CN111573095B - 一种基于自爬式机器人的存储系统的绕行避碰优化方法 - Google Patents

一种基于自爬式机器人的存储系统的绕行避碰优化方法 Download PDF

Info

Publication number
CN111573095B
CN111573095B CN202010300494.0A CN202010300494A CN111573095B CN 111573095 B CN111573095 B CN 111573095B CN 202010300494 A CN202010300494 A CN 202010300494A CN 111573095 B CN111573095 B CN 111573095B
Authority
CN
China
Prior art keywords
self
climbing robot
service time
goods
operation stage
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.)
Expired - Fee Related
Application number
CN202010300494.0A
Other languages
English (en)
Other versions
CN111573095A (zh
Inventor
龚业明
陈齐
陈婉莹
刘汕
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010300494.0A priority Critical patent/CN111573095B/zh
Publication of CN111573095A publication Critical patent/CN111573095A/zh
Application granted granted Critical
Publication of CN111573095B publication Critical patent/CN111573095B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
    • B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses

Abstract

本发明涉及仓储设计技术领域，且本发明公开了一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于，包括以下步骤：对自爬式机器人出库作业进行分析，求解出库作业流程中每个阶段的平均服务时间模型，根据自爬式机器人的作业过程，分析自爬式机器人产生绕行避碰的作业阶段，分别将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型，利用跳转迭代平均值算法，求解基于资源绕行的闭环排队网络模型。该基于自爬式机器人的存储系统的绕行避碰优化方法，通过建立的基于资源绕行的排队网络模型准确地模拟基于自爬式机器人的存储系统的实际出库任务过程和自爬式机器人的绕行避碰。

Description

一种基于自爬式机器人的存储系统的绕行避碰优化方法
技术领域
本发明涉及仓储设计技术领域，具体为一种基于自爬式机器人的存储系统的绕行避碰优化方法。
背景技术
传统的自动化立体仓库是由穿梭车完成在固定巷道内货物的存取，在提升机的协助下实现穿梭车的跨层，并将货物运送到工站台。通常，系统的吞吐量受到提升机数量的限制。因而，传统的自动化立体仓库的建模只针对穿梭车和提升机进行分析。
随着产品订单结构呈现小批量、多批次、大规模定制时代的到来，对自动化仓储系统出库作业的并行性和柔性的要求提高。基于自爬式机器人的存储系统开始陆续投入使用。基于自爬式机器人的存储系统可以通过改变自爬式机器人的数量来满足系统个性化的吞吐量要求。如图1所示，基于自爬式机器人的存储系统中，自爬式机器人可以自主爬上货架存出库物，并在地面上的巷道和装卸工作站之间运输货物。随着系统中自爬式机器人数量的增加，自爬式机器人之间的拥堵和碰撞必然会降低系统的吞吐量。
然而，传统的自动化立体仓库的建模只针对穿梭车和提升机进行分析，不适合基于自爬式机器人的存储系统这种多设备并行的复杂模式。因此，有必要针对基于自爬式机器人的存储系统的出库作业的建模及避碰优化方法进行深入研究。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于自爬式机器人的存储系统的绕行避碰优化方法，解决了传统的自动化立体仓库的建模只针对穿梭车和提升机进行分析，不适合基于自爬式机器人的存储系统这种多设备并行的复杂模式的问题。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：一种基于自爬式机器人的存储系统的绕行避碰优化方法，包括以下步骤：
S1：对自爬式机器人出库作业进行分析，求解出库作业流程中每个阶段的平均服务时间模型；
S2：根据自爬式机器人的作业过程，分析自爬式机器人产生绕行避碰的作业阶段，分别将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型；
S3：利用跳转迭代平均值算法，求解基于资源绕行的闭环排队网络模型，得到自爬式机器人绕行避碰的概率，得到基于自爬式机器人的存储系统的系统吞吐量。
优选的，求解自爬式机器人出库作业流程中每个阶段的平均服务时间模型的具体步骤为：
1-1：计算第一出库作业阶段的平均服务时间：计算自爬式机器人从装卸工作站运行到货架巷道入口的平均服务时间；
1-2：计算第二出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道入口运行到货物所在列的平均服务时间；
1-3：计算第三出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的平均服务时间；
1-4：计算第四出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列运行到货架巷道出口的平均服务时间；
1-5：计算第五出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道出口运行到装卸工作站的平均服务时间；
1-6：计算第六出库作业阶段的平均服务时间：计算自爬式机器人在装卸工作站的平均服务时间；
1-7：计算第七出库作业阶段的平均服务时间：计算自爬式机器人绕行避碰的平均服务时间。
优选的，所述步骤1-1中，计算第一出库作业阶段的平均服务时间的具体步骤为：
(1)假设系统左下方为坐标原点(0,0,0)，装卸工作站的位置位于
Figure GDA0003088124540000031
货架巷道入口的位置位于
Figure GDA0003088124540000032
其中，nl代表货架的列数，l和w分别代表货架上每一个存储位置的长度和宽度，wa和wc分别代表巷道的宽度和巷道外侧的宽度；
(2)第一出库作业阶段的平均服务时间为：
Figure GDA0003088124540000033
其中，v表示自爬式机器人的平均运行速度。
优选的，所述步骤1-2中，计算第二出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道入口的位置位于
Figure GDA0003088124540000034
货物所在列的位置位于
Figure GDA0003088124540000035
(2)第二出库作业阶段的平均服务时间为：
Figure GDA0003088124540000036
其中，i＝1,2,...nl，表示货物在第i列。
优选的，所述步骤1-3中，计算第三出库作业阶段的平均服务时间的具体步骤为：
(1)货物所在列的位置位于
Figure GDA0003088124540000037
货物所在层的位置位于
Figure GDA0003088124540000038
假设货物在第k层，货物在该层的概率为
Figure GDA0003088124540000039
(2)第三出库作业阶段的平均服务时间为：
Figure GDA00030881245400000310
其中，h表示货架上每一个存储位置的高度，nh表示货架的层数，t表示自爬式机器人出库的时间。
优选的，所述步骤1-4)中，计算第四出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道出口的位置位于
Figure GDA0003088124540000041
货物所在列的位置位于
Figure GDA0003088124540000042
(2)第四出库作业阶段的平均服务时间为：
Figure GDA0003088124540000043
其中，i＝1,2,...nl，表示货物在第i列。
优选的，所述步骤1-5中，计算第五出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道出口的位置位于
Figure GDA0003088124540000044
装卸工作站的位置位于
Figure GDA0003088124540000045
(2)第五出库作业阶段的平均服务时间为：
Figure GDA0003088124540000046
优选的，所述步骤1-6中，计算第六出库作业阶段的平均服务时间的具体步骤为：
(1)自爬式机器人在装卸工作站的平均服务时间服从均匀定长分布U＝[X,Y]；
(2)第五出库作业阶段的平均服务时间为：
Figure GDA0003088124540000047
优选的，所述步骤1-7中，计算第七出库作业阶段的平均服务时间的具体步骤为：
(1)自爬式机器人绕行避碰作业流程发生在第三出库作业阶段，如果货物所在列无自爬式机器人进行作业，则执行第三出库作业阶段。如果货物所在列有自爬式机器人正在进行作业，则刚到达的自爬式机器人进行绕行避碰，即跳过第三出库作业阶段，依次执行第四出库作业阶段，第五出库作业阶段，第一出库作业阶段，第二出库作业阶段，再次查看货物所在列是否有自爬机器人进行作业，直到执行完第三作业阶段；
(2)自爬式机器人绕行避碰的平均服务时间为：
Figure GDA0003088124540000048
其中，i＝1,2,...nl，表示货物在第i列。
优选的，所述S2中建立基于资源绕行的闭环排队网络模型的具体步骤为：
2-1：自爬式机器人从装卸工作站运行到货架巷道入口，此过程为无限队列服务器。然后以
Figure GDA0003088124540000051
的概率运行至货物所在列，即nl个并联的无限队列服务器；
2-2：货物所在列已经被其他自爬式机器人占用的概率为pri，i＝1,2,...nl，表示货物在第i列。自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的概率为1-pri，此过程为容量为1的服务器。自爬式机器人进行绕行避碰的概率为pri，此过程为无限队列服务器；
2-3：自爬式机器人从货物所在列运行到货架巷道出口，此过程为无限队列服务器，自爬式机器人从货架巷道出口运行到装卸工作站，此过程为无限队列服务器，自爬式机器人在装卸工作站接受服务，此过程为单队列单服务器。完成基于资源绕行的闭环排队网络模型的建立。
优选的，所述S3中利用跳转迭代平均值算法求解基于资源绕行的闭环排队网络模型的具体步骤为：
3-1将基于资源绕行的闭环排队网络模型中资源数量由1开始迭代至R，货物所在列已经被其他自爬式机器人占用的当前概率pri赋值为0，计算基于资源绕行的闭环排队网络模型中各服务器的访问率，和顾客在每个服务器的停留时间；
3-2计算排队网络模型的吞吐量，和各个服务器的平均队长；
3-3计算货架所在列服务器有1个顾客时的边际概率，并将货物所在列已经被其他自爬式机器人占用的新概率pri赋值为边际概率，不断重复迭代，直到新概率和当前概率的差小于给定值ε，则算法终止；
3-4得到自爬式机器人绕行避碰的最终概率，得到基于自爬式机器人的存储系统的系统吞吐量。
优选的，一种基于自爬式机器人的存储系统的模型，该模型根据如权利要求1-11任一所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法建模得到。
(三)有益效果
与现有技术相比，本发明提供了一种基于自爬式机器人的存储系统的绕行避碰优化方法，具备以下有益效果：
1、该基于自爬式机器人的存储系统的绕行避碰优化方法，通过建立的基于资源绕行的排队网络模型准确地模拟基于自爬式机器人的存储系统的实际出库任务过程和自爬式机器人的绕行避碰，利用的跳转迭代平均值算法，可以快速的估算出各种货架及设备配置下基于自爬式机器人的存储系统的系统吞吐量，为基于自爬式机器人的存储系统的优化设计及提高系统吞吐量、降低自爬式机器人的拥堵，节约运行成本提供决策支持。
2、本发明将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型及其求解算法，克服了传统的自动化立体仓库的建模方法无法适用于基于自爬式机器人的存储系统的出库作业的建模及避碰优化的特点，利用跳转迭代平均值算法可以准确的估算出绕行避碰优化下系统的吞吐量。利用该模型及求解算法，能够有效提高自爬式机器人绕行避碰效率，准确有效的评估出不同自爬式机器人数量配置下系统的吞吐量，从而指导系统的设计，降低自爬式机器人的拥堵，提高自爬式机器人的利用率和存储系统吞吐量。
附图说明
图1为本发明的基于自爬式机器人的存储系统结构图；
图2为本发明的基于自爬式机器人的存储系统的绕行避碰优化方法整体流程图；
图3为本发明的基于自爬式机器人的存储系统的出库作业任务流程图；
图4为本发明的基于资源绕行的闭环排队网络模型示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图2所示，一种基于自爬式机器人的存储系统的绕行避碰优化方法，该方法包括以下步骤：
S1：对自爬式机器人出库作业进行分析，求解出库作业流程中每个阶段的平均服务时间模型。
S2：根据自爬式机器人的作业过程，分析自爬式机器人产生绕行避碰的作业阶段，分别将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型。
S3：利用跳转迭代平均值算法，求解基于资源绕行的闭环排队网络模型，得到自爬式机器人绕行避碰的概率，得到基于自爬式机器人的存储系统的系统吞吐量。
如图3所示,为本发明的基于自爬式机器人的存储系统的出库作业任务流程图，在本实施例的步骤1中，从如图3所示的出库作业任务流程图可以看出，整个基于自爬式机器人的存储系统的出库作业流程包括7个阶段，求解自爬式机器人出库作业流程中每个阶段的平均服务时间模型的具体步骤为：
假设系统左下方为坐标原点(0,0,0)，装卸工作站的位置位于
Figure GDA0003088124540000071
货架巷道入口的位置位于
Figure GDA0003088124540000072
其中，nl代表货架的列数，l和w分别代表货架上每一个存储位置的长度和宽度，wa和wc分别代表巷道的宽度和巷道外侧的宽度。
第一出库作业阶段的平均服务时间为：
Figure GDA0003088124540000081
其中，v表示自爬式机器人的平均运行速度。
1-2：计算第二出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道入口运行到货物所在列的平均服务时间。
步骤1-2中，计算第二出库作业阶段的平均服务时间的具体步骤为：
货架巷道入口的位置位于
Figure GDA0003088124540000082
货物所在列的位置位于
Figure GDA0003088124540000083
第二出库作业阶段的平均服务时间为：
Figure GDA0003088124540000084
其中，i＝1,2,...nl，表示货物在第i列。
1-3：计算第三出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的平均服务时间。
步骤1-3中，计算第三出库作业阶段的平均服务时间的具体步骤为：货物所在列的位置位于
Figure GDA0003088124540000085
货物所在层的位置位于
Figure GDA0003088124540000086
假设货物在第k层，货物在该层的概率为
Figure GDA0003088124540000087
第三出库作业阶段的平均服务时间为：
Figure GDA0003088124540000088
其中，h表示货架上每一个存储位置的高度，nh表示货架的层数，t表示自爬式机器人出库的时间。
1-4：计算第四出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列运行到货架巷道出口的平均服务时间，步骤1-4)中，计算第四出库作业阶段的平均服务时间的具体步骤为：货架巷道出口的位置位于
Figure GDA0003088124540000089
货物所在列的位置位于
Figure GDA00030881245400000810
第四出库作业阶段的平均服务时间为：
Figure GDA00030881245400000811
其中，i＝1,2,...nl，表示货物在第i列。
1-5：计算第五出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道出口运行到装卸工作站的平均服务时间。
1-1：计算第一出库作业阶段的平均服务时间：计算自爬式机器人从装卸工作站运行到货架巷道入口的平均服务时间。
步骤1-1中，计算第一出库作业阶段的平均服务时间的具体步骤为：步骤1-5中，计算第五出库作业阶段的平均服务时间的具体步骤为：
货架巷道出口的位置位于
Figure GDA0003088124540000091
装卸工作站的位置位于
Figure GDA0003088124540000092
第五出库作业阶段的平均服务时间为：
Figure GDA0003088124540000093
1-6：计算第六出库作业阶段的平均服务时间：计算自爬式机器人在装卸工作站的平均服务时间。
步骤1-6中，计算第六出库作业阶段的平均服务时间的具体步骤为：
自爬式机器人在装卸工作站的平均服务时间服从均匀定长分布U＝[X,Y]。
第五出库作业阶段的平均服务时间为：
Figure GDA0003088124540000094
1-7：计算第七出库作业阶段的平均服务时间：计算自爬式机器人绕行避碰的平均服务时间。
步骤1-7中，计算第七出库作业阶段的平均服务时间的具体步骤为：
自爬式机器人绕行避碰作业流程发生在第三出库作业阶段，如果货物所在列无自爬式机器人进行作业，则执行第三出库作业阶段。如果货物所在列有自爬式机器人正在进行作业，则刚到达的自爬式机器人进行绕行避碰，即跳过第三出库作业阶段，依次执行第四出库作业阶段，第五出库作业阶段，第一出库作业阶段，第二出库作业阶段，再次查看货物所在列是否有自爬机器人进行作业，直到执行完第三作业阶段。
自爬式机器人绕行避碰的平均服务时间为：
Figure GDA0003088124540000101
其中，i＝1,2,...nl，表示货物在第i列。
如图4所示，在本实施例中，步骤2中，建立基于资源绕行的闭环排队网络模型的具体步骤为：
2-1：自爬式机器人从装卸工作站运行到货架巷道入口，此过程为无限队列服务器。然后以
Figure GDA0003088124540000102
的概率运行至货物所在列，即nl个并联的无限队列服务器。
2-2：货物所在列已经被其他自爬式机器人占用的概率为pri，i＝1,2,...nl，表示货物在第i列。自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的概率为1-pri，此过程为容量为1的服务器。自爬式机器人进行绕行避碰的概率为pri，此过程为无限队列服务器。
2-3：自爬式机器人从货物所在列运行到货架巷道出口，此过程为无限队列服务器，自爬式机器人从货架巷道出口运行到装卸工作站，此过程为无限队列服务器，自爬式机器人在装卸工作站接受服务，此过程为单队列单服务器。完成基于资源绕行的闭环排队网络模型的建立。
在本实施例中，步骤3中利用跳转迭代平均值算法求解基于资源绕行的闭环排队网络模型的具体步骤为：
3-1：将基于资源绕行的闭环排队网络模型中资源数量由1开始迭代至R，货物所在列已经被其他自爬式机器人占用的当前概率pri赋值为0，计算基于资源绕行的闭环排队网络模型中各服务器的访问率，和顾客在每个服务器的停留时间。
3-2：计算排队网络模型的吞吐量，和各个服务器的平均队长。
3-3：计算货架所在列服务器有1个顾客时的边际概率，并将货物所在列已经被其他自爬式机器人占用的新概率pri赋值为边际概率，不断重复迭代，直到新概率和当前概率的差小于给定值ε，则算法终止。
3-4：得到自爬式机器人绕行避碰的最终概率，得到基于自爬式机器人的存储系统的系统吞吐量。
在本实施例中，跳转迭代平均值算法的具体步骤如下：
1.初始化：pri＝0，Lj(0)＝0，πpi(0|0)＝1，πpi(1|0)＝0，i＝1,2,...nl，
j＝wa,bi,p,bie,ew,w,ri。
2.计算服务器j的访问率
vwa＝vew＝vw＝1
Figure GDA0003088124540000111
Figure GDA0003088124540000112
Figure GDA0003088124540000113
3.迭代：For r＝1,2,...,R。
A.计算顾客在服务器j的停留时间：
Figure GDA0003088124540000114
B.计算排队模型的吞吐量：
Figure GDA0003088124540000115
C.计算服务器j的队列长度：
Lj(r)＝vjTH(r)ETj(r)
D.计算货架所在列服务器被占用的边际概率：
Figure GDA0003088124540000121
πpi(0|r)＝1-πpi(1|r)
迭代r直到R。
4.更新：货物所在列被占用的概率。
Figure GDA0003088124540000122
5.迭代终止条件：
如果
Figure GDA0003088124540000123
则更新
Figure GDA0003088124540000124
返回2，否则，终止迭代。
其中，R表示系统中自爬式机器人数量，μj表示服务器j的服务速率。
为了实现上述目的，本发明采用如下另一种技术方案：
一种基于自爬式机器人的存储系统的模型，该模型根据如权利要求1-11任一的一种基于自爬式机器人的存储系统的绕行避碰优化方法建模得到。
综上所述，本发明的一种基于自爬式机器人的存储系统的模型及其绕行避碰优化方法，建立的基于资源绕行的排队网络模型准确地模拟基于自爬式机器人的存储系统的实际出库任务过程和自爬式机器人的绕行避碰，利用的跳转迭代平均值算法，可以快速的估算出各种货架及设备配置下基于自爬式机器人的存储系统的系统吞吐量，为基于自爬式机器人的存储系统的优化设计及提高系统吞吐量、降低自爬式机器人的拥堵，节约运行成本提供决策支持，本发明将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型及其求解算法，克服了传统的自动化立体仓库的建模方法无法适用于基于自爬式机器人的存储系统的出库作业的建模及避碰优化的特点，利用跳转迭代平均值算法可以准确的估算出绕行避碰优化下系统的吞吐量。利用该模型及求解算法，能够有效提高自爬式机器人绕行避碰效率，准确有效的评估出不同自爬式机器人数量配置下系统的吞吐量，从而指导系统的设计，降低自爬式机器人的拥堵，提高自爬式机器人的利用率和存储系统吞吐量。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于，包括以下步骤：
S1：对自爬式机器人出库作业进行分析，求解出库作业流程中每个阶段的平均服务时间模型：
1-1：计算第一出库作业阶段的平均服务时间：计算自爬式机器人从装卸工作站运行到货架巷道入口的平均服务时间；
1-2：计算第二出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道入口运行到货物所在列的平均服务时间；
1-3：计算第三出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的平均服务时间；
1-4：计算第四出库作业阶段的平均服务时间：计算自爬式机器人从货物所在列运行到货架巷道出口的平均服务时间；
1-5：计算第五出库作业阶段的平均服务时间：计算自爬式机器人从货架巷道出口运行到装卸工作站的平均服务时间；
1-6：计算第六出库作业阶段的平均服务时间：计算自爬式机器人在装卸工作站的平均服务时间；
1-7：计算第七出库作业阶段的平均服务时间：计算自爬式机器人绕行避碰的平均服务时间；
S2：根据自爬式机器人的作业过程，分析自爬式机器人产生绕行避碰的作业阶段，分别将自爬式机器人视为顾客，每个作业阶段视为服务台，建立基于资源绕行的闭环排队网络模型：
2-1：自爬式机器人从装卸工作站运行到货架巷道入口，此过程为无限队列服务器；然后以
Figure FDA0003171680980000011
的概率运行至货物所在列，即nl个并联的无限队列服务器，其中，nl代表货架的列数；
2-2：货物所在列已经被其他自爬式机器人占用的概率为pri，i＝1,2,...nl，表示货物在第i列，自爬式机器人从货物所在列的第一层到货物所在层出库并返回第一层的概率为1-pri，此过程为容量为1的服务器，自爬式机器人进行绕行避碰的概率为pri，此过程为无限队列服务器；
2-3：自爬式机器人从货物所在列运行到货架巷道出口，此过程为无限队列服务器，自爬式机器人从货架巷道出口运行到装卸工作站，此过程为无限队列服务器，自爬式机器人在装卸工作站接受服务，此过程为单队列单服务器，完成基于资源绕行的闭环排队网络模型的建立；
S3：利用跳转迭代平均值算法，求解基于资源绕行的闭环排队网络模型，得到自爬式机器人绕行避碰的概率，得到基于自爬式机器人的存储系统的系统吞吐量：
3-1将基于资源绕行的闭环排队网络模型中资源数量由1开始迭代至R，货物所在列已经被其他自爬式机器人占用的当前概率pri赋值为0，计算基于资源绕行的闭环排队网络模型中各服务器的访问率，和顾客在每个服务器的停留时间；
3-2计算排队网络模型的吞吐量，和各个服务器的平均队长；
3-3计算货架所在列服务器有1个顾客时的边际概率，并将货物所在列已经被其他自爬式机器人占用的新概率pri赋值为边际概率，不断重复迭代，直到新概率和当前概率的差小于给定值ε，则算法终止；
3-4得到自爬式机器人绕行避碰的最终概率，得到基于自爬式机器人的存储系统的系统吞吐量。
2.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-1中，计算第一出库作业阶段的平均服务时间的具体步骤为：
(1)假设系统左下方为坐标原点(0,0,0)，装卸工作站的位置位于
Figure FDA0003171680980000031
货架巷道入口的位置位于
Figure FDA0003171680980000032
其中，nl代表货架的列数，l和w分别代表货架上每一个存储位置的长度和宽度，wa和wc分别代表巷道的宽度和巷道外侧的宽度；
(2)第一出库作业阶段的平均服务时间为：
Figure FDA0003171680980000033
其中，v表示自爬式机器人的平均运行速度。
3.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-2中，计算第二出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道入口的位置位于
Figure FDA0003171680980000034
货物所在列的位置位于
Figure FDA0003171680980000035
(2)第二出库作业阶段的平均服务时间为：
Figure FDA0003171680980000036
其中，i＝1,2,...nl，表示货物在第i列。
4.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-3中，计算第三出库作业阶段的平均服务时间的具体步骤为：
(1)货物所在列的位置位于
Figure FDA0003171680980000037
货物所在层的位置位于
Figure FDA0003171680980000038
假设货物在第k层，货物在该层的概率为
Figure FDA0003171680980000039
(2)第三出库作业阶段的平均服务时间为：
Figure FDA00031716809800000310
其中，h表示货架上每一个存储位置的高度，nh表示货架的层数，t表示自爬式机器人出库的时间。
5.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-4中，计算第四出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道出口的位置位于
Figure FDA0003171680980000041
货物所在列的位置位于
Figure FDA0003171680980000042
(2)第四出库作业阶段的平均服务时间为：
Figure FDA0003171680980000043
其中，i＝1,2,...nl，表示货物在第i列。
6.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-5中，计算第五出库作业阶段的平均服务时间的具体步骤为：
(1)货架巷道出口的位置位于
Figure FDA0003171680980000044
装卸工作站的位置位于
Figure FDA0003171680980000045
(2)第五出库作业阶段的平均服务时间为：
Figure FDA0003171680980000046
7.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-6中，计算第六出库作业阶段的平均服务时间的具体步骤为：
(1)自爬式机器人在装卸工作站的平均服务时间服从均匀定长分布U＝[X,Y]；
(2)第六出库作业阶段的平均服务时间为：
Figure FDA0003171680980000047
8.根据权利要求1所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法，其特征在于：所述步骤1-7中，计算第七出库作业阶段的平均服务时间的具体步骤为：
(1)自爬式机器人绕行避碰作业流程发生在第三出库作业阶段，如果货物所在列无自爬式机器人进行作业，则执行第三出库作业阶段；如果货物所在列有自爬式机器人正在进行作业，则刚到达的自爬式机器人进行绕行避碰，即跳过第三出库作业阶段，依次执行第四出库作业阶段，第五出库作业阶段，第一出库作业阶段，第二出库作业阶段，再次查看货物所在列是否有自爬机器人进行作业，直到执行完第三作业阶段；
(2)自爬式机器人绕行避碰的平均服务时间为：
Figure FDA0003171680980000051
其中，i＝1,2,...nl，表示货物在第i列。
9.一种基于自爬式机器人的存储系统的模型，该模型根据如权利要求1-8任一所述的一种基于自爬式机器人的存储系统的绕行避碰优化方法建模得到。
CN202010300494.0A 2020-04-16 2020-04-16 一种基于自爬式机器人的存储系统的绕行避碰优化方法 Expired - Fee Related CN111573095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010300494.0A CN111573095B (zh) 2020-04-16 2020-04-16 一种基于自爬式机器人的存储系统的绕行避碰优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010300494.0A CN111573095B (zh) 2020-04-16 2020-04-16 一种基于自爬式机器人的存储系统的绕行避碰优化方法

Publications (2)

Publication Number Publication Date
CN111573095A CN111573095A (zh) 2020-08-25
CN111573095B true CN111573095B (zh) 2021-10-15

Family

ID=72119151

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010300494.0A Expired - Fee Related CN111573095B (zh) 2020-04-16 2020-04-16 一种基于自爬式机器人的存储系统的绕行避碰优化方法

Country Status (1)

Country Link
CN (1) CN111573095B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NO20020585L (no) * 2002-02-05 2003-08-06 Zopa As System og fremgangsmate for a overfore produkter fra et oppbevaringsomrade til et utleveringsomrade
CN107416400B (zh) * 2017-07-04 2018-03-23 山东大学 基于跨层穿梭车密集自动存储系统的模型及其优化方法
US11117743B2 (en) * 2017-09-28 2021-09-14 Symbotic Llc Storage and retrieval system
CN108357848B (zh) * 2018-03-15 2018-11-30 山东大学 基于多层穿梭车自动仓储系统的建模优化方法
CN109292343A (zh) * 2018-11-15 2019-02-01 山东大学 基于仓储机器人的多层穿梭车仓储输送系统及输送方法
CN110134985A (zh) * 2019-03-22 2019-08-16 山东大学 多层穿梭车系统输送机缓存长度建模及优化方法

Also Published As

Publication number Publication date
CN111573095A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN104408589B (zh) 基于混合粒子群算法的agv优化调度方法
Azadeh et al. Robotized warehouse systems: Developments and research opportunities
Azadeh et al. Design, modeling, and analysis of vertical robotic storage and retrieval systems
CN110084471B (zh) 拣选调度方法、装置、仓储系统及可读存储介质
CN108357848A (zh) 基于多层穿梭车自动仓储系统的建模优化方法
Vahdani Assignment and scheduling trucks in cross-docking system with energy consumption consideration and trucks queuing
CN110908381B (zh) 机器人调度方法及装置
Ekren et al. An open queuing network-based tool for performance estimations in a shuttle-based storage and retrieval system
CN110980082A (zh) 一种自动化立体仓库库位分配方法
Khojasteh et al. A travel time model for order picking systems in automated warehouses
CN114595607A (zh) 一种数字孪生纺织条桶输送方法及系统
Joo et al. Block transportation scheduling under delivery restriction in shipyard using meta-heuristic algorithms
CN111573095B (zh) 一种基于自爬式机器人的存储系统的绕行避碰优化方法
Schwab A decentralized control strategy for high density material flow systems with automated guided vehicles
CN111160698B (zh) 一种多层穿梭车系统性能评估方法及装置
CN113033971A (zh) 一种服务器及递送机器人的运单调度方法、介质和装置
CN113650997A (zh) 一种物品出库定位方法和装置
CN111709565A (zh) 一种基于多层穿梭车系统的能效优化方法及系统
CN116342039A (zh) 一种立体仓库的货物分配和拣选的优化方法
CN111861112B (zh) 多层穿梭车系统输送缓存容量估计方法及装置
CN112508478B (zh) 一种基于自组织自动导引车的柔性物流配送任务分配方法
CN114862313A (zh) 一种基于bp神经网络的组合规则动态选取方法
CN113682705A (zh) 库存分配方法、装置、服务器和存储介质
Li et al. Coordinated control of multi-zone AVS/RS, conveyors and pick-up operations in warehouse system
CN112598316A (zh) 一种同轨双agv的物料分配及协同调度方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211015

CF01 Termination of patent right due to non-payment of annual fee