CN110969326A - 一种散装货物智能高效发货方法 - Google Patents

Abstract

本发明涉及一种散装货物智能高效发货方法，所述方法包括以下步骤：步骤一：测试主要参数；步骤二：建立相关模型算法；步骤三：不同算法的效率比较计算。该方案不需要时时刻刻有劳工搬货和值守，节约了人力、物力，提高了发货的效率，也开辟了物联网技术在散装货物发货过程的新应用。

Description

一种散装货物智能高效发货方法

技术领域

本发明涉及一种发货方法，具体涉及一种散装货物智能高效发货方法，属于管理控制技术领域。

背景技术

目前散装货物发货在实际业务实施过程中，普遍存在一系列难以解决的问题，这些问题主要包括有：厂区的分散、产品储存区域划分不明，销售管理部门实际控制能力弱等。而且，从方案需求、发货到计量都需要大量的人力物力，不同的产品仓储区域都需要配置相当数量的发货人员，监管与协调发货过程，这就造成了相关行业成本的居高不下，随着物联网技术在各行各业的渗透，如果可以有效将散装货物发货过程与物联网关键技术相结合，将会实现散装货物智能高效发货。

发明内容

本发明正是针对现有技术中存在的技术问题，提供一种散装货物智能高效发货方法，该方案有效将散装货物发货过程与物联网关键技术相结合，实现散装货物智能高效发货，彻底解决了厂区的分散、产品储存区域划分不明，销售管理部门实际控制能力弱的技术难题。

为了实现上述目的，本发明的技术方案如下：一种散装货物智能高效发货方法，其特征在于，所述方法包括以下步骤：

步骤一：测试主要参数；

步骤二：建立相关模型算法；

步骤三：不同算法的效率比较计算。

作为本发明的一种改进，所述步骤一：测试主要参数，具体如下：

测试主要参数具体如下：

1)精确测量整个区域形状；

2)测量车位的中心点、区域位置、车斗的前后中心点；

3)测量散装货物区离墙边的距离；

4)确定两斗之间的距离，即模型中两格中行、列的距离，确定发货区域各少发货位；

5)确定从A点到B点的坐标即A点到B点之间距离，经历的时间，加速度；

6)确定行车最高点距地点距离；

7)确定地面高度多少不允许抓取；

8)确定抓取时，ZL高度，上升到ZH的时间，或者反向时间，记录开始挨料到开始提升时间；

9)记录一车，在某一位置上，整个发货的时间；

10)每一次抓取之后，被抓取位置下降高度，平均抓取的重量与高度关系。

作为本发明的一种改进，所述步骤二：建立相关模型算法，具体如下：

1)算法参数定义；

设散装货物堆的总面积由M×N个(n×n)m²散装货物堆组成，整个散装货物堆的俯视图为一个大的矩形图，以矩形的长为x轴，宽为y轴建立二维直角坐标系。为了方便研究，特取散装货物堆为5×5个(2×2)m²散装货物堆组成(如图1所示)，刻度为2个单位长度，方格的中心坐标为每次抓斗抓取散装货物的坐标(如在左下角方格散装货物堆中，抓斗小车抓取散装货物的坐标为(1,1))，方格中的数字代表当前散装货物堆中散装货物的数量(散装货物最大量不超过18)，装散装货物的工程车所在的坐标为(x0，y0)(5，-1)，抓斗小车每次抓完散装货物后，可沿当前抓斗坐标和工程车坐标所在的直线到达工程车，从而完成一次抓取散装货物的过程；

设抓斗小车加速和减速的加速度都为a，抓斗小车的实时速度为vt，抓斗小车初始速度为0，若抓斗小车在行驶过程中能加速到最大速度vm,则抓斗小车在加速度为a的加速下匀加速到vm做匀速运动，最后抓斗小车快到终点时在加速度a下匀减速运动到终点，到终点时，速度恰好为0。

但是抓斗小车并不是每次都能到达最大速度vm，有的散装货物堆距离工程车较长能到达最大速度v0，有的散装货物堆距离工程车较短，还未达到最大速度就开始减速到达终点，可根据物理学中运动学公式来求出到达最大速度的临界条件，根据如下公式：

初始速度v₀＝0，L是当前抓斗小车需要走过的路程，L可由在直角坐标系中根据两点间距离公式求出

求出。将v_t＝v_m，t₁＝0代入上式，可以求出当散装货物与工程车两点间距离L恰好为

时，抓斗小车的速度恰好可以达到v_m,所以抓斗小车的运动情形可以分为以下两种：

第一种情况：

抓斗小车的速度分段函数v_t如下所示

可得抓斗小车一次单程行走时间

第二种情况：

抓斗小车的速度分段函数v_t如下所示：

可得抓斗小车一次单程行走时间

抓斗小车完成一次抓取过程需要往返两次，所以一次抓取的时间需要将小车一次单程行走的时间乘以2，最后可以计算出将所有散装货物全部抓取完所需要的时间t_sum＝2×(t_s1+t_s2+t_s3+……)；由于抓斗小车每次只抓取一次散装货物，抓完固定量的散装货物行走的路径总长度也是固定的，所以抓斗小车抓取散装货物的效率只与最后抓取的总时间有关，所用总时间越短抓取效率越高。以下将介绍在同一散装货物量的散装货物堆下，采用按行优先抓取、按列优先抓取以及按高度优先抓取这三种算法抓取散装货物堆，比较它们最后用的总时间，从而比较出哪种算法抓取效率最高；

2)按行优先的算法设计；

按行优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一行最左边散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一行从左到右抓取一遍了后，再到第二行按从左到右抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一行最左边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_row}＝2×(t_s1+t_s2+t_s3+……)；

3)按列优先的算法设计；

按列优先的抓取算法和按行优先抓取的算法有点类似。按列优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一列最下面的散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一列从下到上抓取一遍了后，再到第二列按从下到上抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一列最下边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完；

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_col}＝2×(t_s1+t_s2+t_s3+……+t_sn)。

4)按高度优先的算法设计；

按高度优先抓取算法跟按行优先抓取算法和按列优先抓取算法有所不同。按高度优先抓取，顾名思义就是按照散装货物堆高度优先抓取，也就是按散装货物堆的散装货物的多少来抓取。其核心思想是：在抓斗小车抓取散装货物之前，先将每个散装货物堆的高度放入一个集合中，集合中的元素即为每个散装货物堆的高度。然后将集合中的元素用冒泡排序法降序排序后放入一数列中，接下来抓斗小车就按照数列中从大到小的序列找出对应的散装货物堆的位置抓取散装货物，抓完散装货物送到工程车后，再从数列中寻找最大的元素，抓斗小车到达相对应的散装货物堆位置抓取散装货物送到工程车。如此循环寻找最大高度散装货物堆抓取散装货物，直到所有散装货物堆里的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_max}＝2×(t_s1+t_s2+t_s3+……)。

作为本发明的一种改进，所述步骤三不同算法的效率比较计算，具体如下，

由上述计算公式可知，不同算法的效率只与抓取总时间有关，所以只要求出按行优先抓取、按列优先抓取和按高度优先抓取这三种算法的总抓取时间，即可比较这三种算法的抓取效率。根据单程一次抓取时间为：若

则

若

则

再算出每种算法总抓取时间：

t_{sum_row}＝2×(t_{s1_row}+t_{s2_row}+……+t_{sn_row})，

t_{sum_col}＝2×(t_{s1_col}+t_{s2_col}+……+t_{sn_col})，

t_{sum_max}＝2×(t_{s1_max}+t_{s2_max}+……+t_{sn_max})，

最后比较t_{sum_row}，t_{sum_col}，t_{sum_max}这三者的大小，从而比较出效率的优劣，使用最优方式进行散装货物智能高效发货。

相对于现有技术，本发明的优点如下：1)本发明无人值守散装机器人发货业务模型中按行抓取、按列抓取以及按散装货物高度抓取在散装货物分布为何种情况时哪种抓取行走路径最短，所用总的抓取时间最短，从而选取出最适合当前散装货物堆的抓取算法，通过本申请无人值守散装机器人发货业务模型在整个发货过程中，

可以全程采用无人化值守，智能抓取散装货物，无需人工干预，发货小车可根据当前矩形阵中散装货物堆的量自动选择最优化效率抓取散装货物算法，从而使得人员劳动力可以适当解放些，不需要时时刻刻有劳工搬货和值守，节约了人力、物力，

提高了发货的效率，也开辟了物联网技术在散装货物发货过程的新应用。

附图说明

图1是本发明仿真算法参数定义示意图；

图2是本发明仿真界面布局函数最终界面示意图；

图3是本发明仿真随机产生函数效果示意图；

图4、图5是本发明仿真按行优先抓取的过程抓取示意图；

图6、7是本发明仿真按列优先抓取的过程抓取示意图；

图8、9、10是本发明仿真按高度优先抓取的过程抓取示意；

图11是本发明仿真随机产生的散装货物堆示意图；

图12是本发明仿真结果示意图。

具体实施方式

为了加强对本发明的理解和认识，下面结合附图和具体实施方式对本发明做出进一步的说明和介绍。

实施例1：参见图1—图12，本发明提供散装货物智能高效发货方法，通过本申请无人值守散装机器人发货业务模型在整个发货过程中，可以全程采用无人化值守，智能抓取散装货物，无需人工干预，发货小车可根据当前矩形阵中散装货物堆的量自动选择最优化效率抓取散装货物算法，从而使得人员劳动力可以适当解放些，不需要时时刻刻有劳工搬货和值守，节约了人力、物力，提高了发货的效率，也开辟了物联网技术在散装货物发货过程的新应用。

一种散装货物智能高效发货方法，具体步骤如下：

步骤一，测试主要参数；

测试主要参数具体步骤如下：

1)精确测量整个区域形状；

2)测量车位的中心点、区域位置、车斗的前后中心点；

3)测量散装货物区离墙边的距离；

4)确定两斗之间的距离，即模型中两格中行、列的距离，确定发货区域各少发货位；

5)确定从A点到B点的坐标即A点到B点之间距离，经历的时间，加速度；

6)确定行车最高点距地点距离；

7)确定地面高度多少不允许抓取；

8)确定抓取时，ZL高度，上升到ZH的时间，或者反向时间，记录开始挨料到开始提升时间；

9)记录一车，在某一位置上，整个发货的时间；

10)每一次抓取之后，被抓取位置下降高度，平均抓取的重量与高度关系。

步骤二，建立相关模型算法；

1)算法参数定义；

设散装货物堆的总面积由M×N个(n×n)m²散装货物堆组成，整个散装货物堆的俯视图为一个大的矩形图，以矩形的长为x轴，宽为y轴建立二维直角坐标系。为了方便研究，特取散装货物堆为5×5个(2×2)m²散装货物堆组成(如图1所示)，刻度为2个单位长度，方格的中心坐标为每次抓斗抓取散装货物的坐标(如在左下角方格散装货物堆中，抓斗小车抓取散装货物的坐标为(1,1))，方格中的数字代表当前散装货物堆中散装货物的数量(散装货物最大量不超过18)，装散装货物的工程车所在的坐标为(x0，y0)(5，-1)，抓斗小车每次抓完散装货物后，可沿当前抓斗坐标和工程车坐标所在的直线到达工程车，从而完成一次抓取散装货物的过程。

设抓斗小车加速和减速的加速度都为a，抓斗小车的实时速度为vt，抓斗小车初始速度为0，若抓斗小车在行驶过程中能加速到最大速度vm,则抓斗小车在加速度为a的加速下匀加速到vm做匀速运动，最后抓斗小车快到终点时在加速度a下匀减速运动到终点，到终点时，速度恰好为0。

但是抓斗小车并不是每次都能到达最大速度vm，有的散装货物堆距离工程车较长能到达最大速度v0，有的散装货物堆距离工程车较短，还未达到最大速度就开始减速到达终点，可根据物理学中运动学公式来求出到达最大速度的临界条件，根据如下公式：

初始速度v₀＝0，L是当前抓斗小车需要走过的路程，L可由在直角坐标系中根据两点间距离公式求出

求出。将v_t＝v_m，t₁＝0代入上式，可以求出当散装货物与工程车两点间距离L恰好为

时，抓斗小车的速度恰好可以达到v_m,所以抓斗小车的运动情形可以分为以下两种：

第一种情况：

抓斗小车的速度分段函数v_t如下所示

可得抓斗小车一次单程行走时间

第二种情况：

抓斗小车的速度分段函数v_t如下所示：

可得抓斗小车一次单程行走时间

抓斗小车完成一次抓取过程需要往返两次，所以一次抓取的时间需要将小车一次单程行走的时间乘以2，最后可以计算出将所有散装货物全部抓取完所需要的时间t_sum＝2×(t_s1+t_s2+t_s3+……)。由于抓斗小车每次只抓取一次散装货物，抓完固定量的散装货物行走的路径总长度也是固定的，所以抓斗小车抓取散装货物的效率只与最后抓取的总时间有关，所用总时间越短抓取效率越高。以下将介绍在同一散装货物量的散装货物堆下，采用按行优先抓取、按列优先抓取以及按高度优先抓取这三种算法抓取散装货物堆，比较它们最后用的总时间，从而比较出哪种算法抓取效率最高。

2)按行优先的算法设计；

按行优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一行最左边散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一行从左到右抓取一遍了后，再到第二行按从左到右抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一行最左边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_row}＝2×(t_s1+t_s2+t_s3+……)。

3)按列优先的算法设计；

按列优先的抓取算法和按行优先抓取的算法有点类似。按列优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一列最下面的散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一列从下到上抓取一遍了后，再到第二列按从下到上抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一列最下边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_col}＝2×(t_s1+t_s2+t_s3+……+t_sn)。

4)按高度优先的算法设计；

按高度优先抓取算法跟按行优先抓取算法和按列优先抓取算法有所不同。按高度优先抓取，顾名思义就是按照散装货物堆高度优先抓取，也就是按散装货物堆的散装货物的多少来抓取。其核心思想是：在抓斗小车抓取散装货物之前，先将每个散装货物堆的高度放入一个集合中，集合中的元素即为每个散装货物堆的高度。然后将集合中的元素用冒泡排序法降序排序后放入一数列中，接下来抓斗小车就按照数列中从大到小的序列找出对应的散装货物堆的位置抓取散装货物，抓完散装货物送到工程车后，再从数列中寻找最大的元素，抓斗小车到达相对应的散装货物堆位置抓取散装货物送到工程车。如此循环寻找最大高度散装货物堆抓取散装货物，直到所有散装货物堆里的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_max}＝2×(t_s1+t_s2+t_s3+……)。

步骤三不同算法的效率比较计算；

由上述计算公式可知，不同算法的效率只与抓取总时间有关，所以只要求出按行优先抓取、按列优先抓取和按高度优先抓取这三种算法的总抓取时间，即可比较这三种算法的抓取效率。根据单程一次抓取时间为：若

则

若

则

再算出每种算法总抓取时间：

t_{sum_row}＝2×(t_{s1_row}+t_{s2_row}+……+t_{sn_row})，

t_{sum_col}＝2×(t_{s1_col}+t_{s2_col}+……+t_{sn_col})，

t_{sum_max}＝2×(t_{s1_max}+t_{s2_max}+……+t_{sn_max})，

最后比较t_{sum_row}，t_{sum_col}，t_{sum_max}这三者的大小，从而比较出效率的优劣，使用最优方式进行散装货物智能高效发货。

具体仿真如下；

算法仿真环境介绍；

无人值守散装机器人发货业务模型算法采用Python仿真模拟。Python是一种面向对象的解释型程序设计语言，它具有丰富和强大的库，其设计语言优雅、简洁，不像C++和Java那样写起来比较繁琐，它设计的目的是提高程序开发者的开发效率，让程序员更多地专注于算法思想上，而不是在程序语言上投入更多地时间。

本次仿真采用Python 2.7版本，Python2.7版本具有丰富类和库，还有多种GUI接口，如Tkinter，matplotlib，Kivy，Pyforms，PyGobject，PyQt，PyGU，libavg，wxPython等等，其中Tkinter，matplotlib是最长用的两种GUI图形接口，其语法类型跟Matlab语言有点类似；Tkinter在画图和图形处理方面比较出色，matplotlib在科学计算及数理统计方面比较出色。所以本次算法采用Tkinter接口仿真。

在仿真之前，需要安装Python编译环境，并配置Python的环境变量。配置完Python环境变量后，还需要安装Tkinter类库，安装完了Tkinter类库之后，算法仿真环境配置基本上就结束了。由于Python自带的IDE比较原始，在编写代码和调试时很不方便，所以本次算法仿真借助于JetBrains公司专门为Python打造的IDE开发工具Pycharm。Pycharm能完全理解代码的每个面向，它具有智能代码补全、实时错误检查和快速修复功能以及项目导航等功能。Pycharm分为专业版和社区版，社区版为免费版，支持的功能较少，专业版为付费版，支持的功能也更多，此次算法仿真采用Pycharm社区版，社区版的功能足够本次算法仿真使用。

算法仿真主要函数及实现；

本次算法仿真中函数有界面布局函数，散装货物堆随机产生函数，按行优先抓取效率函数，按列优先抓取效率函数以及按高度优先抓取效率函数。为了方便研究，特取抓斗小车的加速度a＝1，到达匀速运动时的最大速度vm＝4以下将重点介绍这几种函数设计与实现。

界面布局函数如下：

最终产生的界面如图2所示：

这里为了方便仿真模拟研究，将散装货物设置为5×5个(2×2)m²散装货物堆组成，每个方格即代表一个散装货物堆，建立如图所示的坐标系,坐标单位刻度为2个单位长度，抓斗小车抓取散装货物的坐标为方格的中心坐标，工程车的坐标为(5，-1)。

散装货物堆随机产生产生函数如下：

随机产生函数效果如图3所示：

方格中数字代表散装货物堆的高度，散装货物堆的最大高度不超过18。

按行优先抓取算法函数如下：

函数中row代表行，col代表列，row，col最小为0。L_temp为抓斗小车每次抓取散装货物单程行走的路程，路程为抓斗小车和工程车两点间的距离，采用两点间距离公式

计算得出，然后判断L_temp与

大小关系，从而选择合适的时间计算公式。

图4到图5为一次按行优先抓取的过程，从图中可以看出，第一行的散装货物堆中，若散装货物堆不为0，则散装货物堆高度减1，第一行抓取完成之后，则转到第二行抓取散装货物，如此下去抓取散装货物，第一轮散装货物抓取完成后，则转到第一行继续从头开始抓取散装货物。如此循环抓取，直到所有的散装货物堆中的散装货物都被抓取完。

按列优先抓取算法函数如下：

按列优先抓取算法思想和按行优先抓取算法有点类似，函数中row代表行，col代表列，row，col最小为0。L_temp为抓斗小车每次抓取散装货物单程行走的路程，路程为抓斗小车和工程车两点间的距离，采用两点间距离公式

计算得出，然后判断L_temp与

大小关系，从而选择合适的时间计算公式。

图6到图7为一次按列优先抓取的过程，从图中可以看出，第一列的散装货物堆中，若散装货物堆不为0，则散装货物堆高度减1，第一列抓取完成之后，则转到第列行抓取散装货物，如此下去抓取散装货物，第一轮散装货物抓取完成后，则转到第一列继续从头开始抓取散装货物。如此循环抓取，直到所有的散装货物堆中的散装货物都被抓取完。

按高度优先抓取算法函数如下：

按高度优先抓取和以上两种抓取算法有着本质不同。主要区别在于，按高度优先抓取算法在抓取散装货物之前，需要将散装货物堆中散装货物堆的高度按从大到小降序排序，然后找出对应的散装货物堆按高度从大到小顺序抓取散装货物，直到所有的散装货物都被抓取完。

从图8和图9中可看出，抓斗小车先抓取散装货物堆中高度最高的散装货物堆，然后再从中寻找高度最高的散装货物堆抓取，依次往下抓取散装货物，直到所有的散装货物都被抓取完成，如图10所示。

算法仿真结果与分析；

以图11随机产生的散装货物堆为例分析按行优先抓取、按列优先抓取以及按高度优先抓取这三种算法的效率优劣。

根据Python仿真，结果可得如图12所示(路程结果保留小数点后八位，时间结果保留小数点后6位)：

仿真结果中前一位数据表示抓斗小车一共行走的路程，第二位数据表示抓斗小车抓取完所有散装货物总共花的时间。由上图所示，

L_{sum_row}＝2733.13274802 T_{sum_row}＝2524.5814621

L_{sum_rcol}＝2733.13274802 T_{sum_col}＝2524.5814621

L_{sum_max}＝2733.13274802 T_{sum_max}＝2524.5814621

由此可以不难看出，虽然抓斗小车在抓取不同散装货物堆时行走的单程时间不同，但是单次抓取散装货物的时间是固定的，最后累计求出抓斗小车抓取散装货物的总时间是不变的。打个比方，这就好比一个人先从南京去北京，再从北京回到南京，然后再从南京去上海，最后从上海回到南京和他先从南京去上海，再从上海回到南京，然后再从南京去北京，最后从北京回到南京，如果任意在两个地点的平均速度都是固定的，那么这两种方式所花的总时间是一样的。总的来说，抓斗小车的抓取效率与怎么抓取散装货物并没有关联，抓取散装货物的总时间只与最初始的散装货物堆的散装货物量有关。

需要说明的是上述实施例，并没有用来限定本发明的保护范围，在上述基础上所作出的等同替换或者替代均属于本发明权利要求的保护范围。

Claims (4)

1.一种散装货物智能高效发货方法，其特征在于，所述方法包括以下步骤：

步骤一：测试主要参数；

步骤二：建立相关模型算法；

步骤三：不同算法的效率比较计算。

2.根据权利要求1所述的散装货物智能高效发货方法，其特征在于，所述步骤一：测试主要参数，具体如下：

测试主要参数具体如下：

1)精确测量整个区域形状；

2)测量车位的中心点、区域位置、车斗的前后中心点；

3)测量散装货物区离墙边的距离；

4)确定两斗之间的距离，即模型中两格中行、列的距离，确定发货区域各少发货位；

5)确定从A点到B点的坐标即A点到B点之间距离，经历的时间，加速度；

6)确定行车最高点距地点距离；

7)确定地面高度多少不允许抓取；

8)确定抓取时，ZL高度，上升到ZH的时间，或者反向时间，记录开始挨料到开始提升时间；

9)记录一车，在某一位置上，整个发货的时间；

10)每一次抓取之后，被抓取位置下降高度，平均抓取的重量与高度关系。

3.根据权利要求2所述的散装货物智能高效发货方法，其特征在于，所述步骤二：建立相关模型算法，具体如下：

1)算法参数定义；

设散装货物堆的总面积由M×N个(n×n)m²散装货物堆组成，整个散装货物堆的俯视图为一个大的矩形图，以矩形的长为x轴，宽为y轴建立二维直角坐标系。为了方便研究，特取散装货物堆为5×5个(2×2)m²散装货物堆组成(如图1所示)，刻度为2个单位长度，方格的中心坐标为每次抓斗抓取散装货物的坐标(如在左下角方格散装货物堆中，抓斗小车抓取散装货物的坐标为(1,1))，方格中的数字代表当前散装货物堆中散装货物的数量(散装货物最大量不超过18)，装散装货物的工程车所在的坐标为(x0，y0)(5，-1)，抓斗小车每次抓完散装货物后，可沿当前抓斗坐标和工程车坐标所在的直线到达工程车，从而完成一次抓取散装货物的过程；

设抓斗小车加速和减速的加速度都为a，抓斗小车的实时速度为vt，抓斗小车初始速度为0，若抓斗小车在行驶过程中能加速到最大速度vm,则抓斗小车在加速度为a的加速下匀加速到vm做匀速运动，最后抓斗小车快到终点时在加速度a下匀减速运动到终点，到终点时，速度恰好为0。

但是抓斗小车并不是每次都能到达最大速度vm，有的散装货物堆距离工程车较长能到达最大速度v0，有的散装货物堆距离工程车较短，还未达到最大速度就开始减速到达终点，可根据物理学中运动学公式来求出到达最大速度的临界条件，根据如下公式：

初始速度v₀＝0，L是当前抓斗小车需要走过的路程，L可由在直角坐标系中根据两点间距离公式求出

求出。将v_t＝v_m，t₁＝0代入上式，可以求出当散装货物与工程车两点间距离L恰好为

时，抓斗小车的速度恰好可以达到v_m,所以抓斗小车的运动情形可以分为以下两种：

第一种情况：

抓斗小车的速度分段函数v_t如下所示

可得抓斗小车一次单程行走时间

第二种情况：

抓斗小车的速度分段函数v_t如下所示：

可得抓斗小车一次单程行走时间

抓斗小车完成一次抓取过程需要往返两次，所以一次抓取的时间需要将小车一次单程行走的时间乘以2，最后可以计算出将所有散装货物全部抓取完所需要的时间t_sum＝2×(t_s1+t_s2+t_s3+……)；由于抓斗小车每次只抓取一次散装货物，抓完固定量的散装货物行走的路径总长度也是固定的，所以抓斗小车抓取散装货物的效率只与最后抓取的总时间有关，所用总时间越短抓取效率越高。以下将介绍在同一散装货物量的散装货物堆下，采用按行优先抓取、按列优先抓取以及按高度优先抓取这三种算法抓取散装货物堆，比较它们最后用的总时间，从而比较出哪种算法抓取效率最高；

2)按行优先的算法设计；

按行优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一行最左边散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一行从左到右抓取一遍了后，再到第二行按从左到右抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一行最左边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_row}＝2×(t_s1+t_s2+t_s3+……)；

3)按列优先的算法设计；

按列优先的抓取算法和按行优先抓取的算法有点类似。按列优先抓取的算法核心思想是：抓斗小车先从工程车位置到第一列最下面的散装货物堆方格开始抓取，抓取完了之后，沿抓斗小车和装散装货物的工程车所在的直线到达工程车，将铁散装货物送到工程车的储货仓，然后抓斗小车从工程车出发，沿工程车和第一行第二个散装货物堆所在直线到达散装货物堆抓取铁散装货物送到工程车货仓，若遇到散装货物堆为空，则进入下一个散装货物堆进行抓取，如此按从左到抓取散装货物。第一列从下到上抓取一遍了后，再到第二列按从下到上抓取散装货物，如此下去，直到有散装货物的散装货物堆都被抓过一次，再重复以上抓取动作，从第一列最下边开始依次往右抓取，依此反复轮回循环，散装货物堆所有的散装货物都被抓取完；

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_col}＝2×(t_s1+t_s2+t_s3+……+t_sn)。

4)按高度优先的算法设计；

按高度优先抓取算法跟按行优先抓取算法和按列优先抓取算法有所不同。按高度优先抓取，顾名思义就是按照散装货物堆高度优先抓取，也就是按散装货物堆的散装货物的多少来抓取。其核心思想是：在抓斗小车抓取散装货物之前，先将每个散装货物堆的高度放入一个集合中，集合中的元素即为每个散装货物堆的高度。然后将集合中的元素用冒泡排序法降序排序后放入一数列中，接下来抓斗小车就按照数列中从大到小的序列找出对应的散装货物堆的位置抓取散装货物，抓完散装货物送到工程车后，再从数列中寻找最大的元素，抓斗小车到达相对应的散装货物堆位置抓取散装货物送到工程车。如此循环寻找最大高度散装货物堆抓取散装货物，直到所有散装货物堆里的散装货物都被抓取完。

由上述公式得出的结论可知，抓斗小车抓取散装货物的效率只与抓取的时间有关，所以只要先算出每次单程抓斗小车行走的时间ts，然后将小车每次单程行走时间求和，求出最后的总时间为：t_{sum_max}＝2×(t_s1+t_s2+t_s3+……)。

4.根据权利要求3所述的散装货物智能高效发货方法，其特征在于，所述步骤三不同算法的效率比较计算，具体如下，

根据单程一次抓取时间为：若

则

若

则

再算出每种算法总抓取时间：

t_{sum_row}＝2×(t_{s1_row}+t_{s2_row}+……+t_{sn_row})，

t_{sum_col}＝2×(t_{s1_col}+t_{s2_col}+……+t_{sn_col})，

t_{sum_max}＝2×(t_{s1_max}+t_{s2_max}+……+t_{sn_max})，

最后比较t_{sum_row}，t_{sum_col}，t_{sum_max}这三者的大小，从而比较出效率的优劣，使用最优方式进行散装货物智能高效发货。

Images