CN113938507A - 基于智能感知的高速搬运系统决策方法及装置 - Google Patents

Abstract

本发明属于计算机技术领域，具体涉及基于智能感知的高速搬运系统决策方法及装置，所述方法包括以下步骤：步骤1：设置多个传感器，随机分布于一个固定大小的空间中，将这些传感器彼此互联，构成传感器网络；同时，以传感器网络中的传感器的连接路线为蓝本，搭建运输轨道，构建搬运系统；所述运输轨道的每个连接节点即为传感器；步骤2：传感器节点实时感知获取搬运系统的运行数据；所述运行数据包括：搬运物的运行速度和搬运物的数量。其通过将搬运系统映射抽象为虚拟决策网，来为搬运系统进行决策优化，使得搬运系统能够以最大的效率进行工作，具有智能化程度高、决策效率高和决策制定准确率高的优点。

Description

基于智能感知的高速搬运系统决策方法及装置

技术领域

本发明属于计算机技术领域，具体涉及基于智能感知的高速搬运系统决策方法及装置。

背景技术

一般来说，一个有效的人工智能系统是基于其感知、记忆和思维能力，以及学习、自适应及自主的行为能力等。具有在复杂场景中的动态智能感知能力，就需要利用多源信息融合技术，将跨时空的同类和异类传感信息进行汇集和融合，才能通过记忆、学习、判断和推理，以达到认知环境和对象类别与属性的目的。在此基础上，才能使基于经验判断和智能处理的决策成为可能。

机器人作为人类20世纪最伟大的发明之一，在短短的40年内发生了日新月异的变化。机器人已经不仅成为先进制造业不可缺少的自动化装备，而且正以惊人的速度向海洋、航空、航天、军事、农业、服务、娱乐等各个领域渗透。基于多源信息融合的智能感知是机器人的现代支撑技术之一，它根据多传感器所提供的多源同构或异构信息，经过智能信息处理，可以综合地认知环境和对象的类别与属性，以达到智能感知的目的，从而可按行为准则实现应有的行为决策。

现代智能感知系统需要模仿人和动物的认知机理，来完成对象的特征提取和智能推理等过程。自然界人和动物认识客观对象的多传感信息融合机理还远远没有揭示出来，但人工智能可以用机器视觉-机器听觉-机器触觉，以及感知信息融合的全过程来模拟人和动物的认知过程，这也需要建立新的理论框架来描述认知的本质。建立判断和推理的方法很多，如概率推理、模糊判定、证据理论等。

发明内容

本发明的主要目的在于提供基于智能感知的高速搬运系统决策方法及装置，其通过将搬运系统映射抽象为虚拟决策网，再通过搬运系统中的传感器实时感知搬运系统中的数据，结合设定的搬运条件和搬运优先权等因素，来为搬运系统进行决策优化，使得搬运系统能够以最大的效率进行工作，具有智能化程度高、决策效率高和决策制定准确率高的优点。

为达到上述目的，本发明的技术方案是这样实现的：

基于智能感知的高速搬运系统决策方法，所述方法执行以下步骤：

步骤1：设置多个传感器，随机分布于一个固定大小的空间中，将这些传感器彼此互联，构成传感器网络；同时，以传感器网络中的传感器的连接路线为蓝本，搭建运输轨道，构建搬运系统；所述运输轨道的每个连接节点即为传感器；

步骤2：传感器节点实时感知获取搬运系统的运行数据；所述运行数据包括：搬运物的运行速度和搬运物的数量；

步骤3：以搬运系统的运输轨道和传感器为蓝本，以一对一映射的关系，构建虚拟决策网；运输轨道映射为虚拟决策网的连接线，传感器映射为虚拟决策网的分流点；设定一个预设值，将数量等于预设值的一个或多个相邻的分流点进行分组，得到分流点组，该分流点组作为虚拟决策网的流量节点；传感器实时获取的数据也将实时传输至虚拟决策网；

步骤4：在虚拟决策网中设置多个搬运条件、多个搬运优先权类别和多个有效流量上限；所述搬运条件定义为搬运时间和搬运速度，两者的值通过预先设定来决定；搬运优先权定义为搬运的优先级别，其包含三个优先级别，分别为：一级、二级和三级，三级的优先级别最高，一级的优先级别最低；每个优先级别都对应一个有效流量上限；

步骤5：虚拟决策网基于搬运条件、搬运优先权类别和有效流量上限，通过负载平衡决策作用于分流点，使得每个流量节点保持稳态；所述稳态定义为同一时刻进入流量等于流出流量。

进一步的，所述负载平衡决策是根据复数个搬运条件及每一个基于相对应服务类别的搬运优先权类别的有效流量上限而基于负载平衡模组构建而成；其中，上述虚拟决策网包含复数个虚拟区域网，每一虚拟区域网各自对应不同的一个虚拟区域网标签，而该负载平衡决策以每一虚拟区域网标签为基础来考虑上述虚拟区域网，其中每一该虚拟区域网是以相对应搬运优先权类别来定义，其中所述多个分流点中的每一个都对应一个虚拟区域网标签。

进一步的，所述的负载平衡模组是集中式模组，通过该集中式模组构成该负载平衡决策。

进一步的，当上述虚拟区域网标签其中之一的该相对应搬运优先权类别对映到固定位元速率搬运类型时，将由上述流量节点之一的该负载平衡模组组成该负载平衡决策，其中包括：根据位元速率来保留及分割每一该流量节点的流量上限，以便获得复数个适合保留的同时发生连接；以及只有在等于该位元速率的一部分流量上限有效的情况下才允许一个新的固定位元速率要求，并且指定该部分流量上限给一个需要的对象。

进一步的，所述的传感器在实时获取到数据后，将先对数据进行数据预处理，再将处理后的数据发送至虚拟决策网。

进一步的，所述传感器对数据进行数据预处理的方法包括：将获取到的数据转换到相位空间，然后对相位空间的数据进行差分滤波，所述差分滤波是指将差分滤波信号直接作为滤波器作用于数据，滤除噪声数据；然后对滤除噪声数据后的数据进行数据预处理；所述差分滤波信号通过差分序列生成。

进一步的，所述转换后的相位空间的数据表示为：

，0≤t≤T；其中调制信号c(t)为：

；其中，T为s(t)的时间长度，

为中心频率，B为调制指数，A为幅度，

为传感器获取到的数据。

进一步的，所述差分序列为：

，当取参数取值

为＝0.65，给定第一个种子

＝5，生成一个差分序列；在此基础上，再根据式：

的差分滤波方式生成一个差分滤波信号，其中，0≤t≤T；其中参数T、

和B可根据实际转换速率、误码率和转换距离调整；时间长度T在2.0s～10.0s之间，中心频率

小于1000Hz，信号带宽B在60Hz～290Hz之间。

进一步的，所述对滤除噪声数据后的数据进行数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将数据转换到特征向量构建的新空间中；最后得处理后的新的数据，这些数据之间两两不相干，但保持原有的信息。

一种基于智能感知的高速搬运系统决策装置。一种实现基于智能感知的高速搬运系统决策方法的计算机程序。

本发明的基于智能感知的高速搬运系统决策方法及装置，具有如下有益效果：其通过将搬运系统映射抽象为虚拟决策网，再通过搬运系统中的传感器实时感知搬运系统中的数据，结合设定的搬运条件和搬运优先权等因素，来为搬运系统进行决策优化，使得搬运系统能够以最大的效率进行工作，具有智能化程度高、决策效率高和决策制定准确率高的优点。主要通过以下过程实现：1.虚拟决策网的映射构建：本发明以搬运系统的运输轨道和传感器为蓝本，以一对一映射的关系，构建虚拟决策网；运输轨道映射为虚拟决策网的连接线，传感器映射为虚拟决策网的分流点；设定一个预设值，将数量等于预设值的一个或多个相邻的分流点进行分组，得到分流点组，该分流点组作为虚拟决策网的流量节点；传感器实时获取的数据也将实时传输至虚拟决策网；通过此构建的虚拟决策网可以准确模拟搬运系统，再通过虚拟决策网来对搬运系统进行决策，决策效率更高；2.虚拟决策网的决策方法：本发明通过负载平衡决策来进行搬运决策，负载平衡决策是根据复数个搬运条件及每一个基于相对应服务类别的搬运优先权类别的有效流量上限而基于负载平衡模组构建而成；其中，上述虚拟决策网包含复数个虚拟区域网，每一虚拟区域网各自对应不同的一个虚拟区域网标签，而该负载平衡决策以每一虚拟区域网标签为基础来考虑上述虚拟区域网，其中每一该虚拟区域网是以相对应搬运优先权类别来定义，其中所述多个分流点中的每一个都对应一个虚拟区域网标签；这样可以使得搬运系统能够以最大效率进行运行，同时又不会导致系统拥堵；3.数据的去噪处理，本发明通过数据滤波来进行数据去噪处理，在去噪处理过程中，将获取到的数据转换到相位空间，然后对相位空间的数据进行差分滤波，所述差分滤波是指将差分滤波信号直接作为滤波器作用于数据，滤除噪声数据；然后对滤除噪声数据后的数据进行数据预处理；所述差分滤波信号通过差分序列生成，这样可以使得后续决策和处理获得的结果更加准确。

附图说明

图1为本发明的实施例提供的基于智能感知的高速搬运系统决策方法的方法流程示意图；

图2为本发明的实施例提供的基于智能感知的高速搬运系统决策方法及装置的数据处理的流程示意图；

图3为本发明的实施例提供的基于智能感知的高速搬运系统决策方法的虚拟决策网进行决策的原理示意图；

图4为本发明的实施例提供的基于智能感知的高速搬运系统决策方法的虚拟决策网进行决策的原理示意图；

图5为本发明的实施例提供的基于智能感知的高速搬运系统决策方法及装置的决策的效率随着实验次数变化的实验效果示意图与现有技术的对比实验效果示意图。

具体实施方式

以下结合具体实施方式和附图对本发明的技术方案作进一步详细描述：

实施例1

如图1所示，基于智能感知的高速搬运系统决策方法，所述方法执行以下步骤：

步骤1：设置多个传感器，随机分布于一个固定大小的空间中，将这些传感器彼此互联，构成传感器网络；同时，以传感器网络中的传感器的连接路线为蓝本，搭建运输轨道，构建搬运系统；所述运输轨道的每个连接节点即为传感器；

步骤2：传感器节点实时感知获取搬运系统的运行数据；所述运行数据包括：搬运物的运行速度和搬运物的数量；

步骤3：以搬运系统的运输轨道和传感器为蓝本，以一对一映射的关系，构建虚拟决策网；运输轨道映射为虚拟决策网的连接线，传感器映射为虚拟决策网的分流点；设定一个预设值，将数量等于预设值的一个或多个相邻的分流点进行分组，得到分流点组，该分流点组作为虚拟决策网的流量节点；传感器实时获取的数据也将实时传输至虚拟决策网；

步骤4：在虚拟决策网中设置多个搬运条件、多个搬运优先权类别和多个有效流量上限；所述搬运条件定义为搬运时间和搬运速度，两者的值通过预先设定来决定；搬运优先权定义为搬运的优先级别，其包含三个优先级别，分别为：一级、二级和三级，三级的优先级别最高，一级的优先级别最低；每个优先级别都对应一个有效流量上限，

步骤5：虚拟决策网基于搬运条件、搬运优先权类别和有效流量上限，通过负载平衡决策作用于分流点，使得每个流量节点保持稳态；所述稳态定义为同一时刻进入流量等于流出流量。

如图3所示，虚拟决策网进行决策时，首先将考虑搬运条件，搬运条件存在满足和不满足两种情况。其中，搬运条件为图中的

，在满足搬运条件的情况下，则判断搬运优先权类别，即图中的

。再根据搬运优先权来找到有效流量上限，即图中的

。

同时，如图4所示，虚拟决策网在进行决策时，在满足搬运条件和搬运优先权的情况下，在同一有效流量上限的情况下，可以同时存在两种决策，每种决策对应一种对镜，这种情况下，将根据负载平衡模式来决定。

负载平衡模式一般有两种，分别为0模式和1模式。针对不同的模式，虚拟决策网进行决策的路线也将不同。

实施例2

在上一实施例的基础上，所述负载平衡决策是根据复数个搬运条件及每一个基于相对应服务类别的搬运优先权类别的有效流量上限而基于负载平衡模组构建而成；其中，上述虚拟决策网包含复数个虚拟区域网，每一虚拟区域网各自对应不同的一个虚拟区域网标签，而该负载平衡决策以每一虚拟区域网标签为基础来考虑上述虚拟区域网，其中每一该虚拟区域网是以相对应搬运优先权类别来定义，其中所述多个分流点中的每一个都对应一个虚拟区域网标签。

具体的，负载均衡建立在现有网络结构之上，它提供了一种廉价有效透明的方法扩展网络设备和服务器的带宽、增加吞吐量、加强网络数据处理能力、提高网络的灵活性和可用性。

负载均衡（Load Balance）其意思就是分摊到多个操作单元上进行执行，例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等，从而共同完成工作任务。

本发明将负载均衡的概念借用到虚拟决策网中。在虚拟决策网中的负载平衡具备和其他网络中的负载均衡一样的特性。但本发明的虚拟决策网为不存在的网络，只供决策模拟使用。

实施例3

在上一实施例的基础上，所述的负载平衡模组是集中式模组，通过该集中式模组构成该负载平衡决策。

实施例4

在上一实施例的基础上，当上述虚拟区域网标签其中之一的该相对应搬运优先权类别对映到固定位元速率搬运类型时，将由上述流量节点之一的该负载平衡模组组成该负载平衡决策，其中包括：根据位元速率来保留及分割每一该流量节点的流量上限，以便获得复数个适合保留的同时发生连接；以及只有在等于该位元速率的一部分流量上限有效的情况下才允许一个新的固定位元速率要求，并且指定该部分流量上限给一个需要的对象。

具体的，是指单位时间内流经封闭管道或明渠有效截面的流体量，又称瞬时流量。当流体量以体积表示时称为体积流量；当流体量以质量表示时称为质量流量。单位时间内流过某一段管道的流体的体积，称为该横截面的体积流量。

实施例5

在上一实施例的基础上，所述的传感器在实时获取到数据后，将先对数据进行数据预处理，再将处理后的数据发送至虚拟决策网。

实施例6

如图2所示，在上一实施例的基础上，所述传感器对数据进行数据预处理的方法包括：将获取到的数据转换到相位空间，然后对相位空间的数据进行差分滤波，所述差分滤波是指将差分滤波信号直接作为滤波器作用于数据，滤除噪声数据；然后对滤除噪声数据后的数据进行数据预处理；所述差分滤波信号通过差分序列生成。

具体的，传感器（英文名称：transducer/sensor）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。

传感器的特点包括：微型化、数字化、智能化、多功能化、系统化、网络化。它是实现自动检测和自动控制的首要环节。传感器的存在和发展，让物体有了触觉、味觉和嗅觉等感官，让物体慢慢变得活了起来。通常根据其基本感知功能分为热敏元件、光敏元件、气敏元件、力敏元件、磁敏元件、湿敏元件、声敏元件、放射线敏感元件、色敏元件和味敏元件等十大类。

实施例7

在上一实施例的基础上，所述转换后的相位空间的数据表示为：

，0≤t≤T；其中调制信号c(t)为：

；其中，T为s(t)的时间长度，

为中心频率，B为调制指数，A为幅度，

为传感器获取到的数据。

具体的，位移传感器又称为线性传感器，把位移转换为电量的传感器。位移传感器是一种属于金属感应的线性器件，传感器的作用是把各种被测物理量转换为电量它分为电感式位移传感器，电容式位移传感器，光电式位移传感器，超声波式位移传感器，霍尔式位移传感器。

在这种转换过程中有许多物理量（例如压力、流量、加速度等）常常需要先变换为位移，然后再将位移变换成电量。因此位移传感器是一类重要的基本传感器。在生产过程中，位移的测量一般分为测量实物尺寸和机械位移两种。机械位移包括线位移和角位移。按被测变量变换的形式不同，位移传感器可分为模拟式和数字式两种。模拟式又可分为物性型（如自发电式）和结构型两种。常用位移传感器以模拟式结构型居多，包括电位器式位移传感器、电感式位移传感器、自整角机、电容式位移传感器、电涡流式位移传感器、霍尔式位移传感器等。数字式位移传感器的一个重要优点是便于将信号直接送入计算机系统。这种传感器发展迅速，应用日益广泛。

实施例8

在上一实施例的基础上，所述差分序列为：

，当取参数取值

为＝0.65，给定第一个种子

＝5，生成一个差分序列；在此基础上，再根据式：

的差分滤波方式生成一个差分滤波信号，其中，0≤t≤T；其中参数T、

和B可根据实际转换速率、误码率和转换距离调整；时间长度T在2.0s～10.0s之间，中心频率

小于1000Hz，信号带宽B在60Hz～290Hz之间。

实施例9

在上一实施例的基础上，所述对滤除噪声数据后的数据进行数据预处理，包括：去除唯一属性、处理缺失值和异常值检测及处理；进行数据规约处理，包括：去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的特征向量、将数据转换到特征向量构建的新空间中；最后得处理后的新的数据，这些数据之间两两不相干，但保持原有的信息。图5为本发明方法决策的效率随着实验次数变化的实验效果示意图与现有技术的对比实验效果示意图，现有技术实验曲线采用的是常规方法，本发明实验曲线采用了新的逻辑和算法，从实验图中可以看出，本发明较现有技术不论再小样本还是大样本空间条件下，均具有更高的搬运效率。

实施例10

一种基于智能感知的高速搬运系统决策装置。

具体的，现有技术中，在智能决策时，往往通过预编软件来进行。在预编软件中，设置有进行决策的参数。这种方式相较于人工进行决策调度，效率能够显著提升，但因为在实际情况中，环境和运行状态的变化，导致单一参数难以适应各种情况的决策，使得决策的准确率和效率都难以达到更高的水平。

本发明通过将搬运系统映射抽象为虚拟决策网，再通过搬运系统中的传感器实时感知搬运系统中的数据，结合设定的搬运条件和搬运优先权等因素，来为搬运系统进行决策优化，使得搬运系统能够以最大的效率进行工作，具有智能化程度高、决策效率高和决策制定准确率高的优点。

具体的，本发明通过将搬运系统映射抽象为虚拟决策网，再通过搬运系统中的传感器实时感知搬运系统中的数据，结合设定的搬运条件和搬运优先权等因素，来为搬运系统进行决策优化，使得搬运系统能够以最大的效率进行工作，具有智能化程度高、决策效率高和决策制定准确率高的优点。主要通过以下过程实现：1.虚拟决策网的映射构建：本发明以搬运系统的运输轨道和传感器为蓝本，以一对一映射的关系，构建虚拟决策网；运输轨道映射为虚拟决策网的连接线，传感器映射为虚拟决策网的分流点；设定一个预设值，将数量等于预设值的一个或多个相邻的分流点进行分组，得到分流点组，该分流点组作为虚拟决策网的流量节点；传感器实时获取的数据也将实时传输至虚拟决策网；通过此构建的虚拟决策网可以准确模拟搬运系统，再通过虚拟决策网来对搬运系统进行决策，决策效率更高；2.虚拟决策网的决策方法：本发明通过负载平衡决策来进行搬运决策，负载平衡决策是根据复数个搬运条件及每一个基于相对应服务类别的搬运优先权类别的有效流量上限而基于负载平衡模组构建而成；其中，上述虚拟决策网包含复数个虚拟区域网，每一虚拟区域网各自对应不同的一个虚拟区域网标签，而该负载平衡决策以每一虚拟区域网标签为基础来考虑上述虚拟区域网，其中每一该虚拟区域网是以相对应搬运优先权类别来定义，其中所述多个分流点中的每一个都对应一个虚拟区域网标签；这样可以使得搬运系统能够以最大效率进行运行，同时又不会导致系统拥堵；3.数据的去噪处理，本发明通过数据滤波来进行数据去噪处理，在去噪处理过程中，将获取到的数据转换到相位空间，然后对相位空间的数据进行差分滤波，所述差分滤波是指将差分滤波信号直接作为滤波器作用于数据，滤除噪声数据；然后对滤除噪声数据后的数据进行数据预处理；所述差分滤波信号通过差分序列生成，这样可以使得后续决策和处理获得的结果更加准确。

以上所述仅为本发明的一个实施例子，但不能以此限制本发明的范围，凡依据本发明所做的结构上的变化，只要不失本发明的要义所在，都应视为落入本发明保护范围之内受到制约。

所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

需要说明的是，上述实施例提供的系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。

所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。

术语“包括”或者任何其它类似用语旨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/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (10)

1.基于智能感知的高速搬运系统决策方法，其特征在于，所述方法执行以下步骤：

步骤1：设置多个传感器，随机分布于一个固定大小的空间中，将这些传感器彼此互联，构成传感器网络；同时，以传感器网络中的传感器的连接路线为蓝本，搭建运输轨道，构建搬运系统；所述运输轨道的每个连接节点即为传感器；

步骤2：传感器节点实时感知获取搬运系统的运行数据；所述运行数据包括：搬运物的运行速度和搬运物的数量；

步骤3：以搬运系统的运输轨道和传感器为蓝本，以一对一映射的关系，构建虚拟决策网；运输轨道映射为虚拟决策网的连接线，传感器映射为虚拟决策网的分流点；设定一个预设值，将数量等于预设值的一个或多个相邻的分流点进行分组，得到分流点组，该分流点组作为虚拟决策网的流量节点；传感器实时获取的数据也将实时传输至虚拟决策网；

步骤4：在虚拟决策网中设置多个搬运条件、多个搬运优先权类别和多个有效流量上限；所述搬运条件定义为搬运时间和搬运速度，两者的值通过预先设定来决定；搬运优先权定义为搬运的优先级别，其包含三个优先级别，分别为：一级、二级和三级，三级的优先级别最高，一级的优先级别最低；每个优先级别都对应一个有效流量上限；

步骤5：虚拟决策网基于搬运条件、搬运优先权类别和有效流量上限，通过负载平衡决策作用于分流点，使得每个流量节点保持稳态；所述稳态定义为同一时刻进入流量等于流出流量。

2.如权利要求1所述的方法，其特征在于，所述负载平衡决策是根据复数个搬运条件及每一个基于相对应服务类别的搬运优先权类别的有效流量上限而基于负载平衡模组构建而成；其中，上述虚拟决策网包含复数个虚拟区域网，每一虚拟区域网各自对应不同的一个虚拟区域网标签，而该负载平衡决策以每一虚拟区域网标签为基础来考虑上述虚拟区域网，其中每一该虚拟区域网是以相对应搬运优先权类别来定义，其中所述多个分流点中的每一个都对应一个虚拟区域网标签。

3.如权利要求2所述的方法，其特征在于，所述的负载平衡模组是集中式模组，通过该集中式模组构成该负载平衡决策。

4.如权利要求3所述的方法，其特征在于，当上述虚拟区域网标签其中之一的该相对应搬运优先权类别对映到固定位元速率搬运类型时，将由上述流量节点之一的该负载平衡模组组成该负载平衡决策，其中包括：根据位元速率来保留及分割每一该流量节点的流量上限，以便获得复数个适合保留的同时发生连接；以及只有在等于该位元速率的一部分流量上限有效的情况下才允许一个新的固定位元速率要求，并且指定该部分流量上限给一个需要的对象。

5.如权利要求4所述的系统，其特征在于，所述的传感器在实时获取到数据后，将先对数据进行数据预处理，再将处理后的数据发送至虚拟决策网。

6.如权利要求5所述的方法，其特征在于，所述传感器对数据进行数据预处理的方法包括：将获取到的数据转换到相位空间，然后对相位空间的数据进行差分滤波，所述差分滤波是指将差分滤波信号直接作为滤波器作用于数据，滤除噪声数据；然后对滤除噪声数据后的数据进行数据预处理；所述差分滤波信号通过差分序列生成。

7.如权利要求6所述的方法，其特征在于，所述转换后的相位空间的数据表示为：

，0≤t≤T；

其中调制信号c(t)为：

；其中，T为s(t)的时间长度，

为中心频率，B为调制指数，A为幅度 ，

为传感器获取到的数据。

8.如权利要求7所述的方法，其特征在于，所述差分序列为：

，当取参数取值

为＝0.65，给定第一个种子

＝5，生成一个差分序列；

在此基础上，再根据式：

的差分滤波方式生成一个差分滤波信号，其中，0≤t≤T；其中参数T、

和B可根据实际转换速率、误码率和转换距离调整；时间长度T在2.0s～10.0s之间，中心频率

小于1000Hz，信号带宽B在60Hz～290Hz之间。

9.一种用于实现权利要求1至8之一所述方法的计算机程序。

10.一种用于实现权利要求1至8之一所述方法的基于智能感知的高速搬运系统决策装置。

Images