CN106447070A - 基于模糊决策的输送车调度方法 - Google Patents

基于模糊决策的输送车调度方法 Download PDF

Info

Publication number
CN106447070A
CN106447070A CN201610571656.8A CN201610571656A CN106447070A CN 106447070 A CN106447070 A CN 106447070A CN 201610571656 A CN201610571656 A CN 201610571656A CN 106447070 A CN106447070 A CN 106447070A
Authority
CN
China
Prior art keywords
waggon
factor
fuzzy
vector
information
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.)
Pending
Application number
CN201610571656.8A
Other languages
English (en)
Inventor
刘华珠
陈雪芳
苏爱国
罗欣
刘学良
吴泰峰
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.)
Dongguan University of Technology
Original Assignee
Dongguan University of Technology
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 Dongguan University of Technology filed Critical Dongguan University of Technology
Priority to CN201610571656.8A priority Critical patent/CN106447070A/zh
Publication of CN106447070A publication Critical patent/CN106447070A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Automation & Control Theory (AREA)
  • Molecular Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Fuzzy Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于模糊决策的输送车调度方法，包括：在任务开始前，确定输送车的因素集合和每一因素的模糊量集合，确定每一因素不同模糊量对应的评价向量以及各个因素的权重向量；接收到搬运点的任务后，输送车测量自身每一因素的数值并比对模糊量集合获取每一因素的模糊量，比对所述每一因素不同模糊量对应的评价向量获得每一因素的评价向量；依据评价向量和权重向量计算输送车的综合评价向量，比较选出综合评价向量评分最高的输送车下发任务。与现有技术相比，本发明采用模糊决策的方法对每个输送车进行评价定量，然后选择比对出最优的输送车，系统不但可以快速、稳定的响应任务，并且具有最优化生产效率，执行时间短，系统鲁棒性强。

Description

基于模糊决策的输送车调度方法
技术领域
本发明涉及物料输送管理，尤其涉及一种输送车调度方法。
背景技术
物料在生产过程中，其大部分的生产耗时在于物料的运输。为了提高物料的生产效率，采用AGV作为运料载体的过程中，AGV的合理调度对于生产效率的提高显得着至关重要，目前常用的AGV调度基于模拟退火算法的AGV调度系统。其不但在计算过程中有收敛速度慢，执行时间长等缺点，而且计算最优解时局部搜素能力弱，面临着迭代次数多，执行时间长等问题。在对其提出改进的过程中虽然略有成效，但是都是集中式控制方式，整个系统的鲁棒性很容易受到上位机的影响，拓展性不强。故，急需一种可解决上述问题的种输送车调度方法。
发明内容
本发明的目的是提供一种基于模糊决策的输送车调度方法，可为整个运料任务提供快速、稳定的响应方式并且最优化生产效率，执行时间短。
为了实现上有目的，本发明公开了一种基于模糊决策的输送车调度方法，包括：在任务开始前，进行步骤(1)：确定输送车的因素集合和每一因素的模糊量集合，确定每一因素不同模糊量对应的评价向量，以及各个因素的权重向量；接收到搬运点的任务后，依次进行步骤(2)-(5)：(2)所述输送车测量自身每一因素的数值并比对所述模糊量集合获取所述输送车各个因素的模糊量，比对所述每一因素不同模糊量对应的评价向量获得所述输送车中每一因素的评价向量；(3)依据所述评价向量和各个因素的权重向量计算输送车的综合评价向量；(4)比较各个输送车的综合评价向量以选取评分最高的输送车；(5)将任务下发给评分最高的输送车。
与现有技术相比，本发明采用模糊决策的方法对每个输送车进行综合评价，然后选择比对出最优的输送车，系统不但可以快速、稳定的响应任务，并且具有最优化生产效率，执行时间短，系统鲁棒性强。
较佳地，所述步骤(1)具体包括：建立输送车的因素集合和模糊量集合；确定每一因素不同模糊量对应的评价向量，从而对每一个单因素建立单因素评价向量，以获得单因素评价矩阵；确定各个因素重要性比较的权重向量；所述步骤(3)具体包括：依据单因素评价矩阵和各个因素的权重向量计算输送车的综合评价向量。
较佳地，所述步骤(1)中，确定各个因素的权重向量的具体步骤包括：给定一个常态基准权重向量；所述步骤(3)中还包括：比较所述输送车每一因素的模糊量与常态基准状态下模糊量之间的等级差距以判断所述输送车每一因素向极限状态的跃升等级，依据所述跃升等级对应调整所述输送车各个因素的权重向量。该方案可按照需要调整输送车各个因素的权重向量，判断结果准确。
具体地，所述步骤(3)中，依据所述跃升等级对应调整所述输送车各个因素的权重向量具体包括：依据所述跃升等级对应将所述输送车权重向量大的因素的权重切割补偿至向极限状态跃迁的因素上，切割补偿的权重大小与所述跃升等级相对应。该方案通过切割-补偿的方式针对输送车不同状态生成权重向量，减少预先存储的空间和计算量。
所述步骤(4)中还包括：所述输送车比较自身的综合评价向量是否符合预设要求，若是则调整为比较模式，比较模式下的输送车参与比对以选取评分最高的输送车。该方案使得输送车可对自身进行初步评价，符合标准的输送车参与任务比较，计算速度快并使得系统能够进一步保持其鲁棒性。
较佳地，所述步骤(4)中比较各个输送车的综合评价向量以选取评分最高的输送车的具体包括：依据所述输送车的综合评价向量计算所述输送车的综合评价值，比较各个输送车的综合评价值以选取评分最高的输送车。该方案提高所述输送车之间的比较速度。
具体地，所述步骤(4)中依据所述输送车的综合评价向量计算所述输送车的综合评价值的具体步骤包括：确定综合评价向量中每一评价的权重向量，依据所述各个模糊量的权重向量和所述综合评价向量计算所述输送车的综合评价值。该方案进一步提高了比较结果的准确性。
具体地，所述步骤(2)之前还包括步骤(A)：对参加比较的所述输送车进行排序并按照序号分别动态分配一个地址，从第一台所述输送车开始依次将通讯信息输送至后一所述输送车内以建立通讯链；所述步骤(4)中所述输送车分别比较自身的综合评价信息和前一输送车输送的综合评价信息，并将综合评价高的通讯信息输送至后一输送车内，所述通讯信息包括序号信息、地址信息和综合评价信息，所述综合评价信息为综合评价向量或综合评价值。该方案使得本发明的系统鲁棒性强，拓展性好。
具体地，所述步骤(4)还包括：所述输送车判断自身的综合评价值是否预设要求，若是则调整为比较模式，若否则调整为转发模式，比较模式下的输送车比对自身的综合评价值和前一输送车输送的综合评价值并将综合评价值高的通讯信息输送至后一输送车内，转发模式下的输送车将前一输送车输送的通讯信息输送至后一输送车内。该方案使得输送车可对自身进行初步评价，在合格以上的输送车参与任务比较，使得系统能够进一步保持其鲁棒性以及提高运算速度。
具体地，所述步骤(A)具体包括：对所述输送车进行排序，并按照序号分别动态分配一个地址，由队列一端的输送车开始依次广播第一消息，所述第一消息包含了输送车的序号信息和地址信息，前一输送车将后一输送车的地址作为通信的目标地址，依次在所述输送车之间形成通信链。该方案使得本发明可以很方便的将新的AGV并入整个系统中，具有分布式调度特点。
更具体地，当某一输送车停止工作时，该输送车将广播一退出信息，所述退出信息包括自身的序列信息、地址信息和下一输送车的序列信息和地址信息，处理中心将该输送车前一输送车的目标地址更新为该输送车后一输送车的地址信息；当某一输送车恢复工作时，将该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息；当新加入一输送车时，将该输送车排列至最后一位并分配分配一个地址，该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息，调度灵活方便。
较佳地，每一搬运点设置有zigbee模块，所述输送车包括zigbee模块，并通过所述zigbee模块实现输送车与输送车之间、输送车与处理中心之间以及输送车与搬运点之间的通讯。
较佳地，所述输送车的因素包括电量、载重以及输送车到搬运点的距离，每一因素对应五个模糊量。
附图说明
图1是本发明第一实施例中所述基于模糊决策的输送车调度方法的流程图。
图2是本发明图1中所述基于模糊决策的输送车调度方法之步骤(10)的流程图。
图3是本发明第二实施例中所述基于模糊决策的输送车调度方法的流程图。
图4是本发明图3中所述基于模糊决策的输送车调度方法之步骤(A2)的流程图。
图5是本发明图3中所述基于模糊决策的输送车调度方法之步骤(40)的流程图。
图6是本发明第三实施例中所述基于模糊决策的输送车调度方法之步骤(10)的流程图。
图7是本发明第三实施例中所述基于模糊决策的输送车调度方法之步骤(20)的流程图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
参考图1，本发明公开了一种基于模糊决策的输送车调度方法100，包括：在任务开始前，进行步骤(10)：确定输送车的因素集合U＝{U1，U2，…，Un}和每一因素的模糊量集合V＝{V1，V2，…Vm}，确定每一因素不同模糊量对应的评价向量(Ri1，Ri2，…，Rim)，以及各个因素的权重向量(a1，a2，…，an)；接收到搬运点的任务后，依次进行步骤(20)-(50)：(20)所述输送车测量自身每一因素的数值并比对所述模糊量集合U获取所述输送车各个因素的模糊量，比对所述每一因素不同模糊量对应的评价向量获得所述输送车中每一因素的评价向量(Ri1，Ri2，…，Rim)；(30)依据所述评价向量和各个因素的权重向量计算输送车的综合评价向量Vi；(40)比较各个输送车的综合评价向量Vi以选取评分最高的输送车；(50)将任务下发给评分最高的输送车。
参考图2，在本发明第一实施例中，所述步骤(10)具体包括：(11)建立输送车的因素集合U＝{U1，U2，…，Un}和模糊量集合V＝{V1，V2，…Vm}，n为输送车的因素个数，m为模糊量的个数；(12)确定每一因素不同模糊量对应的评价向量，从而对对每一个单因素Ui建立单因素评价向量(Ri1，Ri2，…，Rim)，从而获得单因素评价矩阵R＝(Rij)n×m，Rij是对每一个因素Ui所作出的评价，0≤Rij≤1；(13)确定各个因素重要性比较的权重向量A＝(a1，a2，…，an)。所述步骤(30)具体包括：依据单因素评价矩阵R和评价向量A通过预先设定好的算子计算并获得所述输送车对任务的综合评价向量B＝(b1，b2，…，bm)。
其中，本实施例中，所述输送车的因素包括电量U1、载重U2以及输送车到搬运点的距离U3三个因素，每一因素对应五个模糊量{V1，V2，V3，V4，V5}，例如距离U3对应的模糊量分别为(R31，R32，R33，R34，R35)，分别代表很远、远、可接受、近、很近。每一因素的某一模糊量对应的评价向量(Ri1，Ri2，Ri3，Ri4，Ri5)，分别代表很不合适、不合适、可接受、合适、很合适。
较佳者，参考图3，所述步骤(20)之后还包括步骤A：(A1)对参加比较的所述输送车进行排序并按照序号分别动态分配一个地址；(A2)从第一台所述输送车开始依次将对应的通讯信息输送至后一所述输送车内以建立通讯链。所述通讯信息包括序号信息、地址信息和评价值。具体地，所述步骤(A1)为，对K台所述输送车进行排序，并按照序号分别动态分配一个地址Addri(i＝1，2，…,k)，参考图4，所述步骤(A2)具体包括：(A21)由队列一端的输送车开始依次广播第一消息，所述第一消息包含了输送车的序号信息和地址信息，(A22)前一输送车将后一输送车的地址作为通信的目标地址，依次在K台所述输送车之间形成通信链。该方案使得本发明可以很方便的将新的AGV并入整个系统中，具有分布式调度特点。
参考图5，所述步骤(40)包括：(41)所述输送车将自身的综合评价向量(b1，b2，…，bm)转换为对应的综合评价值Wi，(42)所述输送车比较前一输送车输送的综合评价值Wi和自身的综合评价值Wi大小，并将综合评价值大的通讯信息输送至后一所述输送车内，直至最后一所述输送车获取综合评价值最大的通讯信息，(43)依据综合评价值最大的通讯信息获取对应的输送车地址。该方案使得本发明的系统鲁棒性强，拓展性好。较佳者，所述步骤(40)中依据所述输送车的综合评价向量计算所述输送车的综合评价值的具体步骤包括：确定综合评价向量中每一评价的权重向量J(本实施例中，该权重向量是一个固定的仲裁向量)，依据所述各个模糊量的权重向量和所述综合评价向量计算所述输送车的综合评价值，E＝B*J。当然，也可以无需将综合评价向量转换为综合评价值，而直接比较综合评价向量的大小，例如小车A的综合评价向量(Ri1，Ri2，Ri3，Ri4，Ri5)具体为(0.1,0.14,0.21,0.6,0.8)，小车B的综合评价向量Ri1，Ri2，Ri3，Ri4，Ri5)具体为(0.1,0.2,0.15,0.5,0.6)，则比较小车A和小车B的Ri5，由于小车A大于小车B，故小车A的很合适的评价值更高，小车A的综合评价向量大于小车B，当然，也可以采取其他的比较方式进行比较，具体方式有技术人员依据实际需要进行设定。
较佳者，当某一输送车停止工作时，该输送车将广播一退出信息，所述退出信息包括自身的序列信息、地址信息和下一输送车的序列信息和地址信息，处理中心将该输送车前一输送车的目标地址更新为该输送车后一输送车的地址信息；当某一输送车恢复工作时，将该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息；当新加入一输送车时，将该输送车排列至最后一位并分配分配一个地址，该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息，调度灵活方便。
较佳者，所述步骤(40)具体包括：所述输送车比较自身的综合评价向量是否符合预设要求，若是则调整为比较模式，对比较模式下的输送车的综合评价值Wi进行比对以选取评分最高的输送车。当然，也可以直接对比较模式下的输送车的综合评价向量进行比对以选取评分最高的输送车。
较佳者，所述步骤(40)还包括：所述输送车判断自身的综合评价值Wi是否预设要求，若是则调整为比较模式，若否则调整为转发模式，比较模式下的输送车比对自身的综合评价值Wi和前一输送车输送的综合评价值Wi并将综合评价值高的通讯信息输送至后一输送车内，转发模式下的输送车将前一输送车输送的通讯信息输送至后一输送车内。
其中，该基于模糊决策的输送车调度系统包括搬运点的zibee模块、输送车的zibee模块和具有通讯模块的处理中心。在本实施例中，每一搬运点设置有zigbee模块，所述输送车包括zigbee模块，并通过所述zigbee模块实现输送车与输送车之间、输送车与处理中心之间以及输送车与搬运点之间的通讯。
参考图6和图7，为本发明第二实施例，与第一实施例不同的是，在本实施例中，步骤(10a)包括：(11a)建立输送车的因素集合U＝{U1，U2，…，Un}和模糊量集合V＝{V1，V2，…Vm}；依据因素集合U和模糊量集合V对每一个单因素Ui建立单因素评价向量(Ri1，Ri2，…，Rim)；(12a)对每一因素所对应的单因素评价向量创建索引，并确定每一因素不同模糊量对应的评价向量A＝(a1，a2，…，an)；步骤(20a)具体包括：(21a)输送车测量自身每一因素的数据，(22a)依据每一因素的数据查找所述索引以按照索引获取并组合每一单因素评价向量，(23a)结合每一因素不同模糊量对应的评价向量获得输送车对任务的评价向量B＝(b1，b2，…，bm)。该方案使得在构建每一因素的评价矩阵时，只要查找索引，按照索引将每一单因素评价向量组装即可，缩小了数据存储的空间，且加快了计算速度。
与第一实施例不同的是，在本发明第三实施例中，所述步骤(10)中，确定各个因素的权重向量的具体步骤包括：给定一个常态基准权重向量；所述步骤(30)中还包括：比较所述输送车每一因素的模糊量与常态基准状态下模糊量之间的等级差距以判断所述输送车每一因素向极限状态的跃升等级，依据所述跃升等级对应调整所述输送车各个因素的权重向量。该方案可按照需要调整输送车各个因素的权重向量，判断结果准确。
较佳者，所述步骤(30)中还包括：判断所述输送车的各个因素是否到达极限状态，若是则将各个因素的权重向量调整为预设值，例如当电量极低时，权重向量(a1，a2，a3)为(0.1,0.1,0.8)，a1是距离因素，a2是载重因素，a3是电量因素。当载重过重时，权重向量(a1，a2，a3)为(0.1,0.8,0.8)。若所述输送车的各个因素未到达极限状态，则跃升等级对应调整所述输送车各个因素的权重向量。
具体地，所述步骤(30)中，依据所述跃升等级对应调整所述输送车各个因素的权重向量具体包括：依据所述跃升等级对应将所述输送车权重向量大的因素的权重切割补偿至向极限状态跃迁的因素上，切割补偿的权重大小与所述跃升等级相对应。例如，小车的原(a1，a2，a3)为(0.6,0.2,0.2)，当小车的电量因素的模糊量(很低、低、适中、高、很高)从很高跃迁到适中时，输送车的电量因素向向极限状态跃迁了两个等级，此时，将距离的权重向量分割0.1至电量中，使得小车的权重向量变为(0.5,0.3,0.2)，故本实施例中，一个跃迁等级补偿0.05个权重向量，当然，具体跃迁等级和权重向量的调节关系可以通过计算方式得出，也可以由技术人员提前确定。
以上所揭露的仅为本发明的优选实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于模糊决策的输送车调度方法，其特征在于，包括：
在任务开始前，进行步骤(1)：确定输送车的因素集合和每一因素的模糊量集合，确定每一因素不同模糊量对应的评价向量，以及各个因素的权重向量；
接收到搬运点的任务后，依次进行步骤(2)-(5)：
(2)所述输送车测量自身每一因素的数值并比对所述模糊量集合获取所述输送车各个因素的模糊量，比对所述每一因素不同模糊量对应的评价向量获得所述输送车中每一因素的评价向量；
(3)依据所述评价向量和各个因素的权重向量计算输送车的综合评价向量；
(4)比较各个输送车的综合评价向量以选取评分最高的输送车；
(5)将任务下发给评分最高的输送车。
2.如权利要求1所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(1)中，确定各个因素的权重向量的具体步骤包括：给定一个常态基准权重向量；所述步骤(3)中还包括：比较所述输送车每一因素的模糊量与常态基准状态下模糊量之间的等级差距以判断所述输送车每一因素向极限状态的跃升等级，依据所述跃升等级对应调整所述输送车各个因素的权重向量。
3.如权利要求2所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(3)中，依据所述跃升等级对应调整所述输送车各个因素的权重向量具体包括：依据所述跃升等级对应将所述输送车权重向量大的因素的权重切割补偿至向极限状态跃迁的因素上，切割补偿的权重大小与所述跃升等级相对应。
4.如权利要求2所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(3)还包括：判断所述输送车的各个因素是否到达极限状态，若是则将各个因素的权重向量调整为预设值，若否则依据所述跃升等级对应调整所述输送车各个因素的权重向量。
5.如权利要求1所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(4)中还包括：所述输送车比较自身的综合评价向量是否符合预设要求，若是则调整为比较模式，比较模式下的输送车参与比对以选取评分最高的输送车。
6.如权利要求1所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(4)中比较各个输送车的综合评价向量以选取评分最高的输送车的具体包括：依据所述输送车的综合评价向量计算所述输送车的综合评价值，比较各个输送车的综合评价值以选取评分最高的输送车。
7.如权利要求6所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(4)中依据所述输送车的综合评价向量计算所述输送车的综合评价值的具体步骤包括：确定综合评价向量中每一评价的权重向量，依据所述各个模糊量的权重向量和所述综合评价向量计算所述输送车的综合评价值。
8.如权利要求1或6所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(2)之前还包括步骤(A)：对参加比较的所述输送车进行排序并按照序号分别动态分配一个地址，从第一台所述输送车开始依次将通讯信息输送至后一所述输送车内以建立通讯链；所述步骤(4)中所述输送车分别比较自身的综合评价信息和前一输送车输送的综合评价信息，并将综合评价高的通讯信息输送至后一输送车内，所述通讯信息包括序号信息、地址信息和综合评价信息，所述综合评价信息为综合评价向量或综合评价值。
9.如权利要求8所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(4)还包括：所述输送车判断自身的综合评价值是否预设要求，若是则调整为比较模式，若否则调整为转发模式，比较模式下的输送车比对自身的综合评价值和前一输送车输送的综合评价值并将综合评价值高的通讯信息输送至后一输送车内，转发模式下的输送车将前一输送车输送的通讯信息输送至后一输送车内。
10.如权利要求8所述的基于模糊决策的输送车调度方法，其特征在于，所述步骤(A)具体包括：对所述输送车进行排序，并按照序号分别动态分配一个地址，由队列一端的输送车开始依次广播第一消息，所述第一消息包含了输送车的序号信息和地址信息，前一输送车将后一输送车的地址作为通信的目标地址，依次在所述输送车之间形成通信链；
当某一输送车停止工作时，该输送车将广播一退出信息，所述退出信息包括自身的序列信息、地址信息和下一输送车的序列信息和地址信息，处理中心将该输送车前一输送车的目标地址更新为该输送车后一输送车的地址信息；
当某一输送车恢复工作时，将该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息；
当新加入一输送车时，将该输送车排列至最后一位并分配分配一个地址，该输送车广播自身的第一消息，处理中心将该输送车前一输送车的目标地址更新为该输送车的地址信息。
CN201610571656.8A 2016-07-19 2016-07-19 基于模糊决策的输送车调度方法 Pending CN106447070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610571656.8A CN106447070A (zh) 2016-07-19 2016-07-19 基于模糊决策的输送车调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610571656.8A CN106447070A (zh) 2016-07-19 2016-07-19 基于模糊决策的输送车调度方法

Publications (1)

Publication Number Publication Date
CN106447070A true CN106447070A (zh) 2017-02-22

Family

ID=58185030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610571656.8A Pending CN106447070A (zh) 2016-07-19 2016-07-19 基于模糊决策的输送车调度方法

Country Status (1)

Country Link
CN (1) CN106447070A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108449731A (zh) * 2018-02-11 2018-08-24 成都兴联宜科技有限公司 一种基于ZigBee通讯的AGV小车数据传输系统
CN111062531A (zh) * 2019-12-13 2020-04-24 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置
US11102888B2 (en) 2017-08-22 2021-08-24 Beijing Boe Display Technology Co., Ltd. Substrate, display panel and fabrication method thereof, and spliced screen

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289928A (zh) * 2011-05-19 2011-12-21 上海市城市建设设计研究院 基于模糊层次分析法的枢纽综合交通运行态势评价方法
CN102509449A (zh) * 2011-10-24 2012-06-20 北京东方车云信息技术有限公司 基于模糊决策的车辆调度方法
CN102880808A (zh) * 2012-10-09 2013-01-16 中国电子科技集团公司第三十八研究所 一种雷达结构维修性综合评价方法
CN104123452A (zh) * 2014-07-18 2014-10-29 西北工业大学 基于模糊决策的gpu负载综合评判方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289928A (zh) * 2011-05-19 2011-12-21 上海市城市建设设计研究院 基于模糊层次分析法的枢纽综合交通运行态势评价方法
CN102509449A (zh) * 2011-10-24 2012-06-20 北京东方车云信息技术有限公司 基于模糊决策的车辆调度方法
CN102880808A (zh) * 2012-10-09 2013-01-16 中国电子科技集团公司第三十八研究所 一种雷达结构维修性综合评价方法
CN104123452A (zh) * 2014-07-18 2014-10-29 西北工业大学 基于模糊决策的gpu负载综合评判方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张国庆 等: "基于无线传感网络技术的自动化仓库AGV车载通信节点的设计", 《起重运输机械》 *
李好 等: "冒泡排序算法的分析与改进", 《唐山学院学报》 *
王彬 等: "基于WSAN的AGVS控制系统模型研究", 《计算机工程与应用》 *
王雁凌 等: "基于变权灰云模型的风电场并网技术性综合评价", 《电网技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11102888B2 (en) 2017-08-22 2021-08-24 Beijing Boe Display Technology Co., Ltd. Substrate, display panel and fabrication method thereof, and spliced screen
CN108449731A (zh) * 2018-02-11 2018-08-24 成都兴联宜科技有限公司 一种基于ZigBee通讯的AGV小车数据传输系统
CN111062531A (zh) * 2019-12-13 2020-04-24 上海中通吉网络技术有限公司 快递干线运输方案的生成方法及装置

Similar Documents

Publication Publication Date Title
CN106802426B (zh) 一种协作rtk定位方法及系统
CN106772511B (zh) 一种分布式云rtk定位方法及系统
CN106447070A (zh) 基于模糊决策的输送车调度方法
CN102608632B (zh) 北斗gps双模云差分定位方法及系统
CN104572811B (zh) 智能公交路线推荐方法、装置及设备
CN106842266B (zh) 一种即时参考站定位方法及系统
CN106851606B (zh) 一种蜂窝网络rtk定位计费方法及系统
CN111612412A (zh) 一种钢筋智能化加工方法装置及系统
CN108919127A (zh) 一种快速统计二次电池不同温度和soc下直流内阻的方法
CN107093041A (zh) 一种选择配送模式的方法、装置及服务器
CN107071893A (zh) 一种蜂窝网络rtk定位方法及系统
CN103200652A (zh) WiFi接入点排序方法、装置及移动终端
CN102916879A (zh) 一种快速路由收敛方法
CN102402722A (zh) 提高工程机械产品的装配线效率的方法
CN108734489A (zh) 拼车折扣确定方法及装置
CN105987702A (zh) 一种导航路线的路段扩张方法及其装置
CN111461626B (zh) 一种基于大数据的物流监控系统
CN113627644A (zh) 一种运输价格不确定下多式联运运输路径的鲁棒优化方法
CN106197634B (zh) 一种免停车的车载称重在线监测系统
CN103002458B (zh) 基站选址方法及装置
CN106814380B (zh) 一种蜂窝网络协作rtk定位方法及系统
CN103176975B (zh) 一种购买词聚类方法和装置
CN106814381A (zh) 一种即时参考站定位鉴权方法及系统
CN106169089A (zh) 一种电缆施工的进度控制方法
CN107169604A (zh) 物流配送方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170222

RJ01 Rejection of invention patent application after publication