择方案时会受到选择者或决策者的主观因素影响或者实际工作环境偏差客观条件变化,这些都使选择合适的设计方案成为机器人设计中的难题。
在移动机器人的方案选择评价过程中由于缺乏有效的主客观因素影响分析,在实际选择机器人方案的时往往以技术指标、研发时间、成本等因素作为遴选的依据,由于设计人员自身对设计方案的排斥或客观环境未考虑全面等相应带来了设计方案或产品并不能被充分认可。
发明内容
有鉴于此,本发明提供一种基于需求概率的移动机器人选型方法,能够克服传统移动机器人方案选择评价过程中,只考虑性能指标,忽视选择者主观因素以及客观工作环境对机器人方案选择的影响。
所述的基于需求概率的移动机器人选型方法,包括以下步骤:
步骤1:移动机器人的特征属性描述:
令移动机器人特征属性集合为C,所述特征属性指移动机器人的静态物理特征;待选移动机器人产品的数量为M,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为
步骤2:移动机器人选择集合描述:
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标的数量,所述性能指标指移动机器人的工作性能指标;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为工作环境的数量;移动机器人的任务集合为T,T={T1,…,TW},W为任务集合中任务的数量;所述性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW};
步骤3:移动机器人的主观偏好概率和客观任务完成概率:
对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl,Yl∈Y,存在的概率表示为P(Y=Yl|x1,…,xI):
其中:特定性能指标集合(x1,…,xI)指对性能指标集合中每个性能指标给定数值后得到的集合;P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;且
对于机器人在设定任务集合(t1,…,tD)前提条件下,在环境El下所述设定任务集合能够完成的概率表示为P(E=El|t1,…,tD):
其中:El∈E;设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值;
步骤5:受主客观条件影响的移动机器人的选型概率:
对于移动机器人产品m,其特征属性配置集合为的选型概率包括:受主观因素影响的概率Pm1和受客观工作环境影响的概率Pm2,其中:
步骤6:移动机器人的选型
在特定主观偏好和特定工作环境条件下,通过上述步骤3、步骤4和步骤5计算得到每个移动机器人产品的Pm1和Pm2,最终移动机器人的选型方案按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值最大的移动机器人产品优先被选中;
2)客观因素选型准则:Pm2值最大的移动机器人产品优先被选中;
3)平均选型准则:根据Pm1和Pm2的平均值的大小选择,即(Pm1+Pm2)/2值最大的移动机器人产品优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择,即(αPm1+βPm2)/2值最大的移动机器人产品优先被选中,其中α和β为设定值,且α+β=1。
有益效果:
通过在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率,能够有效克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。
附图说明
图1为本发明的基于需求概率的移动机器人选型方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
本实施例提供一种基于需求概率的移动机器人选型方法,在移动机器人选型过程中,将主观因素影响下的选择概率与客观工作环境影响下的方案可行概率纳入方案选型进行综合考虑,有效克服传统移动机器人方案选择过程中重点考虑性能指标,忽视选择者主观因素对机器人方案选择的缺点。
该方法在移动机器人配置和属性基本信息分析的基础上建立性能指标集合、主观偏好集合、工作环境集合和任务集合,在此基础上分别计算主观偏好条件下的性能指标集合选择概率以及客观环境条件下的任务完成概率,由此计算出移动机器人选型受主观因素影响的概率和受客观工作环境影响的概率。由此,决策者可以根据需要选择主观因素选型准则、客观因素选型准则、平均选型准则、加权选型准则中的一种进行移动机器人选型。
该方法的具体步骤为:
步骤1:移动机器人的特征属性描述
令移动机器人特征属性的数量为N,移动机器人特征属性集合为C={C1,C2,…CN},所述特征属性指移动机器人的静态物理特征,如重量、尺寸等;待选移动机器人的方案数量为M,即有M个待选机器人产品,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为 中的特征属性为特征属性集合C中的一个或者多个;
步骤2:移动机器人选择集合描述
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标数量,所述性能指标指移动机器人的工作性能指标,如速度,爬坡坡度,越障高度等;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量,所述主观偏好包括选择者对移动机器人的感官(外形)偏好、各工作性能指标的偏好等,如选择者在选型时偏好机器人的外形或偏好机器人的爬坡坡度;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为移动机器人的工作环境数量,所述的工作环境如丛林、沙滩、雪地、冰面;移动机器人的任务集合为T,T={T1,…,TW},W为移动机器人能够执行的任务数量,所述任务如爬坡、越壕沟、上台阶;
用户选择移动机器人的性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:
Z表示为:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW}
步骤3:移动机器人的主观偏好概率和客观任务完成概率
主观偏好下移动机器人性能指标集合选择的概率表示为P(X|Y);对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl(Yl∈Y)存在的概率表示为P(Y=Yl|x1,…,xI);其中特定性能指标集合(x1,…,xI)指性能指标集合中性能指标X1对应的参数为x1,…,性能指标XI对应的参数为xI
其中:P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;
客观环境条件下,移动机器人完成任务的概率表示为P(T|E);对于机器人设定任务集合(t1,…,tD)前提条件下,某种环境El(El∈E)下该任务能够完成的概率可以表示为:其中设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;
其中:P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的某个选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值。
步骤5:受主客观条件影响的移动机器人的选型概率:
某款移动机器人m,其特征属性配置集合为的选型概率包括:受主观因素影响的概率Pm1和受客观工作环境影响的概率Pm2,其中:
步骤6:移动机器人的选型
在特定主观偏好Yl和特定工作环境El条件下,假设有M个机器人方案,每个方案的Pm1和Pm2值可以通过步骤3、步骤4和步骤5计算得到,选择方案可按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值越大的移动机器人方案优先被选中;
2)客观因素选型准则:Pm2值越大的移动机器人方案优先被选中;
3)平均选型准则:根据Pm1和Pm2两个值的平均值大小选择方案,即(Pm1+Pm2)/2值越大的移动机器人方案优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择方案,即(αPm1+βPm2)/2值越大的移动机器人方案优先被选中,其中α和β为设定值,且α+β=1。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。

Claims (1)

1.一种基于需求概率的移动机器人选型方法,其特征在于:包括以下步骤:
步骤1:移动机器人的特征属性描述:
令移动机器人特征属性集合为C,所述特征属性指移动机器人的静态物理特征;待选移动机器人产品的数量为M,令其中一个移动机器人产品为m,移动机器人产品m的特征属性配置集合为
步骤2:移动机器人选择集合描述:
令移动机器人的性能指标集合为X,X={X1,…,XI},I为移动机器人性能指标的数量,所述性能指标指移动机器人的工作性能指标;选择者对移动机器人的主观偏好集合为Y,Y={Y1,…,YJ},J为主观偏好的数量;移动机器人的工作环境集合为E,E={E1,…,EQ},Q为工作环境的数量;移动机器人的任务集合为T,T={T1,…,TW},W为任务集合中任务的数量;所述性能指标集合、主观偏好集合、工作环境集合以及任务集合统一表示为选择集合Z:Z={X1,…,XI;Y1,…,YJ;E1,…,EQ;T1,…,TW};
步骤3:移动机器人的主观偏好概率和客观任务完成概率:
对于机器人特定性能指标集合(x1,…,xI)被选择的条件下,主观偏好Yl,Yl∈Y,存在的概率表示为P(Y=Yl|x1,…,xI):
其中:特定性能指标集合(x1,…,xI)指对性能指标集合中每个性能指标给定数值后得到的集合;P(Y=Yl)指主观偏好集合中主观偏好Yl存在的概率,为设定值;P(Y=Yj)指主观偏好集合中主观偏好Yj存在的概率,为设定值;且
对于机器人在设定任务集合(t1,…,tD)前提条件下,在环境El下所述设定任务集合能够完成的概率表示为P(E=El|t1,…,tD):
其中:El∈E;设定任务集合(t1,…,tD)中的任务为任务集合为T中的D个,即(t1,…,tD)∈T;P(E=El)指工作环境集合中工作环境El存在的概率,为设定值;P(E=Eq)指工作环境集合中工作环境Eq存在的概率,为设定值;
步骤4:移动机器人配置选型概率计算:
对于机器人特征属性配置集合为的移动机器人产品被选型概率表示为:
其中(Z1,…,ZK)∈Z;
其中:为特征属性配置集合为/>下的选择Zk发生的概率,/>为特征属性集合C中特征属性配置集合/>的概率,为设定值;
步骤5:受主客观条件影响的移动机器人的选型概率:
对于移动机器人产品m,其特征属性配置集合为的选型概率包括:受主观偏好Yl影响的概率Pm1和受客观工作环境El影响的概率Pm2,其中:
步骤6:移动机器人的选型
在主观偏好Yl和工作环境El条件下,通过上述步骤3、步骤4和步骤5计算得到每个移动机器人产品的Pm1和Pm2,最终移动机器人的选型方案按照如下四个原则中的一种作为选择依据:
1)主观因素选型准则:Pm1值最大的移动机器人产品优先被选中;
2)客观因素选型准则:Pm2值最大的移动机器人产品优先被选中;
3)平均选型准则:根据Pm1和Pm2的平均值的大小选择,即(Pm1+Pm2)/2值最大的移动机器人产品优先被选中;
4)加权选型准则:根据Pm1和Pm2的加权值大小选择,即(αPm1+βPm2)/2值最大的移动机器人产品优先被选中,其中α和β为设定值,且α+β=1。
CN201910106766.0A 2019-02-02 2019-02-02 一种基于需求概率的移动机器人选型方法 Active CN109948898B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910106766.0A CN109948898B (zh) 2019-02-02 2019-02-02 一种基于需求概率的移动机器人选型方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910106766.0A CN109948898B (zh) 2019-02-02 2019-02-02 一种基于需求概率的移动机器人选型方法

Publications (2)

Publication Number Publication Date
CN109948898A CN109948898A (zh) 2019-06-28
CN109948898B true CN109948898B (zh) 2023-09-19

Family

ID=67007921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910106766.0A Active CN109948898B (zh) 2019-02-02 2019-02-02 一种基于需求概率的移动机器人选型方法

Country Status (1)

Country Link
CN (1) CN109948898B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020724A (zh) * 2012-05-08 2013-04-03 任一涛 自动规划及优化选择系统和方法
CN105574685A (zh) * 2016-02-02 2016-05-11 浙江工业大学 一种基于主客观结合的云服务评价方法
CN106961356A (zh) * 2017-04-26 2017-07-18 中国人民解放军信息工程大学 基于动态QoS和主客观权重的Web服务选取方法及其装置
CN107679743A (zh) * 2017-09-29 2018-02-09 河北百斛环保科技有限公司 一种基于大数据的环保智能执法应急溯源调度管理方法
CN108564391A (zh) * 2018-01-10 2018-09-21 大连理工大学 一种考虑主客观信息的共享电动汽车需求预测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040103013A1 (en) * 2002-11-25 2004-05-27 Joel Jameson Optimal scenario forecasting, risk sharing, and risk trading
US7308418B2 (en) * 2004-05-24 2007-12-11 Affinova, Inc. Determining design preferences of a group
US8874477B2 (en) * 2005-10-04 2014-10-28 Steven Mark Hoffberg Multifactorial optimization system and method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020724A (zh) * 2012-05-08 2013-04-03 任一涛 自动规划及优化选择系统和方法
CN105574685A (zh) * 2016-02-02 2016-05-11 浙江工业大学 一种基于主客观结合的云服务评价方法
CN106961356A (zh) * 2017-04-26 2017-07-18 中国人民解放军信息工程大学 基于动态QoS和主客观权重的Web服务选取方法及其装置
CN107679743A (zh) * 2017-09-29 2018-02-09 河北百斛环保科技有限公司 一种基于大数据的环保智能执法应急溯源调度管理方法
CN108564391A (zh) * 2018-01-10 2018-09-21 大连理工大学 一种考虑主客观信息的共享电动汽车需求预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
机器人行为选择机制综述;王义萍等;《机器人》;第31卷(第05期);全文 *

Also Published As

Publication number Publication date
CN109948898A (zh) 2019-06-28

Similar Documents

Publication Publication Date Title
Jayabal et al. Optimization of thrust force, torque, and tool wear in drilling of coir fiber-reinforced composites using Nelder–Mead and genetic algorithm methods
US10929472B2 (en) Methods, devices and non-transitory computer-readable medium for parameter optimization
CN104268722B (zh) 基于多目标进化算法的动态柔性作业车间调度方法
Tong et al. Optimization of multi-response processes using the VIKOR method
Korhonen A visual reference direction approach to solving discrete multiple criteria problems
CN101103367B (zh) 采用分布式遗传算法的优化处理方法
CN113792924A (zh) 一种基于Deep Q-network深度强化学习的单件作业车间调度方法
US20210073695A1 (en) Production scheduling system and method
CN108490965A (zh) 基于遗传算法优化神经网络的旋翼飞行器姿态控制方法
Jain et al. Evaluation of flexibility in FMS using SAW and WPM
CN102722103A (zh) 基于模糊分析和可视化技术的多目标参数寻优方法
CN109472105B (zh) 半导体产品良率上限分析方法
CN110471274A (zh) 基于改进统一粒子群算法的机械零件加工流水线调度方法
CN109146847A (zh) 一种基于半监督学习的晶圆图批量分析方法
CN110909787A (zh) 基于聚类的进化算法进行多目标批调度优化的方法和系统
CN109408562A (zh) 一种基于客户特征的分组推荐方法及其装置
CN105096159A (zh) 一种区域售电量预测方法及装置
Manassero et al. A new method to cope with decision makers' uncertainty in the equipment selection process
CN109948898B (zh) 一种基于需求概率的移动机器人选型方法
JP6052296B2 (ja) 眼鏡レンズの設計方法および眼鏡レンズの設計システム
WO2019189016A1 (ja) 情報処理装置、情報処理方法、プログラム
CN106777594B (zh) 一种基于连续曲面的轧制过程数学模型的自学习方法
CN112528524A (zh) 一种混流装配线平衡优化调度方法
CN105808840B (zh) 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法
Chang et al. A study of application of assessment modes in development of smart automatic production systems in Industry 4.0

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant