CN115049346A - 基于物料运输障碍识别的工业物联网及控制方法 - Google Patents

基于物料运输障碍识别的工业物联网及控制方法 Download PDF

Info

Publication number
CN115049346A
CN115049346A CN202210979555.XA CN202210979555A CN115049346A CN 115049346 A CN115049346 A CN 115049346A CN 202210979555 A CN202210979555 A CN 202210979555A CN 115049346 A CN115049346 A CN 115049346A
Authority
CN
China
Prior art keywords
path
agv
layout
directed graph
platform
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.)
Granted
Application number
CN202210979555.XA
Other languages
English (en)
Other versions
CN115049346B (zh
Inventor
邵泽华
权亚强
李勇
张磊
周莙焱
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.)
Chengdu Qinchuan IoT Technology Co Ltd
Original Assignee
Chengdu Qinchuan IoT Technology Co Ltd
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 Chengdu Qinchuan IoT Technology Co Ltd filed Critical Chengdu Qinchuan IoT Technology Co Ltd
Priority to CN202210979555.XA priority Critical patent/CN115049346B/zh
Publication of CN115049346A publication Critical patent/CN115049346A/zh
Application granted granted Critical
Publication of CN115049346B publication Critical patent/CN115049346B/zh
Priority to US18/295,245 priority patent/US11994850B2/en
Priority to US18/583,841 priority patent/US20240192670A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G05B19/4189—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 the transport system
    • G05B19/41895—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 the transport system using automatic guided vehicles [AGV]
    • 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
    • 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]
    • G05B19/4185—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 the network communication
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G16Y40/30—Control
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31005—Detect obstacles on path of vehicle
    • 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
    • Y02P90/60—Electric or hybrid propulsion means for production processes

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了基于物料运输障碍识别的工业物联网及控制方法，所述工业物联网包括依次连接的服务平台、管理平台和传感网络平台，其中管理平台包括：获取模块、选取模块、分类模块、计算模块、规划模块、控制模块和通信模块。本发明基于物料运输障碍识别的工业物联网及控制方法，通过对中间路径的分类规划计算，有效的提高了在出现物料运输障碍情况下，新线路的选取效率，并且数据冗余度低，计算成本和时间成本较低，降低了物料运输障碍对超大规模生产线上料的影响。

Description

基于物料运输障碍识别的工业物联网及控制方法
技术领域
本发明涉及智能制造技术，具体涉及基于物料运输障碍识别的工业物联网及控制方法。
背景技术
AGV指装备有电磁或光学等自动导航装置，能够沿规定的导航路径行驶，具有安全保护以及各种移载功能的运输车。工业应用中不需要驾驶员的搬运车，以可充电的蓄电池为其动力来源。一般可通过电脑来控制其行进路径以及行为，或利用电磁轨道来设立其行进路径，电磁轨道黏贴于地板上，无人搬运车则依靠电磁轨道所带来的讯息进行移动与动作。
在超大规模生产线上，一段AGV线路上的障碍有可能会影响多个AGV的运输路线；而临时重新进行AGV线路规划又会产生大量时间成本，影响生产线效率。
发明内容
为了至少克服现有技术中的上述不足，本申请的目的在于提供基于物料运输障碍识别的工业物联网及控制方法。
第一方面，本申请实施例提供了基于物料运输障碍识别的工业物联网，包括依次连接的服务平台、管理平台和传感网络平台，所述管理平台包括：
获取模块，被配置为通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
选取模块，被配置为从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
分类模块，被配置为根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
计算模块，被配置为根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
规划模块，被配置为在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
控制模块，被配置为在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
通信模块，被配置为将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
本申请实施例实施时，基于发明人提出的五平台结构实现。其中，用户平台为向用户展示信息和接收用户指令的终端，对象平台包括AGV线路和AGV终端。其中传感网络平台采用至少一个网关服务器，管理平台采用第二服务器，服务平台采用第一服务器；第一服务器和第二服务器可以采用单一服务器也可以采用服务器集群，本申请实施例在此不多做限定。
在本申请实施例中，可以应用在超大规模生产线上，并在生产线启动前对所有AGV的运行路线均进行了规划，生产线启动后，AGV均根据规划好的运行路线运行。为了进行AGV线路出现障碍时AGV依然可以进行正常运行，需要获取基础布局有向图，在所述基础布局有向图中，节点包括AGV线路交点、物料起点和物料终点，边为AGV线路，边的权重为边的长度。
在本申请实施例中，为了提高后续的运算准确性，需要将直接连接在物料终点和物料起点的路径剔除，因为这些路径只会影响对应的物料终点和物料起点，所以本申请实施例提出了中间路径的概念。但是在实践中发明人发现，超大规模生产线上中间路径数量庞大，如果针对每个中间路径都做一套规避方案，会产生大量模型数据，一方面前期运算成本很高，另一方面后期使用时遍历检索的速度也会受很大影响，所以在本申请实施例中根据供料影响将中间路径进行了分类，其目的在于将供料影响相似的中间路径分到同一个路径类别中。
在本申请实施例中，为了对每一类路径类别对应的中断情况进行计算，需要将基础布局有向图剔除某一路径类别对应的中间路径生成预处理布局有向图进而计算备选AGV路径。每条备选AGV路径对应一个路径类别。由于同一个路径类别对应的供料影响相似，所以在预处理布局有向图中进行备选AGV路径的运算时，大部分的AGV路径不受影响，运算结果非常容易收敛。
在本申请实施例中，如果出现物料运输障碍，则可以将对应故障路径的备选AGV路径检索出来，并继续进行物料运输；其中物料运输障碍可能是AGV自身出错也可能是线路上存在障碍等各种情况，本申请实施例对此不多做限定。本申请实施例通过对中间路径的分类规划计算，有效的提高了在出现物料运输障碍情况下，新线路的选取效率，并且数据冗余度低，计算成本和时间成本较低，降低了物料运输障碍对超大规模生产线上料的影响。
在一种可能的实现方式中，所述分类模块还被配置为：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
在一种可能的实现方式中，所述分类模块还被配置为：
在所述中间路径的中点建立中间节点；
计算所述中间节点和所有所述关键节点的最短距离，并根据所述关键节点的编号将所述中间节点对应的所有所述最短距离进行标记形成所述特征数组。
在一种可能的实现方式中，所述控制模块还被配置为：
监控所述AGV在运行中的负载变化；
当负载变化超过阈值，且所述AGV不在所述物料终点和所述物料起点时，判定所述AGV掉货，并判断所述AGV当前所在的所述中间路径出现物料运输障碍；
当所述AGV检测到行进路线上存在障碍物时，判断所述AGV当前所在的所述中间路径出现物料运输障碍。
在一种可能的实现方式中，所述规划模块还被配置为：
采用蚁群算法在全部所述预处理布局有向图中规划AGV的运行路径。
在一种可能的实现方式中，所述传感网络平台包括多个相互独立的传感网络分平台；
所述传感网络分平台被配置为获取AGV和AGV线路上不同类型的数据并发送至所述管理平台。
在一种可能的实现方式中，所述管理平台包括多个独立的子服务器；
获取模块、选取模块、分类模块、计算模块、规划模块、控制模块和通信模块均布置于同一个所述子服务器。
在一种可能的实现方式中，所述服务平台包括服务总平台和多个服务分平台；
所述服务分平台被配置为接收所述物料运输障碍、所述故障路径和选中的所述备选AGV路径中的至少一种；
所述服务总平台被配置为汇总所有的所述服务分平台采集的数据，并发送至用户平台。
第二方面，本申请实施例提供了基于物料运输障碍识别的工业物联网控制方法，应用于依次连接的服务平台、管理平台和传感网络平台，所述控制方法由所述管理平台执行；
所述控制方法包括：
通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
在一种可能的实现方式中，根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别包括：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
本发明与现有技术相比，具有如下的优点和有益效果：
本发明基于物料运输障碍识别的工业物联网及控制方法，通过对中间路径的分类规划计算，有效的提高了在出现物料运输障碍情况下，新线路的选取效率，并且数据冗余度低，计算成本和时间成本较低，降低了物料运输障碍对超大规模生产线上料的影响。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本申请实施例系统结构示意图；
图2为本申请实施例方法步骤流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
为了便于对上述的基于物料运输障碍识别的工业物联网，请结合参考图1，提供了本发明实施例所公开的基于物料运输障碍识别的工业物联网的通信架构示意图。其中，所述基于物料运输障碍识别的工业物联网可以包括依次连接的对象平台、传感网络平台、管理平台、服务平台和用户平台，其中所述管理平台包括：
获取模块，被配置为通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
选取模块，被配置为从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
分类模块，被配置为根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
计算模块，被配置为根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
规划模块，被配置为在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
控制模块，被配置为在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
通信模块，被配置为将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
本申请实施例实施时，基于发明人提出的五平台结构实现。其中，用户平台为向用户展示信息和接收用户指令的终端，对象平台包括AGV线路和AGV终端。其中传感网络平台采用至少一个网关服务器，管理平台采用第二服务器，服务平台采用第一服务器；第一服务器和第二服务器可以采用单一服务器也可以采用服务器集群，本申请实施例在此不多做限定。
在本申请实施例中，可以应用在超大规模生产线上，并在生产线启动前对所有AGV的运行路线均进行了规划，生产线启动后，AGV均根据规划好的运行路线运行。为了进行AGV线路出现障碍时AGV依然可以进行正常运行，需要获取基础布局有向图，在所述基础布局有向图中，节点包括AGV线路交点、物料起点和物料终点，边为AGV线路，边的权重为边的长度。
在本申请实施例中，为了提高后续的运算准确性，需要将直接连接在物料终点和物料起点的路径剔除，因为这些路径只会影响对应的物料终点和物料起点，所以本申请实施例提出了中间路径的概念。但是在实践中发明人发现，超大规模生产线上中间路径数量庞大，如果针对每个中间路径都做一套规避方案，会产生大量模型数据，一方面前期运算成本很高，另一方面后期使用时遍历检索的速度也会受很大影响，所以在本申请实施例中根据供料影响将中间路径进行了分类，其目的在于将供料影响相似的中间路径分到同一个路径类别中。
在本申请实施例中，为了对每一类路径类别对应的中断情况进行计算，需要将基础布局有向图剔除某一路径类别对应的中间路径生成预处理布局有向图进而计算备选AGV路径。每条备选AGV路径对应一个路径类别。由于同一个路径类别对应的供料影响相似，所以在预处理布局有向图中进行备选AGV路径的运算时，大部分的AGV路径不受影响，运算结果非常容易收敛。
在本申请实施例中，如果出现物料运输障碍，则可以将对应故障路径的备选AGV路径检索出来，并继续进行物料运输；其中物料运输障碍可能是AGV自身出错也可能是线路上存在障碍等各种情况，本申请实施例对此不多做限定。本申请实施例通过对中间路径的分类规划计算，有效的提高了在出现物料运输障碍情况下，新线路的选取效率，并且数据冗余度低，计算成本和时间成本较低，降低了物料运输障碍对超大规模生产线上料的影响。
在一种可能的实现方式中，所述分类模块还被配置为：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
本申请实施例实施时，中间路径的供料影响主要通过中间路径与关键节点的距离进行体现，距离越近一般影响越大；而由于在超大规模生产线上关键节点的数量往往较为庞大，所以本申请实施例采用了无监督学习的聚类算法进行分类计算，以保证分类的准确性。应当理解的是，在本申请实施例中的聚类算法应当根据需要构建对应的聚类空间和聚类核函数，具体过程本申请实施例对此不多做限定。通过聚类获取的分类即为多个路径类别，可以用于后续计算使用。
示例的，根据到基础布局有向图中所有关键节点的最短距离建立聚类空间G{g1，g2，……gn}；其中中间路径对应的特征数组为Gi{ g1 i，g2 i，……gn i }，i为中间路径的编号，gn i为中间路径i到关键路径n的最短距离，可以通过最短路径搜索算法获取。在构建对应多维聚类核函数后进行聚类运算，中间路径会被聚类为多个类别；在进行预处理布局有向图生成时，从基础布局有向图中剔除一个类别中所有的中间路径形成对应该类别的预处理布局有向图。
在一种可能的实现方式中，所述分类模块还被配置为：
在所述中间路径的中点建立中间节点；
计算所述中间节点和所有所述关键节点的最短距离，并根据所述关键节点的编号将所述中间节点对应的所有所述最短距离进行标记形成所述特征数组。
本申请实施例实施时，为了准确的定义出所述最短距离，以中间路径的中点来计算最短距离，而不是中间路径的端点计算最短距离，其相当于在有向图中增加节点，便于计算。
在一种可能的实现方式中，所述控制模块还被配置为：
监控所述AGV在运行中的负载变化；
当负载变化超过阈值，且所述AGV不在所述物料终点和所述物料起点时，判定所述AGV掉货，并判断所述AGV当前所在的所述中间路径出现物料运输障碍；
当所述AGV检测到行进路线上存在障碍物时，判断所述AGV当前所在的所述中间路径出现物料运输障碍。
本申请实施例实施时，为了判断物料运输障碍状态，提供了两种检测方式；其中一种通过AGV负载的负载变化判断AGV的掉货，另一种通过AGV自身的检测设备，如红外、超声波、微波雷达等设备检测实现。应当理解的是，对于生产线来说，需要在出现物料运输障碍时及时进行处理。
在一种可能的实现方式中，所述规划模块还被配置为：
采用蚁群算法在全部所述预处理布局有向图中规划AGV的运行路径。
在一种可能的实现方式中，所述传感网络平台包括多个相互独立的传感网络分平台；
所述传感网络分平台被配置为获取AGV和AGV线路上不同类型的数据并发送至所述管理平台。
本申请实施例实施时，不同的传感网络分平台分别获取AGV线路布局、AGV位置、AGV荷载等数据。
在一种可能的实现方式中，所述管理平台包括多个独立的子服务器；
获取模块、选取模块、分类模块、计算模块、规划模块、控制模块和通信模块均布置于同一个所述子服务器。
在一种可能的实现方式中，所述服务平台包括服务总平台和多个服务分平台；
所述服务分平台被配置为接收所述物料运输障碍、所述故障路径和选中的所述备选AGV路径中的至少一种；
所述服务总平台被配置为汇总所有的所述服务分平台采集的数据，并发送至用户平台。
在上述基础上，请结合参阅图2，为本发明实施例所提供的基于物料运输障碍识别的工业物联网控制方法的流程示意图，所述基于物料运输障碍识别的工业物联网控制方法可以应用于图1中的基于物料运输障碍识别的工业物联网，进一步地，所述基于物料运输障碍识别的工业物联网控制方法具体可以包括以下步骤S1-步骤S7所描述的内容。
S1：通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
S2：从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
S3：根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
S4：根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
S5：在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
S6：在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
S7：将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
在一种可能的实现方式中，根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别包括：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明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。专业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。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显然本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明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。专业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。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网格设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于物料运输障碍识别的工业物联网，包括依次连接的服务平台、管理平台和传感网络平台，其特征在于，所述管理平台包括：
获取模块，被配置为通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
选取模块，被配置为从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
分类模块，被配置为根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
计算模块，被配置为根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
规划模块，被配置为在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
控制模块，被配置为在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
通信模块，被配置为将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
2.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述分类模块还被配置为：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
3.根据权利要求2所述的基于物料运输障碍识别的工业物联网，其特征在于，所述分类模块还被配置为：
在所述中间路径的中点建立中间节点；
计算所述中间节点和所有所述关键节点的最短距离，并根据所述关键节点的编号将所述中间节点对应的所有所述最短距离进行标记形成所述特征数组。
4.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述控制模块还被配置为：
监控所述AGV在运行中的负载变化；
当负载变化超过阈值，且所述AGV不在所述物料终点和所述物料起点时，判定所述AGV掉货，并判断所述AGV当前所在的所述中间路径出现物料运输障碍；
当所述AGV检测到行进路线上存在障碍物时，判断所述AGV当前所在的所述中间路径出现物料运输障碍。
5.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述规划模块还被配置为：
采用蚁群算法在全部所述预处理布局有向图中规划AGV的运行路径。
6.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述传感网络平台包括多个相互独立的传感网络分平台；
所述传感网络分平台被配置为获取AGV和AGV线路上不同类型的数据并发送至所述管理平台。
7.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述管理平台包括多个独立的子服务器；
获取模块、选取模块、分类模块、计算模块、规划模块、控制模块和通信模块均布置于同一个所述子服务器。
8.根据权利要求1所述的基于物料运输障碍识别的工业物联网，其特征在于，所述服务平台包括服务总平台和多个服务分平台；
所述服务分平台被配置为接收所述物料运输障碍、所述故障路径和选中的所述备选AGV路径中的至少一种；
所述服务总平台被配置为汇总所有的所述服务分平台采集的数据，并发送至用户平台。
9.使用权利要求1~8中任意一项工业物联网的基于物料运输障碍识别的工业物联网控制方法，应用于依次连接的服务平台、管理平台和传感网络平台，其特征在于，所述控制方法由所述管理平台执行；
所述控制方法包括：
通过所述传感网络平台获取目标车间的AGV线路布局，并根据所述AGV线路布局生成基础布局有向图；
从所述基础布局有向图中选出全部的中间路径；所述中间路径为所述基础布局有向图中端点不为物料终点和物料起点的边；
根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别；
根据所述基础布局有向图和所述路径类别计算多个对应所述路径类别的预处理布局有向图；所述预处理布局有向图为所述基础布局有向图剔除对应的一个所述路径类别中全部中间路径后的有向图；
在全部所述预处理布局有向图中规划AGV的运行路径作为备选AGV路径；
在AGV运行中，如果检测到任意中间路径出现物料运输障碍时，将该中间路径作为故障路径；选取对应所述故障路径的备选AGV路径，并控制AGV根据选中的所述备选AGV路径进行物料输送；
将所述物料运输障碍、所述故障路径和选中的所述备选AGV路径通过所述服务平台发送至用户平台向用户展示。
10.根据权利要求9所述的基于物料运输障碍识别的工业物联网控制方法，其特征在于，根据所述中间路径对所述基础布局有向图的供料影响将所述中间路径分为多个路径类别包括：
获取所述中间路径与所述基础布局有向图中所有关键节点的最短距离作为对应所述中间路径的特征数组；所述关键节点包括所述物料终点和所述物料起点；
根据所述特征数组对所有所述中间路径进行聚类分析将所述中间路径分为多个路径类别。
CN202210979555.XA 2022-08-16 2022-08-16 基于物料运输障碍识别的工业物联网系统及控制方法 Active CN115049346B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210979555.XA CN115049346B (zh) 2022-08-16 2022-08-16 基于物料运输障碍识别的工业物联网系统及控制方法
US18/295,245 US11994850B2 (en) 2022-08-16 2023-04-03 Industrial internet of things based on identification of material transportation obstacles, control method and storage medium thereof
US18/583,841 US20240192670A1 (en) 2022-08-16 2024-02-21 Industrial internet of things for determining target automatic guided vehicle (agv) path, control method, and storage medium thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210979555.XA CN115049346B (zh) 2022-08-16 2022-08-16 基于物料运输障碍识别的工业物联网系统及控制方法

Publications (2)

Publication Number Publication Date
CN115049346A true CN115049346A (zh) 2022-09-13
CN115049346B CN115049346B (zh) 2022-11-18

Family

ID=83166612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210979555.XA Active CN115049346B (zh) 2022-08-16 2022-08-16 基于物料运输障碍识别的工业物联网系统及控制方法

Country Status (2)

Country Link
US (2) US11994850B2 (zh)
CN (1) CN115049346B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117575452B (zh) * 2024-01-17 2024-03-26 湖南蓝天智能物流装备有限公司 基于节点动态寻址的路径规划方法、装置、设备和介质
CN117835291B (zh) * 2024-03-04 2024-05-10 济南光路科技有限公司 一种基于物联网的数据管理系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN109409940A (zh) * 2018-09-30 2019-03-01 北京京东尚科信息技术有限公司 基于路径的浏览处理方法、装置、设备和存储介质
CN110045731A (zh) * 2019-03-26 2019-07-23 深圳先进技术研究院 一种路径规划方法、电子装置及计算机可读存储介质
CN110221601A (zh) * 2019-04-30 2019-09-10 南京航空航天大学 一种多agv系统动态障碍物实时避障方法及避障系统
KR20210053090A (ko) * 2019-11-01 2021-05-11 위장우 다양한 장치에 적용하는 IoT 모듈을 위한 운영관리 서버
CN113093758A (zh) * 2021-04-07 2021-07-09 河海大学 一种基于栅格地图模型的改进agv路径规划算法
CN114326608A (zh) * 2021-11-30 2022-04-12 云南昆船智能装备有限公司 一种基于多智能体的agv群系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6842425B1 (en) * 2000-02-14 2005-01-11 Lucent Technologies Inc. Method and apparatus for optimizing routing through network nodes
US7912574B2 (en) * 2006-06-19 2011-03-22 Kiva Systems, Inc. System and method for transporting inventory items
US9056394B2 (en) * 2012-09-27 2015-06-16 Siemens Product Lifecycle Management Software Inc. Methods and systems for determining efficient robot-base position
JP7353747B2 (ja) * 2018-01-12 2023-10-02 キヤノン株式会社 情報処理装置、システム、方法、およびプログラム
CN110297697B (zh) * 2018-03-21 2022-02-18 北京猎户星空科技有限公司 机器人动作序列生成方法和装置
US11209832B2 (en) * 2019-08-18 2021-12-28 Cobalt Robotics Inc. Elevator interactions by mobile robot
US10969232B1 (en) * 2019-12-06 2021-04-06 Ushr Inc. Alignment of standard-definition and High-Definition maps
GB202005633D0 (en) * 2020-04-17 2020-06-03 Univ Court Univ Of Glasgow Fluid handling device and methods
US11705353B2 (en) * 2020-04-28 2023-07-18 Korea Advanced Institute Of Science And Technology Dynamic routing method and apparatus for overhead hoist transport system
US20220163969A1 (en) * 2020-11-20 2022-05-26 Rapyuta Robotics Co., Ltd. Systems and methods for optimizing route plans in an operating environment
US20230131553A1 (en) * 2021-10-27 2023-04-27 Volvo Car Corporation Environment-aware path planning for a self-driving vehicle using dynamic step-size search
DE102022200536B3 (de) * 2022-01-18 2023-03-30 Volkswagen Aktiengesellschaft Fahrassistenzeinrichtung und Verfahren zum Durchführen einer wenigstens teilautomatischen Fahrzeugfunktion in Abhängigkeit von einer zu bewertenden Fahrstrecke

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107990903A (zh) * 2017-12-29 2018-05-04 东南大学 一种基于改进a*算法的室内agv路径规划方法
CN109409940A (zh) * 2018-09-30 2019-03-01 北京京东尚科信息技术有限公司 基于路径的浏览处理方法、装置、设备和存储介质
CN110045731A (zh) * 2019-03-26 2019-07-23 深圳先进技术研究院 一种路径规划方法、电子装置及计算机可读存储介质
CN110221601A (zh) * 2019-04-30 2019-09-10 南京航空航天大学 一种多agv系统动态障碍物实时避障方法及避障系统
KR20210053090A (ko) * 2019-11-01 2021-05-11 위장우 다양한 장치에 적용하는 IoT 모듈을 위한 운영관리 서버
CN113093758A (zh) * 2021-04-07 2021-07-09 河海大学 一种基于栅格地图模型的改进agv路径规划算法
CN114326608A (zh) * 2021-11-30 2022-04-12 云南昆船智能装备有限公司 一种基于多智能体的agv群系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙炜等: "基于一种改进A*算法的移动机器人路径规划", 《湖南大学学报(自然科学版)》 *
陈华伟等: "基于动态路径规划的物流仿真控制技术", 《系统仿真学报》 *

Also Published As

Publication number Publication date
US20240192670A1 (en) 2024-06-13
US20230244219A1 (en) 2023-08-03
CN115049346B (zh) 2022-11-18
US11994850B2 (en) 2024-05-28

Similar Documents

Publication Publication Date Title
CN115049346B (zh) 基于物料运输障碍识别的工业物联网系统及控制方法
US10372136B2 (en) Local trajectory planning method and apparatus for smart vehicles
US20230013544A1 (en) Method, Apparatus and System for Detecting Abnormal Operating States of a Device
CN108989108A (zh) 故障处理交互方法、装置、设备及计算机可读介质
CN112650825B (zh) 异常接驾行为的确定方法、装置、存储介质及电子设备
CN108332760A (zh) 一种导航方法、装置、服务器及介质
CN109636047A (zh) 用户活跃度预测模型训练方法、系统、设备及存储介质
CN115790636B (zh) 基于大数据的无人驾驶零售车巡航路径规划方法及装置
US20090043536A1 (en) Use of Sequential Clustering for Instance Selection in Machine Condition Monitoring
CN113706220A (zh) 用户画像确定、用户需求预测方法以及数据处理系统
CN110866544A (zh) 传感器数据的融合方法、装置及存储介质
CN102792318A (zh) 判定装置、判定系统、判定方法以及计算机程序
CN113393442B (zh) 列车零部件异常检测方法、系统、电子设备及存储介质
US11183052B2 (en) Enhanced vehicle operation
CN110932932A (zh) 自动驾驶云服务平台的可靠性确定方法及相关装置
CN113724490B (zh) 一种道路拥堵检测的方法
KR20200063538A (ko) 위치 추정 상태 진단 방법 및 이를 수행하는 자율주행로봇
CN104568256A (zh) 发动机扭矩检测系统及方法
KR101971553B1 (ko) 사물인터넷 기반 기기 관리 시스템 및 방법
Abrate et al. Multirobot localization in highly symmetrical environments
CN111401399A (zh) 一种铁路货运的事故预警及分类的方法及装置
Lee et al. Velocity range-based reward shaping technique for effective map-less navigation with LiDAR sensor and deep reinforcement learning
CN116502058B (zh) 应用于充电桩系统的ai故障检测分析方法、系统及云平台
Emmanouilidis et al. Neurofuzzy computing aided machine fault diagnosis
KR102672321B1 (ko) 복수의 레이더 및 카메라를 이용한 센서 융합 시스템 및 방법

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