CN111208834A - 全流程无人值守智能行车装运过程建模方法 - Google Patents
全流程无人值守智能行车装运过程建模方法 Download PDFInfo
- Publication number
- CN111208834A CN111208834A CN202010121991.4A CN202010121991A CN111208834A CN 111208834 A CN111208834 A CN 111208834A CN 202010121991 A CN202010121991 A CN 202010121991A CN 111208834 A CN111208834 A CN 111208834A
- Authority
- CN
- China
- Prior art keywords
- unattended
- transporting
- full
- state
- automatic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 144
- 230000008569 process Effects 0.000 title claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims abstract description 17
- 238000002474 experimental method Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000011664 signaling Effects 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 230000003925 brain function Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012905 input function Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了全流程无人值守智能行车装运过程建模方法,包括步骤:一、搭建无人值守行车装运系统模块:采集模块、运动控制模块、智能调度模块;二、利用Petri网理论对装运系统运行进行建模;三、运行全过程Petri网模型,实现无人值守行车装运系统的全自动运行;四、在C#环境下实现无人值守行车装运系统的运行过程算法,对其进行实验与分析,并实现对行车装运任务的优化。本发明为正在兴起的无人值守装运系统的应用提供了方法与技术路径,可对智能行车的运行结果进行分析,能提升系统的运行效率、提供有价值的参考意义。
Description
技术领域
本发明涉及智能行车领域,特别设计全流程无人值守智能行车装运过程建模方法。
背景技术
随着经济技术的快速发展,人工运货已经不能完全满足市场的需求,人工运货存在着人力资源消耗大、劳动强度大、货物转运效率低和物品数量损坏高等问题。针对人工劳作难以满足运送货物数量日益增多和搬运效率低下的问题,可通过智能行车装运提高货物搬送效率,减少人力物力。
行车装运方式可分为:全自动、人工、半自动,全流程无人值守行车装运与人工、半自动方式装运有相当大的区别。在人工方式下,行车时需要通过肉眼查看现场安全情况、堆料分布、抓取效果;半自动情况下,与人工方式相类似,唯一区别是需要考虑远程操作的可靠性;而全自动方式需要通过算法来解决的行车的装运问题,比较关键的是抓取点高度与位置的选取、任务的智能调度、抓取效果的分析与处理、抓取效率的提升等,以及现场安全、避障、业务切换、系统自身的可靠性与安全性等,是涉及交叉学科的复杂矿山应用系统。
Petri网模型是对于具有不定性、共享性、并发性的系统的重要分析工具。通过模型的比较分析发现,Petri网模型可以较好地描述复杂的全流程无人值守行车装运流程,因此可采用Petri网模型构建全流程无人值守行车装运流程模型。
发明内容
为了解决上述存在问题,本发明提供全流程无人值守智能行车装运过程建模方法,解决全流程无人值守智能行车装运问题。为达此目的:
本发明提供全流程无人值守智能行车装运过程建模方法,具体步骤如下:
步骤1:搭建无人值守行车装运系统,主要包括三大模块:采集模块、运动控制模块、智能调度模块;
步骤2:利用Petri网理论对装运系统运行进行建模;
步骤3:运行全过程Petri网模型,实现无人值守行车装运系统的全自动运行;
步骤4:在C#环境下实现无人值守行车装运系统的运行过程算法,对其进行实验与分析,并实现对行车装运任务的优化。
作为本发明进一步改进,所述步骤1中无人值守行车装运系统的三大模块如下:
无人值守行车装运系统主要包括三大模块:采集模块、运动控制模块、智能调度模块,分别相当于“眼”、“手”、“大脑”功能,各模块分别又包括相关子模块,实现全场景信息“输入”、信息处理加工与指挥、动作执行三个大的功能模块。
作为本发明进一步改进,所述步骤2中Petri网理论如下:
根据智能行车装运过程存在条件分支、制约等特点,行为包括就绪、抓取、放料等功能,其中放料功能根据业务又分为发料、布料;本专利尝试采用Petri网理论为系统的运行过程建模;
定义1由以下四元组描述的有向图称作Petri网(PN):
PN={P,T,I,O} (1)
其中,P={p1,p2,...,pk}是库所有限集,k=|P|表示所在个数;T={t1,t2,…,tl}是变迁有限集,l=|T|表示变迁的个数,且P∩T=φ,P∪T≠φ;I:P×T→N是输入函数,定义了P到T的有向弧集合,其中N={0,1,2,…};O:T×P→N是输出函数,定义了T到P的有向弧。
作为本发明进一步改进,所述步骤3中运行全过程Petri网模型如下:
全自动智能行车装运过程动作主要有启动、进入自动状态、进入自动业务状态、抓取、放料、暂停,在特殊情况下需转入全人工状态;根据系统的工作过程,状态变化过程描述如下:系统开始时在初始状态p0,当系统环境正常时,系统进入自动就绪状态p1,系统在工作之前,先到布料区扫描现场堆料状态,进入业务就绪p2,再根据接收到的信令去抓取堆料,进入抓取状态p3,抓取完成之后,再根据信令类型操作,如果类型是发货,则进入发料状态p4;如果是布料,则进入布料状态p5;p4、p5在放料之后,如果系统正常且收到新的业务指令,则继续进入p2状态;在p3、p4、p5状态,当发生故障或不满足自动装运条件时,则自动进入暂停状态p6;当需要转到人工操作时,则进入p7状态;在行车启动时,如果按钮处于人工状态,则直接进入p7状态。
作为本发明进一步改进,所述步骤3中无人值守行车装运系统的全自动运动过程如下:
无人值守全自动业务运动过程主要包括从接收信令(p2)到完成业务(p4,p5)再次循环(p2)工作的过程,其中有故障时(t6)系统暂停,人工交互确定进入人工模式或再次进入自动模式;对于自动抓取过程,又可细分为去目标位、到位就绪、小车下降、抓取、闭合、提升、抓取完成;p4/p5为放料过程,包括回目标位、到位就绪、(p4:小车下降/发货)/(p5布料)、放料完成。从p2~p4/p5形成一个全自动化业务循环模式;
假设每步所用的时间为mti,则系统与设备正常情况下,完成任务的总时间为:
对于每个任务的各个阶段,因实际运行因素不同,可优化的空间也有差异,整个系统效率为(2)式中pk状态转换的总时间;有些库所之间,因电器设备及机械性能的原因,很难有大的空间,比如(p0→p1)、(p4→p5)、(p6→p7)之间,通信、小车下降、小车提升等,因机械或电器性能原因,优化提升空间较小,有些阶段则有一定提升空间;对于连续作业系统来讲,如果一个指令从就绪到完成能提升10秒,则一天的效率提升很可观。
作为本发明进一步改进,所述步骤4中实现无人值守行车装运系统的运行过程算法如下:
在Petri网模型的基础上,本专利进一步设计了运行过程实现算法,并在C#环境下进行实验与分析;将运行过程分为接收信令、去抓取点、下放、抓取、提升、回放矿点、放矿、提升、完成阶段;根据上述运行过程模型,控制调度协议设计字段,另外,为了对抓取效果进行记录,同时在无人值守行车上增加上行车轨道衡,设计算法步骤如下:
1、系统初始化
2、获取某一指令taskID所有运行过程数据
3、对任何一条过程数据,获取运行过程阶段特征
4、根据特征,确定当前运行行为所处的库所,并对时间、特征数量(如抓取重量)进行统计分析
5、按步骤2~4分别统计各任务,直到过程结束
6、对分析结果统计输出
根据各库所将相应的各库所变化所用时间快速统计出来,并将各库所所用精确时间分析结果快速显示,同时方便对照视频运行过程与分析结果,能清楚的知道一个任务的详细运行过程数据;根据各阶段大量数据分析,可对用时不合理之处进行优化,为进一步设计提升系统效率的路径提供数据支撑。
本发明全流程无人值守智能行车装运过程建模方法,有益效果在于:
1.本发明为全流程无人值守智能行车装运过程各阶段提供了模型与方法;
2.可对智能行车的运行结果进行分析,能提升系统的运行效率、提供有价值的参考意义;
3.本发明为正在兴起的无人值守装运系统的应用提供了方法与技术路径。
附图说明
图1是智能行车装运系统图;
图2是全流程装运过程PN模型;
图3是行车运行关键过程模型图;
图4是无人值守行车运行过程数据记录;
图5是运行过程结果数据分析。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
步骤1:搭建无人值守行车装运系统,主要包括三大模块:采集模块、运动控制模块、智能调度模块;
步骤1中无人值守行车装运系统的三大模块具体描述如下:
无人值守行车装运系统主要包括三大模块:采集模块、运动控制模块、智能调度模块,分别相当于“眼”、“手”、“大脑”功能,各模块分别又包括相关子模块,实现全场景信息“输入”、信息处理加工与指挥、动作执行三个大的功能模块,各模块的功能及交互关系如图1所示;
图中电控部分主要功能是接收信令,根据信令类别,完成动作,是整个系统的执行部件,是整个系统中自动化程度较高的部分,其运程过程是系统自动化的关键部分,对系统过程的建模、分析,具有十分重要的意义;
步骤2:利用Petri网理论对装运系统运行进行建模;
步骤2中Petri网理论具体描述如下:
根据智能行车装运过程存在条件分支、制约等特点,行为包括就绪、抓取、放料等功能,其中放料功能根据业务又分为发料、布料;本专利尝试采用Petri网理论为系统的运行过程建模;
定义1由以下四元组描述的有向图称作Petri网(PN):
PN={P,T,I,O} (1)
其中,P={p1,p2,…,pk}是库所有限集,k=|P|表示所在个数;T={t1,t2,...,tl}是变迁有限集,l=|T|表示变迁的个数,且P∩T=φ,P∪T≠φ;I:P×T→N是输入函数,定义了P到T的有向弧集合,其中N={0,1,2,...};O:T×P→N是输出函数,定义了T到P的有向弧;
步骤3:提取锂电池实验数据的等压升充电时间、等流降充电时间、等压降放电时间、等时间电压差四个特征,并将样本对应的特征分为训练样本和测试样本;
步骤3:运行全过程Petri网模型,实现无人值守行车装运系统的全自动运行;
步骤3中运行全过程Petri网模型具体描述如下:
全自动智能行车装运过程动作主要有启动、进入自动状态、进入自动业务状态、抓取、放料、暂停,在特殊情况下需转入全人工状态;根据系统的工作过程,状态变化过程描述如下:系统开始时在初始状态p0,当系统环境正常时,系统进入自动就绪状态p1,系统在工作之前,先到布料区扫描现场堆料状态,进入业务就绪p2,再根据接收到的信令去抓取堆料,进入抓取状态p3,抓取完成之后,再根据信令类型操作,如果类型是发货,则进入发料状态p4;如果是布料,则进入布料状态p5;p4、p5在放料之后,如果系统正常且收到新的业务指令,则继续进入p2状态;在p3、p4、p5状态,当发生故障或不满足自动装运条件时,则自动进入暂停状态p6;当需要转到人工操作时,则进入p7状态;在行车启动时,如果按钮处于人工状态,则直接进入p7状态;装运过程从行为pi在条件ti下转移到行为pj,转移模型图如图2所示。
步骤3中无人值守行车装运系统的全自动运动过程具体描述如下:
无人值守全自动业务运动过程主要包括从接收信令(p2)到完成业务(p4,p5)再次循环(p2)工作的过程,其中有故障时(t6)系统暂停,人工交互确定进入人工模式或再次进入自动模式;对于自动抓取过程,又可细分为去目标位、到位就绪、小车下降、抓取、闭合、提升、抓取完成;p4/p5为放料过程,包括回目标位、到位就绪、(p4:小车下降/发货)/(p5布料)、放料完成。从p2~p4/p5形成一个全自动化业务循环模式;假设在装运过程设备/环境正常的情况下,行车运行的关键循环过程详细模型如图3所示,库所及变迁对应关系如表1所示;
表1库所及变迁对应关系表
假设每步所用的时间为mti,则系统与设备正常情况下,完成任务的总时间为:
对于每个任务的各个阶段,因实际运行因素不同,可优化的空间也有差异,整个系统效率为(2)式中pk状态转换的总时间;有些库所之间,因电器设备及机械性能的原因,很难有大的空间,比如(p0→p1)、(p4→p5)、(p6→p7)之间,通信、小车下降、小车提升等,因机械或电器性能原因,优化提升空间较小,有些阶段则有一定提升空间;对于连续作业系统来讲,如果一个指令从就绪到完成能提升10秒,则一天的效率提升很可观,下面将对模型图3做进一步算法设计,并进行验证。
在C#环境下实现无人值守行车装运系统的运行过程算法,对其进行实验与分析,并实现对行车装运任务的优化;
步骤4中实现无人值守行车装运系统的运行过程算法具体描述如下:
在Petri网模型的基础上,本专利进一步设计了运行过程实现算法,并在C#环境下进行实验与分析;
依据图3将将运行过程分为接收信令、去抓取点、下放、抓取、提升、回放矿点、放矿、提升、完成阶段;根据上述运行过程模型,控制调度协议设计字段,如表2所示:
表2运动过程协议字段设计
另外,为了对抓取效果进行记录,同时在无人值守行车上增加上行车轨道衡,根据图3模型及表2,设计算法步骤如下:
1、系统初始化
2、获取某一指令taskID所有运行过程数据
3、对任何一条过程数据,获取运行过程阶段特征
4、根据特征,确定当前运行行为所处的库所,并对时间、特征数量(如抓取重量)进行统计分析
5、按步骤2~4分别统计各任务,直到过程结束
6、对分析结果统计输出
根据上述模型与算法,在宝钢梅山矿业分公司现场进行实验,获取的运行数据记录如图4所示;
根据模型与算法,对运行过程进行处理结果如图5所示,比如记录22号任务,依据式2,全部用时T22=94秒,抓取到提绳过程用时较长19秒,用时22秒等,根据各库所将相应的各库所变化所用时间快速统计出来,并将各库所所用精确时间分析结果快速显示,同时方便对照视频运行过程与分析结果,能清楚的知道一个任务的详细运行过程数据;根据各阶段大量数据分析,可对用时不合理之处进行优化,为进一步设计提升系统效率的路径提供数据支撑。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (6)
1.全流程无人值守智能行车装运过程建模方法,具体步骤如下,其特征在于,
步骤1:搭建无人值守行车装运系统,主要包括三大模块:采集模块、运动控制模块、智能调度模块;
步骤2:利用Petri网理论对装运系统运行进行建模;
步骤3:运行全过程Petri网模型,实现无人值守行车装运系统的全自动运行;
步骤4:在C#环境下实现无人值守行车装运系统的运行过程算法,对其进行实验与分析,并实现对行车装运任务的优化。
2.根据权利要求1全流程无人值守智能行车装运过程建模方法,其特征在于:步骤1中无人值守行车装运系统的三大模块如下:
无人值守行车装运系统主要包括三大模块:采集模块、运动控制模块、智能调度模块,分别相当于“眼”、“手”、“大脑”功能,各模块分别又包括相关子模块,实现全场景信息“输入”、信息处理加工与指挥、动作执行三个大的功能模块。
3.根据权利要求1全流程无人值守智能行车装运过程建模方法,其特征在于:步骤2中Petri网理论如下:
根据智能行车装运过程存在条件分支、制约等特点,行为包括就绪、抓取、放料等功能,其中放料功能根据业务又分为发料、布料;本专利尝试采用Petri网理论为系统的运行过程建模;
定义1由以下四元组描述的有向图称作Petri网(PN):
PN={P,T,I,O} (1)
其中,P={p1,p2,...,pk}是库所有限集,k=|P|表示所在个数;T={t1,t2,...,tl}是变迁有限集,l=|T|表示变迁的个数,且P∩T=φ,P∪T≠φ;I:P×T→N是输入函数,定义了P到T的有向弧集合,其中N={0,1,2,...};O:T×P→N是输出函数,定义了T到P的有向弧。
4.根据权利要求1全流程无人值守智能行车装运过程建模方法,其特征在于:步骤3中运行全过程Petri网模型如下:
全自动智能行车装运过程动作主要有启动、进入自动状态、进入自动业务状态、抓取、放料、暂停,在特殊情况下需转入全人工状态;根据系统的工作过程,状态变化过程描述如下:系统开始时在初始状态p0,当系统环境正常时,系统进入自动就绪状态p1,系统在工作之前,先到布料区扫描现场堆料状态,进入业务就绪p2,再根据接收到的信令去抓取堆料,进入抓取状态p3,抓取完成之后,再根据信令类型操作,如果类型是发货,则进入发料状态p4;如果是布料,则进入布料状态p5;p4、p5在放料之后,如果系统正常且收到新的业务指令,则继续进入p2状态;在p3、p4、p5状态,当发生故障或不满足自动装运条件时,则自动进入暂停状态p6;当需要转到人工操作时,则进入p7状态;在行车启动时,如果按钮处于人工状态,则直接进入p7状态。
5.根据权利要求1全流程无人值守智能行车装运过程建模方法,其特征在于:步骤3中无人值守行车装运系统的全自动运动过程如下:
无人值守全自动业务运动过程主要包括从接收信令(p2)到完成业务(p4,p5)再次循环(p2)工作的过程,其中有故障时(t6)系统暂停,人工交互确定进入人工模式或再次进入自动模式;对于自动抓取过程,又可细分为去目标位、到位就绪、小车下降、抓取、闭合、提升、抓取完成;p4/p5为放料过程,包括回目标位、到位就绪、(p4:小车下降/发货)/(p5布料)、放料完成,从p2~p4/p5形成一个全自动化业务循环模式;
假设每步所用的时间为mti,则系统与设备正常情况下,完成任务的总时间为:
对于每个任务的各个阶段,因实际运行因素不同,可优化的空间也有差异,整个系统效率为式2中pk状态转换的总时间;有些库所之间,因电器设备及机械性能的原因,很难有大的空间,比如(p0→p1)、(p4→p5)、(p6→p7)之间,通信、小车下降、小车提升等,因机械或电器性能原因,优化提升空间较小,有些阶段则有一定提升空间;对于连续作业系统来讲,如果一个指令从就绪到完成能提升10秒,则一天的效率提升也很可观。
6.根据权利要求1全流程无人值守智能行车装运过程建模方法,其特征在于:步骤4中实现无人值守行车装运系统的运行过程算法如下:
在Petri网模型的基础上,本专利进一步设计了运行过程实现算法,并在C#环境下进行实验与分析;将运行过程分为接收信令、去抓取点、下放、抓取、提升、回放矿点、放矿、提升、完成阶段;根据上述运行过程模型,控制调度协议设计字段,另外,为了对抓取效果进行记录,同时在无人值守行车上增加上行车轨道衡,设计算法步骤如下:
1、系统初始化;
2、获取某一指令taskID所有运行过程数据;
3、对任何一条过程数据,获取运行过程阶段特征;
4、根据特征,确定当前运行行为所处的库所,并对时间、特征数量(如抓取重量)进行统计分析;
5、按步骤2~4分别统计各任务,直到过程结束;
6、对分析结果统计输出;
根据各库所将相应的各库所变化所用时间快速统计出来,并将各库所所用精确时间分析结果快速显示,同时方便对照视频运行过程与分析结果,能清楚的知道一个任务的详细运行过程数据;根据各阶段大量数据分析,可对用时不合理之处进行优化,为进一步设计提升系统效率的路径提供数据支撑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121991.4A CN111208834A (zh) | 2020-02-27 | 2020-02-27 | 全流程无人值守智能行车装运过程建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121991.4A CN111208834A (zh) | 2020-02-27 | 2020-02-27 | 全流程无人值守智能行车装运过程建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111208834A true CN111208834A (zh) | 2020-05-29 |
Family
ID=70784450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121991.4A Pending CN111208834A (zh) | 2020-02-27 | 2020-02-27 | 全流程无人值守智能行车装运过程建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208834A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036377A (zh) * | 2014-06-05 | 2014-09-10 | 陕西科技大学 | 基于多色集合理论的智能储配系统优化调度方法 |
CN104835026A (zh) * | 2015-05-15 | 2015-08-12 | 重庆大学 | 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法 |
CN108393884A (zh) * | 2018-01-18 | 2018-08-14 | 西北工业大学 | 一种基于Petri网的多机械臂遥操作系统协同任务规划方法 |
CN108584467A (zh) * | 2018-05-25 | 2018-09-28 | 金陵科技学院 | 一种无人值守的矿区装载货系统 |
CN109086532A (zh) * | 2018-08-09 | 2018-12-25 | 广东工业大学 | 一种基于oopn网模型的立体仓库半实物仿真建模方法 |
CN109108642A (zh) * | 2018-08-29 | 2019-01-01 | 南京理工大学 | 基于赋时Petri网的机器人小臂装配系统建模方法 |
CN110334837A (zh) * | 2019-04-11 | 2019-10-15 | 浙江同筑科技有限公司 | 一种基于petri网分解的多AGV调度方法 |
CN110442090A (zh) * | 2019-01-18 | 2019-11-12 | 湖南师范大学 | 一种基于物联网的炼钢全流程物流信息化方法 |
CN110837625A (zh) * | 2019-11-07 | 2020-02-25 | 华能曹妃甸港口有限公司 | 港口运营管控方法和装置 |
-
2020
- 2020-02-27 CN CN202010121991.4A patent/CN111208834A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036377A (zh) * | 2014-06-05 | 2014-09-10 | 陕西科技大学 | 基于多色集合理论的智能储配系统优化调度方法 |
CN104835026A (zh) * | 2015-05-15 | 2015-08-12 | 重庆大学 | 基于Petri网与改进遗传算法的自动化立体仓库拣选作业调度建模优化方法 |
CN108393884A (zh) * | 2018-01-18 | 2018-08-14 | 西北工业大学 | 一种基于Petri网的多机械臂遥操作系统协同任务规划方法 |
CN108584467A (zh) * | 2018-05-25 | 2018-09-28 | 金陵科技学院 | 一种无人值守的矿区装载货系统 |
CN109086532A (zh) * | 2018-08-09 | 2018-12-25 | 广东工业大学 | 一种基于oopn网模型的立体仓库半实物仿真建模方法 |
CN109108642A (zh) * | 2018-08-29 | 2019-01-01 | 南京理工大学 | 基于赋时Petri网的机器人小臂装配系统建模方法 |
CN110442090A (zh) * | 2019-01-18 | 2019-11-12 | 湖南师范大学 | 一种基于物联网的炼钢全流程物流信息化方法 |
CN110334837A (zh) * | 2019-04-11 | 2019-10-15 | 浙江同筑科技有限公司 | 一种基于petri网分解的多AGV调度方法 |
CN110837625A (zh) * | 2019-11-07 | 2020-02-25 | 华能曹妃甸港口有限公司 | 港口运营管控方法和装置 |
Non-Patent Citations (1)
Title |
---|
何鹏;李文锋;: "基于随机Petri网的物流配送流程建模与分析", 武汉理工大学学报(信息与管理工程版) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657354B (zh) | 一种基于数字孪生的混流装配车间快速重构方法及系统 | |
CN108345970A (zh) | 物流仓储仿真方法、平台和系统 | |
CN112068455A (zh) | 任务仿真方法、系统、装置、电子设备及可读存储介质 | |
CN111461547A (zh) | 订单的排产方法、系统、装置和电子设备 | |
CN108873737B (zh) | 一种基于m-hstpn模型的自动分拣控制与决策系统 | |
KR101761364B1 (ko) | 컨테이너 항만 터미널 3d 모델링 방법 및 시스템 | |
CN105446203B (zh) | 一种机器人电源控制方法及系统 | |
CN112850172A (zh) | 一种码垛机控制系统及控制方法 | |
CN111208834A (zh) | 全流程无人值守智能行车装运过程建模方法 | |
CN109491342B (zh) | 一种多工序智能rgv动态调度方法、装置及系统 | |
CN109376484B (zh) | 一种面向仓储物流系统的三维运行仿真方法和系统 | |
KR101175396B1 (ko) | 컨테이너 선박의 재항 시간 예측 시스템 및 그 방법 | |
Roy et al. | Optimal design of container terminal layout | |
Fang et al. | Continuous execution of high-level collaborative tasks for heterogeneous robot teams | |
Witczak et al. | A fuzzy logic approach to remaining useful life control and scheduling of cooperating forklifts | |
Jobran et al. | Examining the Efficiency of Automation in Container Terminals | |
Soltani et al. | Verification and Optimization of Cyber-Physical Systems: Preprint for FedCSIS | |
CN116468346B (zh) | 一种智能物流控制方法及系统 | |
Bruno et al. | Sustainability analysis of autonomous vehicle storage and retrieval systems | |
Braga et al. | Applying multi-agent systems to simulate dynamic control in flexible manufacturing scenarios | |
CN118316137A (zh) | 一种移动机器人的充电方法及系统 | |
Ding et al. | Research on Scheduling Optimization of Multi-layer Four-way Shuttle System Based on Composite Tasks | |
Zairi et al. | A generic generalized stochastic Petri nets model for the performance analysis of FMS considering the resources failures | |
Chen et al. | Modelling of dual-cycle strategy with straddle carrier at automated container terminals | |
Al-Aomar et al. | Modeling at the machine-control level using discrete event simulation (DES) |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |