CN112578752B - 一种仓储智能物流车的调度方法 - Google Patents
一种仓储智能物流车的调度方法 Download PDFInfo
- Publication number
- CN112578752B CN112578752B CN202011443731.5A CN202011443731A CN112578752B CN 112578752 B CN112578752 B CN 112578752B CN 202011443731 A CN202011443731 A CN 202011443731A CN 112578752 B CN112578752 B CN 112578752B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent logistics
- logistics vehicle
- scheme
- task
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 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
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种仓储智能物流车的调度方法,该方法包括:S1:获取订单信息以及智能物流车的电量和工作状态,并对智能物流车的工作状态进行初始化;S2:接收配送任务,并按照用户预先选定的调度模式,生成最优调度方案;S3:根据所述最优调度方案,更改对应智能物流车的工作状态,执行配送任务。该方法可以根据用户选择的调度模式,以节约能耗或节约电量为目标,并综合考虑智能物流车的电量信息及工作状态,生成最优调度方案,对智能物流车进行合理有效的调度,从而使智能物流车以更短的时间和更低的耗电量完成配送任务,有效提高了配送效率和能源利用率。
Description
技术领域
本发明涉及物流车调度管理技术领域,更具体的说是涉及一种仓储智能物流车的调度方法。
背景技术
目前,随着智能物流技术的不断发展,仓储自动物流系统中引入了大量智能物流车,智能物流车能够实现自动导引运输功能,在很大程度上缓解了人工搬运货物耗费人体物力的问题。
但是,现有的智能物流车一般采用默认出厂的调度方式和充电方式,由于设计调度方式时,未考虑能耗、运输效率等实际需求,智能物流车在应用过程中存在故障率高、配送作业线路长和等待时间久等配送综合效率低和能源利用效率不高的问题,难以满足现代物流系统对可靠性高、免维护性好、能效比高的物流设施需求。
因此,如何提供一种兼顾能耗和运输效率的仓储智能物流车的调度方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种仓储智能物流车的调度方法,能够根据用户的选择以节约能耗或节约电量为目标生成最优调度方案,对智能物流车进行合理有效的调度,解决了现有的智能物流车调度方法未考虑能耗、运输效率等实际需求,导致智能物流车在应用过程中存在故障率高、配送作业线路长和等待时间久等配送综合效率低和能源利用效率不高的问题。
为了实现上述目的,本发明采用如下技术方案:
本发明提供了一种仓储智能物流车的调度方法,该方法包括:
S1:获取订单信息以及智能物流车的电量和工作状态,并对智能物流车的工作状态进行初始化;
S2:接收配送任务,并按照用户预先选定的调度模式,生成最优调度方案;
S3:根据所述最优调度方案,更改对应智能物流车的工作状态,执行配送任务。
进一步地,所述S2,具体包括:
获取所述配送任务中待配送货品的起点和终端信息,并获取各个智能物流车的电量和工作状态;
分别计算两辆智能物流车单独完成配送任务所需要的时间及耗电量,并分别求取两辆智能物流车所有调度方案对应的加权值,判断所述加权值更优的智能物流车电量是否充足;
若所述加权值更优的智能物流车电量充足,则根据所述加权值更优的智能物流车生成最优调度方案;
若所述加权值更优的智能物流车电量不足,则将其对应的预评价系数设定为0,并调用配送优化算法,求取最优调度方案。
本发明中通过比较加权值与预评价系数相乘之后得到的最终加权值来比较两个加权值之间哪个更优,相关计算参照下述配送优化算法的计算表达式。
进一步地,所述配送优化算法的表达式为:
其中,Zo为计算出的最优调度方案;Zi为所有可能的调度方案对应的时间成本与能量成本的加权值,它通过计算不同方案的时间成本以及能量成本,并经由两者的权重系数综合后得到;kz为对每个方案的预评价系数,其具体赋值过程如下:计算两辆物流车单独完成任务的加权值,若加权值更优的物流车电量不足,则将对应的kz赋为0,其余方案的kz可均设为1;ti为Zi方案的时间成本;Ei为Zi方案的能量成本;kt为Zi方案的时间成本的权重系数,kE为Zi方案的能量成本的权重系数,且满足kt+kE=1;tji为Zi方案下智能物流车j各自的时间成本;Eji为Zi方案下智能物流车j各自的能量成本,Sji为Zi方案下智能物流车j所要走的路程,p为智能物流车的功率。
在实际应用过程中,若所述加权值更优的智能物流车电量充足,需要将加权值更优的单物流车方案的预评价系数设为1;若所述加权值更优的智能物流车电量不足,需要将加权值更优的单物流车方案的预评价系数设为0,从而得到最优调度方案。
进一步地,所述调度模式包括能量优先调度模式以及效率优先调度模式。能量优先调度模式以节约智能物流车的能量为目的,效率优先调度模式以提高智能物流车的工作效率为目的。
进一步地,上述仓储智能物流车的调度方法还包括:
S4:实时获取智能物流车的任务执行结果,根据所述任务执行结果判断智能物流车是否发生故障,并对故障进行分类处理。
进一步地,根据所述任务执行结果判断智能物流车是否发生故障的判定依据是:
若所述任务执行结果为任务未全部完成,则判定智能物流车发生故障;
若所述任务执行结果为任务全部完成,则判定智能物流车未发生故障。
在判定智能物流车是否出现故障时,本发明将配送任务没有全部完成的情形均视为“故障”,解决故障后,需要及时更改智能物流车的工作状态。若配送任务全部完成,继续获取新的配送任务,并且将改变后智能物流车的工作状态及时进行反馈。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种仓储智能物流车的调度方法,该方法可以根据用户选择的调度模式,以节约能耗或节约电量为目标,并综合考虑智能物流车的电量信息及工作状态,生成最优调度方案,对智能物流车进行合理有效的调度,从而使智能物流车以更短的时间和更低的耗电量完成配送任务,有效提高了配送效率和能源利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种仓储智能物流车的调度方法的实现流程示意图;
图2为本发明实施例中智能物流车的线路方案示意图;
图3、图4和图5分别为能量优先调度模式下单点叫料时智能物流车的工作流程示意图;
图6-图11分别为能量优先调度模式下两个站点同时叫料或者叫料间隔时间相差不大时智能物流车的工作流程示意图;
图12-图17分别为能量优先调度模式下三个站点同时叫料或者叫料间隔时间相差不大时智能物流车的工作流程示意图;
图18-图20分别为效率优先调度模式下单个站点叫料时智能物流车的工作流程示意图;
图21-图26分别为效率优先调度模式下两个站点同时叫料或者叫料间隔时间相差不大时智能物流车的工作流程示意图;
图27-图32分别为效率优先调度模式下三个站点同时叫料或者叫料间隔时间相差不大时智能物流车的工作流程示意图;
图33为故障处理过程的实现流程示意图。
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。
参见附图1,本发明实施例公开了一种仓储智能物流车的调度方法,该方法包括:
S1:获取订单信息以及智能物流车的电量和工作状态,并对智能物流车的工作状态进行初始化;
S2:接收配送任务,并按照用户预先选定的调度模式,生成最优调度方案;
S3:根据得到的最优调度方案,更改对应智能物流车的工作状态,执行配送任务。
在一些实施例中,上述仓储智能物流车的调度方法还包括:
S4:实时获取智能物流车的任务执行结果,根据任务执行结果判断智能物流车是否发生故障,并对故障进行分类处理。
本实施例先从通过TCP/IP通讯的通讯方式,从中控系统获取订单信息、物流车的电量、工作状态等信息之后,初始化物流车的状态,并根据任务信息,用户选择不同的调度模式。调度模式分为以节约智能物流车能量为目的的能量优先调度模式和以提高物流车工作效率为目的的效率优先调度模式。选择其中一个调度模式后,自动处理从中控系统下发的任务,生成最优调度方案,改变物流车的工作状态。若该任务没有全部完成,则视为“故障”,解决故障后,更改物流车工作状态。若该任务全部完成,继续从中控系统获取任务,并且将改变后智能物流车的工作状态反馈给中控系统。
具体地,上述S2的执行过程,可以理解为货品的配送共享模型建立的过程,配送共享模型重点在于把一个整体的货品配送任务,根据当前时刻智能物流车的电量及位置信息,分配到两辆智能物流车上,实现能源及配送时间的综合优化。上述过程具体包括:
(1)模型初始化,对于任意一个货品配送任务,通过服务端软件,获取货品配送的起点及终点、各智能物流车的电量及工作状态,以此作为配送共享模型的输入条件;
(2)获得输入条件后,计算两辆智能物流车单独完成任务所需要的时间及电量,比较两个方案对应的加权值,并与两辆智能物流车当前电量进行比较。若加权值更优的智能物流车电量充足,转到步骤(4);否则,转到步骤(3);
(3)将加权值更优的单物流车方案的预评价系数设为0,转到步骤(5);
(4)将加权值更优的单物流车方案的预评价系数设为1;
(5)调用配送优化算法,求解出加权值最优的方案,该方案即为模型的输出。
具体地,上述的配送优化算法的表达式为:
其中,Zo为计算出的最优调度方案;Zi为所有可能的调度方案对应的时间成本与能量成本的加权值;kz为对每个方案的预评价系数;ti为Zi方案的时间成本;Ei为Zi方案的能量成本;kt为Zi方案的时间成本的权重系数,kE为Zi方案的能量成本的权重系数,且满足kt+kE=1;tji为Zi方案下智能物流车j各自的时间成本;Eji为Zi方案下智能物流车j各自的能量成本,Sji为Zi方案下智能物流车j所要走的路程,p为智能物流车的功率。
本实施例中配送优化算法的思想是:针对不同订单信息以及物流车的状态,求解出所有的调度方案之后,选择其中一种最为合适的调度方案。调度方案由时间成本和能量成本组合而成,并根据能量优先和效率优先两种调度模型分配了不同的权重系数。时间成本由智能物流车j将要走过的路程除以智能物流车速度求得;能量成本由智能物流车j的功率乘以时间成本求得。
如图2所示,为本实施例中智能物流车的线路方案示意图,图中各点的含义如下:
P1点表示AGV小车1;P2点表示AGV小车2;C点表示充电桩;S1点表示站点1;S2点表示站点2;S3点表示站点3。
路线要求:
1、P1可到达S1、S2、S3点并原路返回;
2、P2可到达S1、S2、S3点并原路返回;
3、P1和P2均可到达充电桩并原路返回。
基于附图2,下面对能量优先调度模式下的调度方案进行具体说明:
针对中控系统发来的不同任务队列进行消息处理,不同的任务队列主要分为单站点叫料、两个站点叫料以及多个站点叫料。
S1站点、S2站点以及S3站点进行单站点叫料的实现方案具体如下:
如图3所示,当S1站点叫料时,首先比较P1车和P2车的电量,在兼顾效率的情况下,首先考虑让P1车去往S1站点,其次再是P2车。
如图4所示,当S2站点叫料时,对于处于工作路线中间位置的S2来说,P1车和P2车到它的路程一样,考虑所剩电量多少即可。
如图5所示,当S3站点叫料时,比较P1车和P2车的电量,在兼顾效率的情况下,首先考虑让P2车去往S3站点,其次再是P1车。
两个站点叫料的实现方案具体如下:
如图6所示,当S1和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务,考虑到S1先叫料,优先考虑P1车的电量,其次再考虑P2车的电量。
如图7所示,当S1和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S1站点和S3站点的位置关于中心对称,要同时考虑P1和P2车的电量。
如图8所示,当S2和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。S2站点优先叫料,S2站点位置对于P1车和P2车路程相同,要同时考虑P1车和P2车的电量,再考虑P1车的电量,因为对于P1车来说,去往S2站点的路程覆盖了去往S1站点的路程。
如图9所示,当S2和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。S2站点优先叫料,S2站点位置对于P1车和P2车路程相同,要同时考虑P1车和P2车的电量,再考虑P2车的电量,因为对于P2车来说,去往S2站点的路程覆盖了去往S3站点的路程。
如图10所示,当S3和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S3站点和S1站点的位置关于中心对称,要同时考虑P1和P2车的电量。
如图11所示,当S3和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务,考虑到S3先叫料,优先考虑P2车的电量,其次再考虑P1车的电量。
多个站点叫料的实现方案,具体如下:
如图12所示,当S1、S2和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S1站点和S3站点的位置关于S2站点对称,S2站点叫料顺序也处于S1和S3中间,所以要同时考虑P1车和P2车的电量。
如图13所示,当S1、S3和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S1、S3和S2这样的叫料顺序,P2车完成任务要走的路程大于P1车完成任务要走的路程,为使节约能量,所以优先考虑P1车的电量,再考虑P2车的电量。
如图14所示,当S2、S1和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S2、S1和S3这样的叫料顺序,P1车完成任务要走的路程大于P2车完成任务要走的路程,为使节约能量,所以优先考虑P2车的电量,再考虑P1车的电量。但是当其中一辆车完成了S2站点的任务后,S13站点的任务对于P1车和P2车耗损的电量是相同的,所以这时要同时考虑P1车和P2车的电量。
如图15所示,当S2、S3和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S2、S3和S1这样的叫料顺序,P2车完成任务要走的路程大于P1车完成任务要走的路程,为使节约能量,所以优先考虑P1车的电量,再考虑P2车的电量。但是当其中一辆车完成了S2站点的任务后,S31站点的任务对于P1车和P2车耗损的电量是相同的,所以这时要同时考虑P1车和P2车的电量。
如图16所示,当S3、S1和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S3、S1和S2这样的叫料顺序,P1车完成任务要走的路程大于P2车完成任务要走的路程,为使节约能量,所以优先考虑P2车的电量,再考虑P1车的电量。
如图17所示,当S3、S2和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S3站点和S1站点的位置关于S2站点对称,S2站点叫料顺序也处于S3和S1中间,所以要同时考虑P1车和P2车的电量。
基于附图2,下面对效率优先调度模式下的调度方案进行具体说明:
以提高智能物流车工作效率为目的的调度算法,针对中控系统发来的不同任务队列进行消息处理。不同的任务队列主要分为单站点叫料、两个站点叫料以及多个站点叫料。
单个站点叫料的实现方案具体如下:
如图18所示,当S1站点叫料时,P1车的等待区距离S1站点最近,为使物流车工作效率最高,首先考虑让P1车去往S1站点,其次再是P2车。
如图19所示,当S2站点叫料时,对于处于工作路线中间位置的S2来说,P1车和P2车到它的路程一样,比较P1车和P2车电量即可。
如图20所示,当S3站点叫料时,P2车的等待区距离S3站点最近,为使物流车工作效率最高,首先考虑让P2车去往S3站点,其次再是P1车。
两个站点叫料的实现方案具体如下:
如图21所示,当S1和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。考虑到S1先叫料,P1车的等待区距离S1站点最近,为使物流车工作效率最高,首先考虑让P1车去往S1站点,其次再是P2车。
如图22所示,当S1和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。考虑到S1先叫料,P1车的等待区距离S1站点最近,为使物流车工作效率最高,首先考虑让P1车去往S1站点;S3后叫料,P2车的等待区距离S3站点最近,为使物流车工作效率最高,首先考虑让P2车去往S3站点。
如图23所示,当S2和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。S2站点优先叫料,S2站点位置对于P1车和P2车路程相同,但是对于P1车来说,去往S2站点的路程覆盖了去往S1站点的路程,所以优先考虑P1车是否能完成任务,再考虑P2车。
如图24所示,当S2和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。S2站点优先叫料,S2站点位置对于P1车和P2车路程相同,但是对于P2车来说,去往S2站点的路程覆盖了去往S3站点的路程,所以优先考虑P2车是否能完成任务,再考虑P1车。
如图25所示,当S3和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。考虑到S3先叫料,P2车的等待区距离S3站点最近,为使物流车工作效率最高,首先考虑让P2车去往S3站点;S1后叫料,P1车的等待区距离S1站点最近,为使物流车工作效率最高,首先考虑让P1车去往S1站点。
如图26所示,当S3和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。考虑到S3先叫料,P2车的等待区距离S3站点最近,为使物流车工作效率最高,首先考虑让P2车去往S3站点,其次再是P2车。
多个站点叫料的实现方案具体如下:
如图27所示,当S1、S2和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S1站点和S3站点的位置关于S2站点对称,S2站点叫料顺序也处于S1和S3中间,对于P1车和P2车所走的路程相同。但是当P1车和P2车的电量只够完成其中部分站点任务时,要考虑站点叫料顺序。S1、S2、S3的叫料顺序对于P1车来说是最友好的,所以优先考虑S1。
如图28所示,当S1、S3和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S1、S3和S2这样的叫料顺序,P2车完成任务要走的路程大于P1车完成任务要走的路程,为使提高工作效率,优先考虑P1车,再考虑P2车。
如图29所示,当S2、S1和S3站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S2、S1、S3这样的叫料顺序,P1车完成任务要走的路程大于P2车完成任务要走的路程,为使小车提高工作效率,优先考虑P2车,再考虑P1车。
如图30所示,当S2、S3和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S2、S3和S1这样的叫料顺序,P2车完成任务要走的路程大于P1车完成任务要走的路程,为使小车提高工作效率,优先考虑P1车,再考虑P2车。
如图31所示,当S3、S1和S2站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。根据S3、S1和S2这样的叫料顺序,P1车完成任务要走的路程大于P2车完成任务要走的路程,为使提高工作效率,优先考虑P2车,再考虑P1车。
如图32所示,当S3、S2和S1站点同时叫料或者叫料间隔时间相差不大的情况下,看P1车和P2车电量是否足够完成任务。因为S3站点和S1站点的位置关于S2站点对称,S2站点叫料顺序也处于S3和S1中间,对于P1车和P2车所走的路程相同。但是当P1车和P2车的电量只够完成其中部分站点任务时,要考虑站点叫料顺序。S3、S2和S1的叫料顺序对于P2车来说是最友好的,所以优先考虑S2。
本实施例将因为智能物流车电量不足,或者智能物流车处于忙碌状态等原因而未完成所有任务的情况都视为“故障”。故障处理流程如图33所示,在调度算法中获取提前设置好的返回值,这些返回值代表了无故障、任务全部完成以及不同的故障类型等含义。判断返回值之后对故障进行分类处理。
综上所述,本发明实施例公开的调度方法能够兼顾效率和能耗这两方面因素,有效提高了智能物流车的综合能源利用效率,降低了运行成本,更能适应工业船舶、航天等特种装备研制随机性需求强、零部件多的情况下作业调度频率低、小批量化生产的调度需求。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种仓储智能物流车的调度方法,其特征在于,包括:
S1:获取订单信息以及智能物流车的电量和工作状态,并对智能物流车的工作状态进行初始化;
S2:接收配送任务,并按照用户预先选定的调度模式,生成最优调度方案,所述调度模式包括能量优先调度模式以及效率优先调度模式;
获取所述配送任务中待配送货品的起点和终端信息,并获取各个智能物流车的电量和工作状态;
分别计算两辆智能物流车单独完成配送任务所需要的时间及耗电量,并分别求取两辆智能物流车所有调度方案对应的加权值,判断所述加权值更优的智能物流车电量是否充足;
若所述加权值更优的智能物流车电量充足,则根据所述加权值更优的智能物流车生成最优调度方案;
若所述加权值更优的智能物流车电量不足,则将其对应的预评价系数设定为0,并调用配送优化算法,求取最优调度方案;
所述配送优化算法的表达式为:
其中,Zo为计算出的最优调度方案;Zi为所有可能的调度方案对应的时间成本与能量成本的加权值;kz为对每个方案的预评价系数;ti为i方案的时间成本;Ei为i方案的能量成本;kt为i方案的时间成本的权重系数,kE为i方案的能量成本的权重系数,且满足kt+kE=1;tji为i方案下智能物流车j各自的时间成本;Eji为i方案下智能物流车j各自的能量成本,Sji为i方案下智能物流车j所要走的路程,p为智能物流车的功率;
S3:根据所述最优调度方案,更改对应智能物流车的工作状态,执行配送任务。
2.根据权利要求1所述的一种仓储智能物流车的调度方法,其特征在于,还包括:
S4:实时获取智能物流车的任务执行结果,根据所述任务执行结果判断智能物流车是否发生故障,并对故障进行分类处理。
3.根据权利要求2所述的一种仓储智能物流车的调度方法,其特征在于,根据所述任务执行结果判断智能物流车是否发生故障的判定依据是:
若所述任务执行结果为任务未全部完成,则判定智能物流车发生故障;
若所述任务执行结果为任务全部完成,则判定智能物流车未发生故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443731.5A CN112578752B (zh) | 2020-12-08 | 2020-12-08 | 一种仓储智能物流车的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011443731.5A CN112578752B (zh) | 2020-12-08 | 2020-12-08 | 一种仓储智能物流车的调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112578752A CN112578752A (zh) | 2021-03-30 |
CN112578752B true CN112578752B (zh) | 2022-03-04 |
Family
ID=75130809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011443731.5A Active CN112578752B (zh) | 2020-12-08 | 2020-12-08 | 一种仓储智能物流车的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112578752B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117501289A (zh) * | 2022-05-16 | 2024-02-02 | 宁德时代新能源科技股份有限公司 | 运输车调度方法和装置 |
CN116954179B (zh) * | 2023-09-20 | 2023-12-22 | 无锡付平物流设备有限公司 | 一种仓储用自动搬运小车的控制方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274124A (zh) * | 2017-06-06 | 2017-10-20 | 泉州装备制造研究所 | 一种基于两阶段多种群并行遗传算法的agv小车调度优化方法 |
CN109190840A (zh) * | 2018-09-21 | 2019-01-11 | 中电科技(合肥)博微信息发展有限责任公司 | 一种冷库用穿梭车调度管理系统和调度方法 |
CN109726863A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市北斗智能科技有限公司 | 一种多目标优化的物流方法和系统 |
CN109895651A (zh) * | 2019-01-16 | 2019-06-18 | 芜湖智久机器人有限公司 | 一种agv集群管理系统及方法 |
CN110334941A (zh) * | 2019-07-01 | 2019-10-15 | 百度在线网络技术(北京)有限公司 | 无人物流车调度方法、装置、电子设备和可读存储介质 |
CN110348791A (zh) * | 2019-07-15 | 2019-10-18 | 重庆工程学院 | 一种应用于多agv任务调度的动态交叉遗传算法 |
CN111985832A (zh) * | 2020-08-27 | 2020-11-24 | 马鞍山贺辉信息科技有限公司 | 基于大数据的智能机器人生产线智能调度系统 |
-
2020
- 2020-12-08 CN CN202011443731.5A patent/CN112578752B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112578752A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Distributed operation management of battery swapping-charging systems | |
Wei et al. | Intelligent parking garage EV charging scheduling considering battery charging characteristic | |
CN112578752B (zh) | 一种仓储智能物流车的调度方法 | |
CN111762051B (zh) | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 | |
Mukherjee et al. | A review of charge scheduling of electric vehicles in smart grid | |
US20160380440A1 (en) | Electric charging power management | |
CN111091238A (zh) | 一种自动化集装箱码头agv智能化调度方法 | |
CN109032177B (zh) | 一种优化无人机路径方法及装置 | |
CN115081777A (zh) | 最大化运营商收益的v2g调度二阶段随机规划方法 | |
CN109214755A (zh) | 一种仓储管理中的自动排单调度方法 | |
CN105914886B (zh) | 一种分布式能源云联网智能控制方法及系统 | |
CN111539574B (zh) | 用于多机器人的订单派送方法及系统 | |
CN111832940B (zh) | 一种电动汽车充电调度方法、装置和存储介质 | |
CN112561362A (zh) | 无人递送系统订单调度方法、系统、终端及存储介质 | |
CN115071476A (zh) | 一种矩阵式智能充电装置与方法 | |
CN107579530B (zh) | 一种电网的低频减载方法及低频减载控制系统 | |
CN111082444B (zh) | 一种多移动储能车路径规划方法、系统及装置 | |
EP4356496A1 (en) | Machine learning for optimization of power distribution to electric vehicle charging ports | |
CN116632831A (zh) | 一种基于调度场景的充电负荷聚合和调度方法 | |
CN109130943B (zh) | 共享电池站控制策略 | |
CN117400774A (zh) | 移动能源网络系统 | |
CN112070341B (zh) | 一种面向多机器人充电策略的分布式求解方法 | |
CN112700040A (zh) | 一种基于大数据分析的能源互联网调度系统 | |
Wei et al. | Utility maximization for electric vehicle charging with admission control and scheduling | |
Hurtado et al. | Multi-agent based electric vehicle charging method for smart grid-smart building energy management |
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 |