CN113985877B - 一种基于数字孪生的仓储物流路径自动引导系统 - Google Patents
一种基于数字孪生的仓储物流路径自动引导系统 Download PDFInfo
- Publication number
- CN113985877B CN113985877B CN202111257271.1A CN202111257271A CN113985877B CN 113985877 B CN113985877 B CN 113985877B CN 202111257271 A CN202111257271 A CN 202111257271A CN 113985877 B CN113985877 B CN 113985877B
- Authority
- CN
- China
- Prior art keywords
- path
- trolley
- unit
- guiding
- data
- 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
- 238000012423 maintenance Methods 0.000 claims abstract description 20
- 230000002265 prevention Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000013499 data model Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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)
- Warehouses Or Storage Devices (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于数字孪生的仓储物流路径自动引导系统,包括:物流数据采集模块、路径引导控制中心、路径自动引导模块、碰撞预防模块、故障应急处理模块和路径维护模块,通过物流数据采集模块采集小车可行路径数据和历史取货数据,通过路径自动引导模块对仓储环境进行建模,引导小车按最优路径取货,通过碰撞预防模块预防小车发生碰撞,通过故障应急处理模块在取货过程对小车故障进行实时监测警报,并作应急处理,通过路径维护模块及时修复损坏的二维码,保障了仓储物流取货的流畅性,减少了因任务中断带来的经济损失,在提高小车取货效率的同时减少小车的转向、节省了小车的耗电量,提高了小车的取货续航能力。
Description
技术领域
本发明涉及仓储物流路径引导技术领域,具体为一种基于数字孪生的仓储物流路径自动引导系统。
背景技术
仓储物流指的是利用自建或租赁库房、场地、储存、保管、搬运货物,随着物流行业的兴起,订单量的增加使得物流需求也不断增加,传统的人工取货已经不足以满足仓储物流的取货需求,除了耗费大量的人工成本外,取货的效率也随着订单量的增加逐渐降低,因此,现代工厂更多地选择了物流运输小车来搬运货物,其行驶路径也能根据需求来进行调整引导;
数字孪生指的是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多概率的过程,在仓储物流路径引导方面能够起到很好的数据分析作用;
但是,现有技术中利用物流运输小车来搬运货物也存在一定的难点和问题:首先,虽然有小车来搬运货物无需人力,但若是无法规划好物流路径,也会影响搬运货物的效率;其次,随着物流行业的发展,仓储空间不断扩大,小车路径复杂,无法实时对小车进行监测,若不能及时发现小车出现故障,会带来严重的经济损失;最后,小车在搬运货物过程中容易出现碰撞事故,不仅会导致小车故障,也会影响仓储物流取货的流畅性。
所以,人们需要一种基于数字孪生的仓储物流路径自动引导系统来解决上述问题。
发明内容
本发明的目的在于提供一种基于数字孪生的仓储物流路径自动引导系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:所述系统包括:所述系统包括:物流数据采集模块、路径引导控制中心、路径自动引导模块、碰撞预防模块、故障应急处理模块和路径维护模块;
通过所述物流数据采集模块采集接收到订单的小车可行路径对应的路程和转向数据,采集小车历史取货过程中,货物的重量及其对应的小车行进速度数据,将采集到的数据传输到所述路径引导控制中心中供调取,通过所述路径引导控制中心,通过所述路径自动引导模块对仓储环境进行建模,在可行路径中选择规划路程最短并且转向次数最少的最优路径,并引导小车按最优路径取货,通过所述碰撞预防模块对小车进行实时定位,依据定位数据预测小车间是否会发生碰撞,若小车间有碰撞的可能性,调整部分小车的取货引导路径,通过所述故障应急处理模块在取货过程对小车故障进行实时监测,在小车发生故障时发送故障警报信号,依据当前所有小车完成订单信息和位置信息选择安排最合适的小车处理故障小车当前未完成的取货任务,通过所述路径维护模块匹配分析小车的实际取货路径是否一致,若不一致,判断路径上二维码出现损坏,确认损坏的二维码位置,对损坏的二维码进行后期维护。
进一步的,所述物流数据采集模块包括可行路径采集单元和取货数据采集单元,所述可行路径采集单元用于采集接收到不同订单的小车可行的路径数据,包括路程和转向数据,所述取货数据采集单元用于采集小车的历史取货数据,包括货物重量和小车的行进速度数据,将采集到的数据传输到所述路径引导控制中心;所述路径自动引导模块包括取货路径规划单元、取货路径引导单元和仓储环境建模单元,所述取货路径规划单元用于依据小车的可行路径路程和转向数据规划小车取对应货物的最优路径,将规划好的路径传输到所述取货路径引导单元,所述取货路径引导单元用于引导控制小车按规划好的路径取货,所述仓储环境建模单元用于对仓储环境进行二维建模。
进一步的,所述碰撞预防模块包括目标定位单元、碰撞预测单元和引导路径调整单元,所述目标定位单元用于对需要取的货物和小车进行实时定位,所述碰撞预测单元用于依据定位数据预测小车间是否会发生碰撞:若小车间有碰撞的可能性,通过所述引导路径调整单元调整小车的引导路径。
进一步的,所述故障应急处理模块包括故障监测警报单元和故障应急处理单元,所述故障监测警报单元用于实时监测小车是否发生故障:若小车发生故障,发送警报信号至所述故障应急处理单元,所述故障应急处理单元接收到警报信号后,选择安排最合适的小车处理故障小车当前未完成的取货任务。
进一步的,所述路径维护模块包括路径匹配单元和后期维护单元,在小车完成取货任务后,通过所述路径匹配单元比对规划好的路径与小车实际行走的路径是否相符,判断分析路径上二维码的损坏情况:若相符,无需对路径进行维护;若不相符,通过所述后期维护单元对路径上对应损坏的二维码进行维护处理。
进一步的,利用所述可行路径采集单元采集到小车的取货可行路径路程集合为s={s1,s2,...,sn},对应可行路径上需要转向的次数集合为w={w1,w2,...,wn},其中,n表示取货可行路径数量,利用所述取货路径规划单元规划小车取货的最优路径:根据下列公式计算随机一条可行路径的优等系数qi:
其中,si表示该可行路径的路程,wi表示该可行路径上需要转向的次数,得到所有可行路径的优等系数集合为q={q1,q2,...,qn},比较优等系数,选取最小优等系数对应的可行路径作为最优路径,将最优路径传输到所述取货路径引导单元中,通过所述取货路径引导单元引导控制小车按规划好的路径取货,结合小车取货可行路径路程和转向数据计算优等系数的目的在于依据优等系数判断小车取货的最优路径,不仅是路径最短,加入路径上需要转向次数参数,分析出的最优路径是最适合小车的,在提高取货效率的同时减少了小车的转向,节省了小车的耗电量。
进一步的,利用所述仓储环境建模单元以仓储地面中心为原点建立二维坐标系,利用所述目标定位单元对小车进行实时定位,利用所述碰撞预测单元预测小车间是否会发生碰撞:定位到随机两个小车的位置坐标分别为(a,b)和(c,d),获取到小车扫描当前所在位置二维码后转向前的最后一个目的地位置坐标分别为(x,y)和(X,Y),根据下列公式计算小车起始位置与最终位置组成的向量夹角θ:
若θ=0°,说明小车同向行进,不会发生碰撞;若θ=180°且a=c,或θ=180°且b=d,说明小车反向行进并处于同一路径上,会发生碰撞;若θ=90°且c=x,或θ=90°且d=y,说明小车间有碰撞的可能性,将分析结果传输到所述引导路径调整单元,通过实时定位的方式预测小车间发生碰撞的可能性,计算向量夹角的目的在于初步判断小车是否会发生碰撞,并筛选出小车有碰撞可能性但不绝对的情况以作进一步分析,有利于对小车碰撞作全面的预测分析。
进一步的,利用所述取货数据采集单元采集到其中一个小车的历史取货数据:行进速度集合为v={v1,v2,...,vm},取的货物重量集合为g={g1,g2,...,gm},其中,m表示采集到的小车历史取货次数,建立取货关联数据模型:v=e+fg+η,其中,e和f分别表示模型截距和斜率,根据下列公式分别计算e和f:
此时,η=0,关联误差最小,将小车当前承载货物的重量带入取货关联数据模型中,得到两小车的行驶速度分别为v’和v”,在小车间有碰撞的可能性时,根据下列公式分别计算两小车到达下一目的地的时间t和T:
若t=T,表示小车会发生碰撞;若t≠T,表示小车不会发生碰撞,在下车会发生碰撞时,利用所述引导路径调整单元调整其中一个小车的引导路径,通过时间的对比,进一步判断在小车有碰撞可能性但不绝对的情况下,小车是否会发生碰撞,由于小车行进速度收到搬运的货物重量影响,结合历史数据分析当前小车行进速度,有利于提高时间对比结果的准确性。
进一步的,所述故障监测警报单元监测到小车发生故障并发送警报信号时,利用所述故障应急处理单元选择安排最合适的小车处理故障小车当前未完成的取货任务:监测到故障小车位置坐标为(I,J),其余小车当前剩余订单数集合为M={M1,M2,...,Mk},其中,k表示剩余小车数量,其余小车当前位置坐标集合为(I剩,J剩)={(I剩1,J剩1),(I剩2,J剩2),...,(I剩k,J剩k)},根据下列公式计算随机一个剩余小车的处理优先系数Qi:
其中,(I剩i,J剩i)表示该小车当前位置坐标,Mi表示该小车当前剩余订单数量,得到处理优先系数集合为Q={Q1,Q2,...,Qk},比较处理优先系数,选择处理优先系数最小的小车处理故障小车当前未完成的取货任务,考虑到小车会发生故障的情况,对小车进行实时监测,在发生故障时选择最合适的小车代处理故障小车当前任务,有利于保障仓储物流取货的流畅性,减少因小车故障无法及时处理任务带来的经济损失,在选择代处理小车时,在小车间距的基础上加入订单任务参数,有利于避免因代处理任务而导致自身任务迟滞的状况。
进一步的,在小车完成取货任务后,利用所述路径匹配单元比对规划好的路径与实际行走路径:获取到规划好的路径上,小车每扫描一个二维码后偏转的夹角集合为α={α1,α2,...,αm},监测到实际行走路径上,小车扫描对应二维码后偏转的夹角集合为β={β1,β2,...,βm},一一匹配规划好的和实际路径上的偏转夹角,出现偏转夹角不相等时,说明路径不相符,利用所述后期维护单元对路径上偏转夹角不相等处的二维码进行维护处理,小车通过扫描二维码获取目的地信息,根据路径匹配判断小车是否按规划路径行驶,有利于及时发现错误并修复损坏的二维码。
与现有技术相比,本发明所达到的有益效果是:
本发明通过数据分析规划小车取货的最优路径,不仅考虑路径最短,还加入了转向参数,在提高小车取货效率的同时减少小车的转向、节省了小车的耗电量,提高了小车的取货续航能力;通过对小车进行实时定位,两两预测小车间发生碰撞的可能性,逐步判断小车是否会发生碰撞,对小车碰撞作了全面的预测分析,并通过调整引导路径的方式,有效避免了小车间发生碰撞导致任务中断的情况;通过实时监测预警小车出现故障,选择最合适的小车代处理故障小车当前的任务,保障了仓储物流取货的流畅性,减少了因任务中断带来的经济损失;通过路径匹配分析小车路径是否正确,进一步判断路径错误节点,并及时修复损坏的二维码,保证小车在规划路径上行进。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于数字孪生的仓储物流路径自动引导系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
请参阅图1,本发明提供技术方案:一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:系统包括:物流数据采集模块、路径引导控制中心、路径自动引导模块、碰撞预防模块、故障应急处理模块和路径维护模块;
通过物流数据采集模块采集接收到订单的小车可行路径对应的路程和转向数据,采集小车历史取货过程中,货物的重量及其对应的小车行进速度数据,将采集到的数据传输到路径引导控制中心中供调取,通过路径自动引导模块对仓储环境进行建模,在可行路径中选择规划路程最短并且转向次数最少的最优路径,并引导小车按最优路径取货,通过碰撞预防模块对小车进行实时定位,依据定位数据预测小车间是否会发生碰撞,若小车间有碰撞的可能性,调整部分小车的取货引导路径,通过故障应急处理模块在取货过程对小车故障进行实时监测,在小车发生故障时发送故障警报信号,依据当前所有小车完成订单信息和位置信息选择安排最合适的小车处理故障小车当前未完成的取货任务,通过路径维护模块匹配分析小车的实际取货路径是否一致,若不一致,判断路径上二维码出现损坏,确认损坏的二维码位置,对损坏的二维码进行后期维护。
物流数据采集模块包括可行路径采集单元和取货数据采集单元,可行路径采集单元用于采集接收到不同订单的小车可行的路径数据,包括路程和转向数据,取货数据采集单元用于采集小车的历史取货数据,包括货物重量和小车的行进速度数据,将采集到的数据传输到路径引导控制中心;路径自动引导模块包括取货路径规划单元、取货路径引导单元和仓储环境建模单元,取货路径规划单元用于依据小车的可行路径路程和转向数据规划小车取对应货物的最优路径,将规划好的路径传输到取货路径引导单元,取货路径引导单元用于引导控制小车按规划好的路径取货,仓储环境建模单元用于对仓储环境进行二维建模。
碰撞预防模块包括目标定位单元、碰撞预测单元和引导路径调整单元,目标定位单元用于对需要取的货物和小车进行实时定位,碰撞预测单元用于依据定位数据预测小车间是否会发生碰撞:若小车间有碰撞的可能性,通过引导路径调整单元调整小车的引导路径。
故障应急处理模块包括故障监测警报单元和故障应急处理单元,故障监测警报单元用于实时监测小车是否发生故障:若小车发生故障,发送警报信号至故障应急处理单元,故障应急处理单元接收到警报信号后,选择安排最合适的小车处理故障小车当前未完成的取货任务。
路径维护模块包括路径匹配单元和后期维护单元,在小车完成取货任务后,通过路径匹配单元比对规划好的路径与小车实际行走的路径是否相符,判断分析路径上二维码的损坏情况:若相符,无需对路径进行维护;若不相符,通过后期维护单元对路径上对应损坏的二维码进行维护处理。
利用可行路径采集单元采集到小车的取货可行路径路程集合为s={s1,s2,...,sn},对应可行路径上需要转向的次数集合为w={w1,w2,...,wn},其中,n表示取货可行路径数量,利用取货路径规划单元规划小车取货的最优路径:根据下列公式计算随机一条可行路径的优等系数qi:
其中,si表示该可行路径的路程,wi表示该可行路径上需要转向的次数,得到所有可行路径的优等系数集合为q={q1,q2,...,qn},比较优等系数,选取最小优等系数对应的可行路径作为最优路径,将最优路径传输到取货路径引导单元中,通过取货路径引导单元引导控制小车按规划好的路径取货,结合小车取货可行路径路程和转向数据计算优等系数的目的在于依据优等系数判断小车取货的最优路径,不仅是路径最短,加入路径上需要转向次数参数,分析出的最优路径是最适合小车的,能够在提高取货效率的同时减少小车的转向、节省小车的耗电量。
利用仓储环境建模单元以仓储地面中心为原点建立二维坐标系,利用目标定位单元对小车进行实时定位,利用碰撞预测单元预测小车间是否会发生碰撞:定位到随机两个小车的位置坐标分别为(a,b)和(c,d),获取到小车扫描当前所在位置二维码后转向前的最后一个目的地位置坐标分别为(x,y)和(X,Y),根据下列公式计算小车起始位置与最终位置组成的向量夹角θ:
若θ=0°,说明小车同向行进,不会发生碰撞;若θ=180°且a=c,或θ=180°且b=d,说明小车反向行进并处于同一路径上,会发生碰撞;若θ=90°且c=x,或θ=90°且d=y,说明小车间有碰撞的可能性,将分析结果传输到引导路径调整单元,通过实时定位的方式预测小车间发生碰撞的可能性,计算向量夹角的目的在于初步判断小车是否会发生碰撞,并筛选出小车有碰撞可能性但不绝对的情况以作进一步分析,便于对小车碰撞作全面的预测分析。
利用取货数据采集单元采集到其中一个小车的历史取货数据:行进速度集合为v={v1,v2,...,vm},取的货物重量集合为g={g1,g2,...,gm},其中,m表示采集到的小车历史取货次数,建立取货关联数据模型:v=e+fg+η,其中,e和f分别表示模型截距和斜率,根据下列公式分别计算e和f:
此时,η=0,关联误差最小,将小车当前承载货物的重量带入取货关联数据模型中,得到两小车的行驶速度分别为v’和v”,在小车间有碰撞的可能性时,根据下列公式分别计算两小车到达下一目的地的时间t和T:
若t=T,表示小车会发生碰撞;若t≠T,表示小车不会发生碰撞,在下车会发生碰撞时,利用引导路径调整单元调整其中一个小车的引导路径,通过时间的对比,进一步判断在小车有碰撞可能性但不绝对的情况下,小车是否会发生碰撞,由于小车行进速度收到搬运的货物重量影响,结合历史数据分析当前小车行进速度,便于提高时间对比结果的准确性。
故障监测警报单元监测到小车发生故障并发送警报信号时,利用故障应急处理单元选择安排最合适的小车处理故障小车当前未完成的取货任务:监测到故障小车位置坐标为(I,J),其余小车当前剩余订单数集合为M={M1,M2,...,Mk},其中,k表示剩余小车数量,其余小车当前位置坐标集合为(I剩,J剩)={(I剩1,J剩1),(I剩2,J剩2),...,(I剩k,J剩k)},根据下列公式计算随机一个剩余小车的处理优先系数Qi:
其中,(I剩i,J剩i)表示该小车当前位置坐标,Mi表示该小车当前剩余订单数量,得到处理优先系数集合为Q={Q1,Q2,...,Qk},比较处理优先系数,选择处理优先系数最小的小车处理故障小车当前未完成的取货任务,考虑到小车会发生故障的情况,对小车进行实时监测,在发生故障时选择最合适的小车代处理故障小车当前任务,便于保障仓储物流取货的流畅性,减少因小车故障无法及时处理任务带来的经济损失,在选择代处理小车时,在小车间距的基础上加入订单任务参数,能够避免因代处理任务而导致自身任务迟滞的状况。
在小车完成取货任务后,利用路径匹配单元比对规划好的路径与实际行走路径:获取到规划好的路径上,小车每扫描一个二维码后偏转的夹角集合为α={α1,α2,...,αm},监测到实际行走路径上,小车扫描对应二维码后偏转的夹角集合为β={β1,β2,...,βm},一一匹配规划好的和实际路径上的偏转夹角,出现偏转夹角不相等时,说明路径不相符,利用后期维护单元对路径上偏转夹角不相等处的二维码进行维护处理,小车通过扫描二维码获取目的地信息,根据路径匹配判断小车是否按规划路径行驶,便于及时发现错误并修复损坏的二维码。
实施例一:利用可行路径采集单元采集到小车的取货可行路径路程集合为s={s1,s2,s3}={20,100,30},对应可行路径上需要转向的次数集合为w={w1,w2,w3}={5,2,1},根据公式得到所有可行路径的优等系数集合为q={q1,q2,q3}={0,1,0.57},比较优等系数,选取最小优等系数:0对应的可行路径:路径1作为最优路径,将路径1传输到取货路径引导单元中,通过取货路径引导单元引导控制小车按路径1取货;
实施例二:利用仓储环境建模单元以仓储地面中心为原点建立二维坐标系,利用目标定位单元对小车进行实时定位,利用碰撞预测单元预测小车间是否会发生碰撞:定位到随机两个小车的位置坐标分别为(a,b)=(0,0),(c,d)=(20,0),获取到小车扫描当前所在位置二维码后转向前的最后一个目的地位置坐标分别为(x,y)=(5,0),(X,Y)=(10,0),根据公式计算小车起始位置与最终位置组成的向量夹角θ=180°,且b=d,说明小车反向行进并处于同一路径上,会发生碰撞,利用引导路径调整单元调整其中一个小车的引导路径;
实施例三:故障监测警报单元监测到小车发生故障并发送警报信号时,利用故障应急处理单元选择安排最合适的小车处理故障小车当前未完成的取货任务:监测到故障小车位置坐标为(I,J)=(10,10),其余小车当前剩余订单数集合为M={M1,M2,M3}={20,10,50},其余小车当前位置坐标集合为(I剩,J剩)={(I剩1,J剩1),(I剩2,J剩2),(I剩3,J剩3)}={(20,20),(20,30),(0,0)},根据公式得到处理优先系数集合为Q={Q1,Q2,Q3}={3.54,2.80,8.84},比较处理优先系数,选择处理优先系数最小的小车:小车2处理故障小车当前未完成的取货任务。
最后应说明的是:以上所述仅为本发明的优选实例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:所述系统包括:物流数据采集模块、路径引导控制中心、路径自动引导模块、碰撞预防模块、故障应急处理模块和路径维护模块;
通过所述物流数据采集模块采集接收到订单的小车可行路径对应的路程和转向数据,采集小车历史取货过程中,货物的重量及其对应的小车行进速度数据,将采集到的数据传输到所述路径引导控制中心中供调取,通过所述路径引导控制中心接收所述物流数据采集模块采集到的数据,通过所述路径自动引导模块对仓储环境进行建模,在可行路径中选择规划路程最短并且转向次数最少的最优路径,并引导小车按最优路径取货,通过所述碰撞预防模块对小车进行实时定位,依据定位数据预测小车间是否会发生碰撞,若小车间有碰撞的可能性,调整部分小车的取货引导路径,通过所述故障应急处理模块在取货过程对小车故障进行实时监测,在小车发生故障时发送故障警报信号,依据当前所有小车完成订单信息和位置信息选择安排最合适的小车处理故障小车当前未完成的取货任务,通过所述路径维护模块匹配分析小车的实际取货路径是否一致,若不一致,判断路径上二维码出现损坏,确认损坏的二维码位置,对损坏的二维码进行后期维护;
所述物流数据采集模块包括可行路径采集单元和取货数据采集单元,所述可行路径采集单元用于采集接收到不同订单的小车可行的路径数据,包括路程和转向数据,所述取货数据采集单元用于采集小车的历史取货数据,包括货物重量和小车的行进速度数据,将采集到的数据传输到所述路径引导控制中心;所述路径自动引导模块包括取货路径规划单元、取货路径引导单元和仓储环境建模单元,所述取货路径规划单元用于依据小车的可行路径路程和转向数据规划小车取对应货物的最优路径,将规划好的路径传输到所述取货路径引导单元,所述取货路径引导单元用于引导控制小车按规划好的路径取货,所述仓储环境建模单元用于对仓储环境进行二维建模;
所述碰撞预防模块包括目标定位单元、碰撞预测单元和引导路径调整单元,所述目标定位单元用于对需要取的货物和小车进行实时定位,所述碰撞预测单元用于依据定位数据预测小车间是否会发生碰撞:若小车间有碰撞的可能性,通过所述引导路径调整单元调整小车的引导路径;
利用所述仓储环境建模单元以仓储地面中心为原点建立二维坐标系,利用所述目标定位单元对小车进行实时定位,利用所述碰撞预测单元预测小车间是否会发生碰撞:定位到随机两个小车的位置坐标分别为(a,b)和(c,d),获取到小车扫描当前所在位置二维码后转向前的最后一个目的地位置坐标分别为(x,y)和(X,Y),根据下列公式计算小车起始位置与最终位置组成的向量夹角θ:
若θ=0°,说明小车同向行进,不会发生碰撞;若θ=180°且a=c,或θ=180°且b=d,说明小车反向行进并处于同一路径上,会发生碰撞;若θ=90°且c=x,或θ=90°且d=y,说明小车间有碰撞的可能性,将分析结果传输到所述引导路径调整单元;
利用所述取货数据采集单元采集到其中一个小车的历史取货数据:行进速度集合为v={v1,v2,...,vm},取的货物重量集合为g={g1,g2,...,gm},其中,m表示采集到的小车历史取货次数,建立取货关联数据模型:V=e+fg+η,其中,e和f分别表示模型截距和斜率,根据下列公式分别计算e和f:
此时,η=0,关联误差最小,将小车当前承载货物的重量带入取货关联数据模型中,得到两小车的行驶速度分别为v’和v”,在小车间有碰撞的可能性时,根据下列公式分别计算两小车到达下一目的地的时间t和T:
若t=T,表示小车会发生碰撞;若t≠T,表示小车不会发生碰撞,在小车会发生碰撞时,利用所述引导路径调整单元调整其中一个小车的引导路径。
2.根据权利要求1所述的一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:所述故障应急处理模块包括故障监测警报单元和故障应急处理单元,所述故障监测警报单元用于实时监测小车是否发生故障:若小车发生故障,发送警报信号至所述故障应急处理单元,所述故障应急处理单元接收到警报信号后,选择安排最合适的小车处理故障小车当前未完成的取货任务。
3.根据权利要求1所述的一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:所述路径维护模块包括路径匹配单元和后期维护单元,在小车完成取货任务后,通过所述路径匹配单元比对规划好的路径与小车实际行走的路径是否相符,判断分析路径上二维码的损坏情况:若相符,无需对路径进行维护;若不相符,通过所述后期维护单元对路径上对应损坏的二维码进行维护处理。
4.根据权利要求1所述的一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:利用所述可行路径采集单元采集到小车的取货可行路径路程集合为s={s1,s2,...,sn},对应可行路径上需要转向的次数集合为w={w1,w2,...,wn},其中,n表示取货可行路径数量,利用所述取货路径规划单元规划小车取货的最优路径:根据下列公式计算随机一条可行路径的优等系数qi:
其中,si表示该可行路径的路程,wi表示该可行路径上需要转向的次数,得到所有可行路径的优等系数集合为q={q1,q2,...,qn},比较优等系数,选取最小优等系数对应的可行路径作为最优路径,将最优路径传输到所述取货路径引导单元中,通过所述取货路径引导单元引导控制小车按规划好的路径取货。
5.根据权利要求2所述的一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:所述故障监测警报单元监测到小车发生故障并发送警报信号时,利用所述故障应急处理单元选择安排最合适的小车处理故障小车当前未完成的取货任务:监测到故障小车位置坐标为(I,J),其余小车当前剩余订单数集合为M={M1,M2,...,Mk},其中,k表示剩余小车数量,其余小车当前位置坐标集合为(I剩,J剩)={(I剩1,J剩1),(I剩2,J剩2),...,(I剩k,J剩k)},根据下列公式计算随机一个剩余小车的处理优先系数Qi:
其中,(I剩i,J剩i)表示该小车当前位置坐标,Mi表示该小车当前剩余订单数量,得到处理优先系数集合为Q={Q1,Q2,...,Qk},比较处理优先系数,选择处理优先系数最小的小车处理故障小车当前未完成的取货任务。
6.根据权利要求3所述的一种基于数字孪生的仓储物流路径自动引导系统,其特征在于:在小车完成取货任务后,利用所述路径匹配单元比对规划好的路径与实际行走路径:获取到规划好的路径上,小车每扫描一个二维码后偏转的夹角集合为α={α1,α2,...,αm},监测到实际行走路径上,小车扫描对应二维码后偏转的夹角集合为β={β1,β2,...,βm},一一匹配规划好的和实际路径上的偏转夹角,出现偏转夹角不相等时,说明路径不相符,利用所述后期维护单元对路径上偏转夹角不相等处的二维码进行维护处理,m表示采集到的小车历史取货次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257271.1A CN113985877B (zh) | 2021-10-27 | 2021-10-27 | 一种基于数字孪生的仓储物流路径自动引导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111257271.1A CN113985877B (zh) | 2021-10-27 | 2021-10-27 | 一种基于数字孪生的仓储物流路径自动引导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113985877A CN113985877A (zh) | 2022-01-28 |
CN113985877B true CN113985877B (zh) | 2023-12-19 |
Family
ID=79742740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111257271.1A Active CN113985877B (zh) | 2021-10-27 | 2021-10-27 | 一种基于数字孪生的仓储物流路径自动引导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985877B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116339389B (zh) * | 2023-05-30 | 2023-07-28 | 北自所(北京)科技发展股份有限公司 | 基于数字孪生的旋翼无人机盘库方法、装置及存储介质 |
CN116700356B (zh) * | 2023-08-04 | 2023-10-17 | 南京海汇装备科技有限公司 | 一种无人机指挥控制系统及方法 |
CN116757350B (zh) * | 2023-08-11 | 2024-04-26 | 稳石机器人(深圳)有限公司 | 一种无人叉车集群调度处理系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105993040A (zh) * | 2014-09-01 | 2016-10-05 | 株式会社小松制作所 | 搬运车辆、自卸车及搬运车辆的控制方法 |
CN106527448A (zh) * | 2016-12-16 | 2017-03-22 | 浙江工业大学 | 适用于仓库环境的改进a*机器人最优路径规划方法 |
CN108010158A (zh) * | 2017-12-31 | 2018-05-08 | 成都骏卡科技有限公司 | 一种基于移动互联网的车辆智能监管系统 |
CN110989570A (zh) * | 2019-10-15 | 2020-04-10 | 浙江工业大学 | 一种多agv防碰撞协同路径规划方法 |
CN111210184A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种数字孪生车间物料准时配送方法及系统 |
CN111469837A (zh) * | 2020-04-13 | 2020-07-31 | 中国联合网络通信集团有限公司 | 车辆碰撞预测方法及装置 |
CN111680893A (zh) * | 2020-05-25 | 2020-09-18 | 北京科技大学 | 一种多自寻址机器人拣选系统的数字孪生系统及调度方法 |
CN111858750A (zh) * | 2020-06-17 | 2020-10-30 | 广东工业大学 | 一种基于智能合约的货物仓储系统和方法 |
CN113325839A (zh) * | 2021-05-08 | 2021-08-31 | 江苏科技大学 | 一种基于改进蚁群算法的智能仓储机器人路径规划方法 |
-
2021
- 2021-10-27 CN CN202111257271.1A patent/CN113985877B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105993040A (zh) * | 2014-09-01 | 2016-10-05 | 株式会社小松制作所 | 搬运车辆、自卸车及搬运车辆的控制方法 |
CN106527448A (zh) * | 2016-12-16 | 2017-03-22 | 浙江工业大学 | 适用于仓库环境的改进a*机器人最优路径规划方法 |
CN108010158A (zh) * | 2017-12-31 | 2018-05-08 | 成都骏卡科技有限公司 | 一种基于移动互联网的车辆智能监管系统 |
CN110989570A (zh) * | 2019-10-15 | 2020-04-10 | 浙江工业大学 | 一种多agv防碰撞协同路径规划方法 |
CN111210184A (zh) * | 2020-01-15 | 2020-05-29 | 北京航空航天大学 | 一种数字孪生车间物料准时配送方法及系统 |
CN111469837A (zh) * | 2020-04-13 | 2020-07-31 | 中国联合网络通信集团有限公司 | 车辆碰撞预测方法及装置 |
CN111680893A (zh) * | 2020-05-25 | 2020-09-18 | 北京科技大学 | 一种多自寻址机器人拣选系统的数字孪生系统及调度方法 |
CN111858750A (zh) * | 2020-06-17 | 2020-10-30 | 广东工业大学 | 一种基于智能合约的货物仓储系统和方法 |
CN113325839A (zh) * | 2021-05-08 | 2021-08-31 | 江苏科技大学 | 一种基于改进蚁群算法的智能仓储机器人路径规划方法 |
Non-Patent Citations (2)
Title |
---|
基于改进A~*算法的AGV路径研究;陆佳依 等;机械设计与研究;第36卷(第01期);第49-52页全文 * |
基于数字孪生的多自动导引小车系统集中式调度;孙阳君 等;《计算机集成制造系统》;第27卷(第2期);第569-584页全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113985877A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113985877B (zh) | 一种基于数字孪生的仓储物流路径自动引导系统 | |
JP5110405B2 (ja) | 走行台車システム | |
CN108107883B (zh) | 一种基于磁带导引agv的多传感器信息融合定位方法 | |
CN112764405B (zh) | 基于时间预估模型的agv调度方法 | |
CN112455984B (zh) | 一种工厂智能化物料运输与仓储系统 | |
CN112633590B (zh) | 一种用于四向穿梭车的智能入库方法及系统 | |
CN114358233A (zh) | 基于双混合粒子群的多agv路径规划问题优化方法及系统 | |
CN114859929A (zh) | 动态环境下基于改进dwa算法的agv路径规划方法 | |
CN112936283B (zh) | 一种基于agv机器人的自动搬运系统及其多agv协作方法 | |
Llopis-Albert et al. | Designing efficient material handling systems via automated guided vehicles (AGVs) | |
CN116703290A (zh) | 一种半导体搬送场景中的动态路径检索方法 | |
CN117572863A (zh) | 用于变电站机器人的路径优化方法及系统 | |
Lichtenstern et al. | Data-based digital twin of an automated guided vehicle system | |
CN112678726B (zh) | 基于叉车式agv运动学模型的取货定位方法及系统 | |
CN118092457B (zh) | 一种仓储agv物流小车运行轨迹控制系统 | |
Ojha et al. | An analysis of artificial immune system and genetic algorithm in urban path planning | |
Nappi et al. | A predictive-based maintenance approach for rolling stocks vehicles | |
Zakrzewski et al. | Changes in logistics processes caused by the implementation of automation in transport | |
CN112551195A (zh) | 车辆与登车桥对接的方法及月台管理系统 | |
CN117302829B (zh) | 一种自动化的医疗器械仓储控制系统及控制方法 | |
CN114066352B (zh) | 一种零担货物多点装载方法及系统 | |
Zwingel et al. | Hierarchical and flexible navigation for AGVs in autonomous mixed indoor and outdoor operation | |
CN117455100B (zh) | 一种基于全局最优化的智能仓储物流调度方法 | |
CN116339329B (zh) | 一种基于5g物联网的agv调度路径优化方法及系统 | |
CN115556657B (zh) | 一种智能冷藏车和冷藏车监控系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |