CN112465219A - 一种基于近场通信的飞机总装物料配送网络的构建方法 - Google Patents
一种基于近场通信的飞机总装物料配送网络的构建方法 Download PDFInfo
- Publication number
- CN112465219A CN112465219A CN202011339790.8A CN202011339790A CN112465219A CN 112465219 A CN112465219 A CN 112465219A CN 202011339790 A CN202011339790 A CN 202011339790A CN 112465219 A CN112465219 A CN 112465219A
- Authority
- CN
- China
- Prior art keywords
- distribution
- information
- constructing
- network based
- material distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 120
- 239000000463 material Substances 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004891 communication Methods 0.000 title claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 240000007651 Rubus glaucus Species 0.000 claims description 3
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 3
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Neurology (AREA)
- Accounting & Taxation (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种基于近场通信的飞机总装物料配送网络的构建方法。所述基于近场通信的飞机总装物料配送网络的构建方法包括以下步骤:S1:物料配送车在收到生产任务时,智能终端设备利用边缘计算模块计算每个任务的优先级,之后配送车在仓库初始化获取物料配送信息,开始为每个智能感知节点运送对应的物料;S2:物料配送车在配送的过程中,配送车经过的节点记录配送车车以及配送信息,为配送车以及配送信息打上时间戳并进行存储。本发明提供的基于近场通信的飞机总装物料配送网络的构建方法具有增加了底层设备之间的信息共享,提升了车间物料运送的优点。
Description
技术领域
本发明涉及物料配送技术领域,尤其涉及一种基于近场通信的飞机总装物料配送网络的构建方法。
背景技术
随着科技的发展,目前越来越多的货物通过飞机进行运输。
然而现有的在物料配送时,物料的种类等信息需要人工进行记录,此方式效率较低、且容易出错。
因此,有必要提供一种新的基于近场通信的飞机总装物料配送网络的构建方法解决上述技术问题。
发明内容
本发明解决的技术问题是提供一种具有增加了底层设备之间的信息共享,提升了车间物料运送的效率的基于近场通信的飞机总装物料配送网络的构建方法。
为解决上述技术问题,本发明提供的基于近场通信的飞机总装物料配送网络的构建方法包括以下步骤:
S1:物料配送车在收到生产任务,智能终端设备利用边缘计算模块计算每个任务的优先级,之后配送车在仓库初始化获取物料配送信息,开始为每个智能感知节点运送对应的物料;
S2:配送车在配送的过程中,配送车经过的节点记录物料车以及配送信息,为配送车以及配送信息打上时间戳并进行存储;
S3:配送车将物料配送至对应的节点之后,该节点记录配送车到达的时间以及物料的具体信息,之后配送车离开此节点,开始巡逻等待下一次物流配送信息;
S4:根据生产任务的要求,多辆配送车进入车间之后,每个节点会记录这些配送车的详细信息,配送车将这些信息进行收集,边缘计算模块对这些数据进行计算、预测、分析、记录。
优选的,多个所述智能感知节点构成拓扑结构,所述智能感知节点配备有具有边缘计算功能的计算模块和具有信息传输和存储的NFC设备。
优选的,所述智能感知节点包括具有运算和存储能力的智能感知器,每个所述智能感知节点都配备有具有存储功能的NFC设备,用于获取和存储生产信息,所述智能感知器具有数据采集模块、存储模块以及边缘计算模块,用于采集、处理和存储网络节点的数据;所述智能感知器还具有触摸屏可进行人机交互和可视化用户界面等功能,所述智能感知器还具有RS232、RS485通讯接口以及AI/DI/DO接口。
优选的,由于环境的特殊性,节点之间不能通过无线网络进行连接,节点彼此之间是相互独立的,唯一的数据来源是通过经过此节点的配送车通过NFC设备进行信息交互。
优选的,所述智能感知器采用ARM架构控制器,搭载嵌入式Linux系统,采用QT进行软件的开发,包括数据库的编写、NFC设备的驱动开发。
优选的,所述边缘计算模块通过神经网络处理当前以及历史数据,将采集获得的大量数据进行分析、筛选、计算处理,同时将处理之后的信息传输给配送车,减少数据源和数据中心之间的数据交互,降低传输和存储的信息量,边缘算法的计算用于帮助节点选择最优的调度算法和配送方案。
优选的,所述边缘计算模块采用神经计算棒和树莓派模块共同组成,神经计算棒内置最新的视觉处理器,共有16个SHAVE计算核心、专用深度神经网络硬件加速器,用于提高智能终端的算力,加快边缘计算的速度,边缘算法采用基于深度学习算法的神经网络,根据各个智能感知节点录入的物料需求信息进行物料配送优先级制定,根据需求信息中的申请时间、需求时间、配送距离等将物料配送优先级划为不同的等级。
优选的,基于深度学习算法的神经网络,采用一维卷积神经网络序列模型搭建网络模型,卷积神经网络计算输入信号向量的部分维度值的加权和,用于处理时间序列数据,卷积神经网络结构模型包括三层:卷积层、池化层、全连接层,卷积计算是深度卷积神经网络的核心部分,其中包括权重矩阵w和偏置项b;
卷积计算公式为:
式中,b为偏差量,Zl和Zl+1表示第l+1层的卷积输入和输出,Ll+1为Zl+1的尺寸,K为特征图的通道数,f、s0和p是卷积层参数,对应卷积核大小、卷积步长和填充层数。
优选的,普通的网络节点的位置选择在运输轨迹的交叉路口,带有智能感知器的节点的位置在各个工作点位以及具有特殊功能的位置点;
优选的,配送车使用PGV视觉导航传感器,所述PGV视觉导航传感器基于视觉成像原理,具有颜色引导和标签模式两种功能,颜色引导主要用于引导AGV配送车,防止脱离和偏移轨道,标签模式共提供两种码带,位置码带用于绝对位置定位,实现AGV配送车精确定位,控制码带用于标记需要车载控制器进行判断的特殊位置。
与相关技术相比较,本发明提供的基于近场通信的飞机总装物料配送网络的构建方法具有如下有益效果:
本发明提供一种基于近场通信的飞机总装物料配送网络的构建方法,网络结构包括多个智能感知节点,智能感知节点由具有运算和存储能力的智能感知器,以及具有存储和信息传输能力的NFC设备共同组成。每个智能感知节点代表一处工位或者一处标志性位置。智能感知器负责接收数据并将需要计算的数据送到边缘计算模块进行处理,之后将结果传至NFC设备。NFC设备用于获取和存储生产信息,边缘计算模块通过卷积神经网络对获取到的物料配送信息进行处理,物料配送车也配备有智能感知器,其负责信息的传递和物料的配送,本发明一定程度上增加了底层设备之间的信息共享,提升了车间物料运送的效率。
附图说明
图1为本发明提供的基于近场通信的飞机总装物料配送网络的构建方法的一种较佳实施例的系统示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
请结合参阅图1,其中,图1为本发明提供的基于近场通信的飞机总装物料配送网络的构建方法的一种较佳实施例的系统示意图。基于近场通信的飞机总装物料配送网络的构建方法包括以下步骤:
S1:物料配送车在收到生产任务,智能终端设备利用边缘计算模块计算每个任务的优先级,之后配送车在仓库初始化获取物料配送信息,开始为每个感知节点(工位)运送对应的物料。
S2:配送车在配送的过程中,配送车经过的节点记录配送车以及配送信息,为这些信息打上时间戳并进行存储。
S3:配送车将物料配送至对应的节点之后,该节点记录配送车到达的时间以及物料的具体信息,之后配送车离开此节点,开始巡逻等待下一次物流配送信息。
S4:根据生产任务的要求,多辆配送车进入车间之后,每个节点会记录这些物流配送车的详细信息,配送车将这些信息进行收集,边缘计算模块对这些数据进行计算、预测、分析、记录等。
拓扑结构包含多个智能感知节点。智能感知节点配备有具有边缘计算功能的计算模块和具有信息传输和存储的NFC设备。
智能感知器除了具有所需的运算和存储功能之外,还具有触摸屏可进行人机交互和可视化用户界面等功能、另外还具有RS232、RS485通讯接口以及AI/DI/DO等接口。
智能感知节点由具有运算和存储能力的智能感知器组成,每个智能感知节点都配备有具有存储功能的NFC设备,用于获取和存储生产信息。智能感知器具有数据采集模块、存储模块以及边缘计算模块,用于采集、处理和存储网络节点的数据。
由于环境的特殊性,节点之间不能通过无线网络进行连接,节点彼此之间是相互独立的,唯一的数据来源是通过经过此节点的配送车通过NFC设备进行信息交互。
智能感知器采用ARM架构控制器,搭载嵌入式Linux系统,采用QT进行软件的开发,包括数据库的编写、NFC设备的驱动开发等。
边缘计算模块通过神经网络处理当前以及历史数据,将采集获得的大量数据进行分析、筛选、计算等处理,同时将处理之后的信息传输给配送车。减少数据源和数据中心之间的数据交互,降低传输和存储的信息量。边缘算法的计算可以帮助节点选择最优的调度算法和配送方案,克服了传统车间物流配送的诸多弊端,很大程度上提高生产效率,同时降低了生产成本。
边缘计算模块采用神经计算棒和树莓派模块共同组成,神经计算棒内置最新的视觉处理器,共有16个SHAVE计算核心、专用深度神经网络硬件加速器,可以极大的提高智能终端的算力,加快边缘计算的速度。边缘算法采用基于深度学习算法的神经网络,根据各个智能感知节点录入的物料需求信息进行物料配送优先级制定,根据需求信息中的申请时间、需求时间、配送距离等将物料配送优先级划为不同的等级。
基于深度学习算法的神经网络,采用一维卷积神经网络序列模型搭建网络模型。卷积神经网络计算输入信号向量的部分维度值的加权和,可以专门处理时间序列数据(相当于在时间轴上具有某种特性的一维网格)。卷积神经网络结构模型主要有三层:卷积层、池化层、全连接层。卷积计算是深度卷积神经网络的核心部分,其中包括权重矩阵w和偏置项b。
卷积计算公式为:
式中,b为偏差量,Zl和Zl+1表示第l+1层的卷积输入和输出,Ll+1为Zl+1的尺寸,K为特征图的通道数,f、s0和p是卷积层参数,对应卷积核大小、卷积步长和填充层数。
普通的网络节点的位置选择在运输轨迹的交叉路口,带有智能感知器的节点的位置在各个工作点位以及具有特殊功能的位置点,比如仓库、自动充电桩附近。
智能感知节点的作用在于以下几个方面:1、对于特殊位置进行标记,便于之后构建地图与配送车的轨迹导航。2、对来往的配送车的信息记录,包括配送车的配送信息以及轨迹信息。3、给采集到的数据打上时间戳,方便统一管理以及通过配送车传输到感知器进行边缘计算。
物流配送车使用PGV视觉导航传感器,该传感器基于视觉成像原理,具有颜色引导和标签模式两种功能。颜色引导主要用于引导AGV配送车,防止脱离和偏移轨道,标签模式共提供两种码带(位置码带和控制码带),位置码带用于绝对位置定位,实现AGV配送车精确定位,控制码带用于标记需要车载控制器进行判断的特殊位置(如:在路口处,左右轨道的选择或者减速排队等)。
与相关技术相比较,本发明提供的基于近场通信的飞机总装物料配送网络的构建方法具有如下有益效果:
本发明提供一种基于近场通信的飞机总装物料配送网络的构建方法,网络结构包括多个智能感知节点,智能感知节点由具有运算和存储能力的智能感知器,以及具有存储和信息传输能力的NFC设备共同组成。每个智能感知节点代表一处工位或者一处标志性位置。智能感知器负责接收数据并将需要计算的数据送到边缘计算模块进行处理,之后将结果传至NFC设备。NFC设备用于获取和存储生产信息,边缘计算模块通过卷积神经网络对获取到的物料配送信息进行处理,物料配送车也配备有智能感知器,其负责信息的传递和物料的配送,本发明一定程度上增加了底层设备之间的信息共享,提升了车间物料运送的效率。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,包括以下步骤:
S1:物料配送车在收到生产任务,智能终端设备利用边缘计算模块计算每个任务的优先级,之后配送车在仓库初始化获取物料配送信息,开始为每个智能感知节点运送对应的物料;
S2:配送车在配送的过程中,配送车经过的节点记录配送车以及配送信息,为配送车以及配送信息打上时间戳并进行存储;
S3:配送车将物料配送至对应的节点之后,该节点记录配送车到达的时间以及物料的具体信息,之后配送车离开此节点,开始巡逻等待下一次物流配送信息;
S4:根据生产任务的要求,多辆配送车进入车间之后,每个节点会记录这些配送车的详细信息,配送车将这些信息进行收集,边缘计算模块对这些数据进行计算、预测、分析、记录。
2.根据权利要求1所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,多个所述智能感知节点构成拓扑结构,所述智能感知节点配备有具有边缘计算功能的计算模块和具有信息传输和存储的NFC设备。
3.根据权利要求2所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,所述智能感知节点包括具有运算和存储能力的智能感知器,每个所述智能感知节点都配备有具有存储功能的NFC设备,用于获取和存储生产信息,所述智能感知器具有数据采集模块、存储模块以及边缘计算模块,用于采集、处理和存储网络节点的数据;所述智能感知器还具有触摸屏可进行人机交互和可视化用户界面等功能,所述智能感知器还具有RS232、RS485通讯接口以及AI/DI/DO接口。
4.根据权利要求1所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,由于环境的特殊性,节点之间不能通过无线网络进行连接,节点彼此之间是相互独立的,唯一的数据来源是通过经过此节点的配送车通过NFC设备进行信息交互。
5.根据权利要求3所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,所述智能感知器采用ARM架构控制器,搭载嵌入式Linux系统,采用QT进行软件的开发,包括数据库的编写、NFC设备的驱动开发。
6.根据权利要求3所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,所述边缘计算模块通过神经网络处理当前以及历史数据,将采集获得的大量数据进行分析、筛选、计算处理,同时将处理之后的信息传输给配送车,减少数据源和数据中心之间的数据交互,降低传输和存储的信息量,边缘算法的计算用于帮助节点选择最优的调度算法和配送方案。
7.根据权利要求1所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,所述边缘计算模块采用神经计算棒和树莓派模块共同组成,神经计算棒内置最新的视觉处理器,共有16个SHAVE计算核心、专用深度神经网络硬件加速器,用于提高智能终端的算力,加快边缘计算的速度,边缘算法采用基于深度学习算法的神经网络,根据各个智能感知节点录入的物料需求信息进行物料配送优先级制定,根据需求信息中的申请时间、需求时间、配送距离等将物料配送优先级划为不同的等级。
9.根据权利要求3所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,普通的网络节点的位置选择在运输轨迹的交叉路口,带有智能感知器的节点的位置在各个工作点位以及具有特殊功能的位置点。
10.根据权利要求1所述的基于近场通信的飞机总装物料配送网络的构建方法,其特征在于,物流配送车使用PGV视觉导航传感器,所述PGV视觉导航传感器基于视觉成像原理,具有颜色引导和标签模式两种功能,颜色引导主要用于引导AGV配送车,防止脱离和偏移轨道,标签模式共提供两种码带,位置码带用于绝对位置定位,实现AGV配送车精确定位,控制码带用于标记需要车载控制器进行判断的特殊位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339790.8A CN112465219A (zh) | 2020-11-25 | 2020-11-25 | 一种基于近场通信的飞机总装物料配送网络的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011339790.8A CN112465219A (zh) | 2020-11-25 | 2020-11-25 | 一种基于近场通信的飞机总装物料配送网络的构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112465219A true CN112465219A (zh) | 2021-03-09 |
Family
ID=74808287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011339790.8A Pending CN112465219A (zh) | 2020-11-25 | 2020-11-25 | 一种基于近场通信的飞机总装物料配送网络的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112465219A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485439A (zh) * | 2021-07-30 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种无人机停机路径管理方法及系统 |
CN116661404A (zh) * | 2023-07-31 | 2023-08-29 | 江苏海企技术工程股份有限公司 | 一种基于数据融合的计量配料混合控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104859440A (zh) * | 2015-06-12 | 2015-08-26 | 邓莉莉 | 滑移式agv导航小车 |
CN107194442A (zh) * | 2017-05-11 | 2017-09-22 | 深圳市柘叶红实业有限公司 | 智能仓库agv小车的管理系统和管理方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN107963416A (zh) * | 2017-11-22 | 2018-04-27 | 苏州元谋智能机器人系统有限公司 | 一种机器人及使用该机器人进行物料运送的系统和方法 |
CN111523716A (zh) * | 2020-04-15 | 2020-08-11 | 北京三快在线科技有限公司 | 订单的信息处理方法、系统、服务器及存储介质 |
CN111932002A (zh) * | 2020-07-30 | 2020-11-13 | 江苏大学 | 一种基于边缘智能的制造车间生产物料预测性配送方法 |
-
2020
- 2020-11-25 CN CN202011339790.8A patent/CN112465219A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104859440A (zh) * | 2015-06-12 | 2015-08-26 | 邓莉莉 | 滑移式agv导航小车 |
CN107194442A (zh) * | 2017-05-11 | 2017-09-22 | 深圳市柘叶红实业有限公司 | 智能仓库agv小车的管理系统和管理方法 |
CN107727099A (zh) * | 2017-09-29 | 2018-02-23 | 山东大学 | 一种工厂内物料运输多agv调度及路径规划方法 |
CN107963416A (zh) * | 2017-11-22 | 2018-04-27 | 苏州元谋智能机器人系统有限公司 | 一种机器人及使用该机器人进行物料运送的系统和方法 |
CN111523716A (zh) * | 2020-04-15 | 2020-08-11 | 北京三快在线科技有限公司 | 订单的信息处理方法、系统、服务器及存储介质 |
CN111932002A (zh) * | 2020-07-30 | 2020-11-13 | 江苏大学 | 一种基于边缘智能的制造车间生产物料预测性配送方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485439A (zh) * | 2021-07-30 | 2021-10-08 | 中国科学院地理科学与资源研究所 | 一种无人机停机路径管理方法及系统 |
CN116661404A (zh) * | 2023-07-31 | 2023-08-29 | 江苏海企技术工程股份有限公司 | 一种基于数据融合的计量配料混合控制方法及系统 |
CN116661404B (zh) * | 2023-07-31 | 2023-09-29 | 江苏海企技术工程股份有限公司 | 一种基于数据融合的计量配料混合控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469786B (zh) | 大规模智能仓储分布式拣选系统 | |
CN105045268B (zh) | 一种agv激光磁带混合导航系统 | |
CN107036618A (zh) | 一种基于最短路径深度优化算法的agv路径规划方法 | |
CN112465219A (zh) | 一种基于近场通信的飞机总装物料配送网络的构建方法 | |
CN112256018A (zh) | 机器人调度的处理方法、装置、设备及存储介质 | |
CN102707718A (zh) | 自动制导系统控制工业车辆的通信方法 | |
US11939162B2 (en) | System-directed robotic cart picking | |
CN112712198B (zh) | 巡检机器人智能管理系统 | |
US20210304343A1 (en) | Utilization of a fleet of unmanned aerial vehicles for delivery of goods | |
CN107656523A (zh) | 仓储agv导航方法及装置、计算机设备及存储介质 | |
Liu et al. | Deep learning-based localization and perception systems: Approaches for autonomous cargo transportation vehicles in large-scale, semiclosed environments | |
CN114578772B (zh) | 一种agv集群控制系统设计框架及方法 | |
CN116605574B (zh) | 大规模机器人拣选系统参数配置和协同调度平台 | |
CN108549386A (zh) | Agv小车管控系统及方法 | |
Sinnemann et al. | Systematic literature review of applications and usage potentials for the combination of unmanned aerial vehicles and mobile robot manipulators in production systems | |
JP7436335B2 (ja) | 自動配車システムおよび自動配車方法 | |
CN116923951A (zh) | 一种适用于智能仓储的运动调度控制系统 | |
CN117234214A (zh) | 一种用于工业货物码垛的自动化穿梭车 | |
US20220075381A1 (en) | Required transfer time prediction device and required transfer time prediction method | |
CN115629609A (zh) | 一种多agv协同工作系统 | |
CN114662863A (zh) | 基于深度学习的车间分布式运输调度方法 | |
CN113741412A (zh) | 自动驾驶设备的控制方法、装置及存储介质 | |
CN116166027B (zh) | 一种用于仓储物流的智能机器人控制方法及系统 | |
CN112445220A (zh) | 自动导引车的控制方法及装置、存储介质及电子设备 | |
CN214987861U (zh) | 仓储拣货系统 |
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 |