CN115293710B - 一种用于无人驾驶冷链物流车的控制系统及方法 - Google Patents
一种用于无人驾驶冷链物流车的控制系统及方法 Download PDFInfo
- Publication number
- CN115293710B CN115293710B CN202211219274.0A CN202211219274A CN115293710B CN 115293710 B CN115293710 B CN 115293710B CN 202211219274 A CN202211219274 A CN 202211219274A CN 115293710 B CN115293710 B CN 115293710B
- Authority
- CN
- China
- Prior art keywords
- transportation
- cleaning
- early warning
- intelligent
- time
- 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 33
- 238000004140 cleaning Methods 0.000 claims abstract description 218
- 239000008280 blood Substances 0.000 claims description 31
- 210000004369 blood Anatomy 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000004659 sterilization and disinfection Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 235000013622 meat product Nutrition 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000002087 whitening effect Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 3
- 238000000889 atomisation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007306 turnover 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
- B60S3/00—Vehicle cleaning apparatus not integral with vehicles
- B60S3/008—Vehicle cleaning apparatus not integral with vehicles for interiors of land vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Abstract
本发明公开了一种用于无人驾驶冷链物流车的控制系统及方法,属于无人驾驶控制技术领域。该系统包括智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、数据库、预警模块;所述智能驾驶控制模块的输出端与所述智能装卸控制模块的输入端相连接;所述智能装卸控制模块的输出端与所述智能清洁控制模块的输入端相连接;所述智能清洁控制模块的输出端与所述预警模块的输入端相连接;所述数据库的输出端与所述智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、预警模块的输入端相连接。本发明能够实现智能驾驶控制、智能装卸控制、智能清洁控制,智能提醒管理人员,调节运输时间表,提高工作效率。
Description
技术领域
本发明涉及无人驾驶控制技术领域,具体为一种用于无人驾驶冷链物流车的控制系统及方法。
背景技术
无人驾驶冷链物流车是物联网技术发展的新产品,其本身依然是一种安装有四只脚轮的运送与储存物料的单元移动集装设备,用于大型超市的冷链物流配送或工厂间的冷链物流周转,其内部集成有大量的检测、控制技术,能够实现按照规定路线行驶,自主避障、自动清洗等功能。
传统的冷链物流车在每一次运输后均会清洗车厢内部,从而解决掉冷冻肉质产品中的血水残留,防止出现车厢异味,影响下一次运输;而在引入无人驾驶冷链物流车以后,消除了司机休息的时间成本,导致了全面清洗过程严重浪费时间,影响运输速率。
发明内容
本发明的目的在于提供一种用于无人驾驶冷链物流车的控制系统及方法,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:一种用于无人驾驶冷链物流车的控制方法,该方法包括以下步骤:
S1、获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,构建无人驾驶控制模型,所述无人驾驶控制模型包括智能驾驶控制、智能装卸控制、智能清洁控制;
S2、基于运输计划路线,利用传感器实现智能驾驶控制;
S3、所述无人驾驶冷链物流车利用机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
S4、调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值,基于清洁预警值与运输计划时间表进行分析,实现智能清洁控制。
根据上述技术方案,所述智能驾驶控制包括:环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X;
所述环境感知包括无人驾驶冷链物流车利用传感器对车身周围的动摇和静态对象进行3D重构;所述精准定位包括根据惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统确定无人驾驶冷链物流车的物理位置;所述决策与规划包括根据环境感知和精准定位,结合无人驾驶冷链物流车的起点与终点,进行信息处理,生成决策,指令无人驾驶冷链物流车的驾驶方向;所述控制与执行包括对无人驾驶冷链物流车进行驾驶控制,所述驾驶控制包括纵向控制、横向控制;所述纵向控制采用油门和制动综合控制的方法实现对预定车速的跟踪;所述横向控制指对驾驶员行为的模拟和车辆动力学的分析;所述高精地图与车联网V2X包括通过高精地图与车联网V2X反馈给无人驾驶冷链物流车路面复杂信息。
例如坡度、曲率、航向等,无人驾驶往往需要结合实时的高精地图,而这种实时性,可以通过车联网(V2X系统)实现。
根据上述技术方案,所述时间预测模型包括:
构建灰色累加生成处理模型,对集合D进行处理,构建新的集合D1;
构建加权邻值处理模型,对新的集合D1进行处理,生成集合D2:
构建集合D1的白化微分方程为:
利用最小二乘法,根据集合D、D1、D2,采取灰色预测模型,生成模型输出值:
根据上述技术方案,所述智能清洁预测模型包括:
调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,利用每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,所述血水碎冰量利用图像传感器进行检测获取,构建智能清洁预测模型:
V=a0+a1*b1+a2*b2+a3*b3+w
其中,V代表预测血水碎冰量;a0、a1、a2、a3分别代表回归系数;b1、b2、b3分别代表每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间;w代表误差因子;
构建清洁预警值与预测血水碎冰量之间的关联模型:
AN=k1*VN
其中,AN代表第N次运输预测的清洁预警值;VN代表第N次运输预测血水碎冰量;k1代表影响系数。
根据上述技术方案,所述智能清洁控制还包括:
获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;
获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗。
在冷链物流车进行运输以后,由于装卸货物的时间里,车门敞开,导致外界温度与内部冷空气相遇,造成车厢内壁的碎冰融化与冷冻肉质产品的包装箱相接触,会形成细小的血水碎冰,血水碎冰的堆积会造成车厢异味的现象,因此通常情况下,考虑到司机休息以及车厢情况,通常会在每次运输完毕后进行车厢全面清洗,而在无人驾驶领域,为提高效率,通常的运输排单时间均是相邻,因此在外界温度不高、装卸时间短或者冷冻肉质产品少的情况下,形成的血水碎冰并不需要每次都进行全面清理,有些只需要利用车内的杀毒设施进行处理一下即可,可大量节省时间,本申请中的所述全面智能清洗即指的就是将无人冷链物流车送入专用洗车房,进行全面消毒清洗;所述的随车部分智能清洗是指利用车内的消毒设施进行多点雾化消毒,可在车辆行驶过程中进行雾化消毒。
一种用于无人驾驶冷链物流车的控制系统,该系统包括:智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、数据库、预警模块;
所述智能驾驶控制模块用于获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,基于运输计划路线,利用传感器实现智能驾驶控制;所述智能装卸控制模块利用机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;所述智能清洁控制模块调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值;所述数据库用于存储每一次运输的运输数据;所述预警模块用于获取运输数据中的运输计划时间表,基于运输计划时间表与清洁预警值进行分析,实现智能清洁控制以及预警提醒;
所述智能驾驶控制模块的输出端与所述智能装卸控制模块的输入端相连接;所述智能装卸控制模块的输出端与所述智能清洁控制模块的输入端相连接;所述智能清洁控制模块的输出端与所述预警模块的输入端相连接;所述数据库的输出端与所述智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、预警模块的输入端相连接。
根据上述技术方案,所述智能驾驶控制模块包括:
根据上述技术方案,所述智能装卸控制模块包括车内货物采集单元、时间预测模型构建单元;
所述车内货物采集单元用于获取车内货物数量;所述时间预测模型构建单元用于根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
所述车内货物采集单元的输出端与所述时间预测模型构建单元的输入端相连接。
根据上述技术方案,所述智能清洁控制模块包括历史数据调用单元、智能清洁预测模型构建单元;
所述历史数据调用单元用于调用数据库中的每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间以及每一次运输形成的血水碎冰量;所述智能清洁预测模型构建单元用于以每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,构建智能清洁预测模型;
所述历史数据调用单元的输出端与所述智能清洁预测模型构建单元的输入端相连接。
根据上述技术方案,所述预警模块包括预警分析单元、提醒单元;
所述预警分析单元用于获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗;
所述提醒单元用于将生成的预警信息反馈至管理员端口,提醒管理员修改运输时间计划表;所述预警分析单元的输出端与所述提醒单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:
本发明利用智能驾驶控制模块获取无人驾驶冷链物流车的运输数据,基于运输计划路线,利用传感器实现智能驾驶控制;利用智能装卸控制模块采取机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;利用智能清洁控制模块调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值;利用数据库存储每一次运输的运输数据;利用预警模块获取运输数据中的运输计划时间表,基于运输计划时间表与清洁预警值进行分析,实现智能清洁控制以及预警提醒;提出了两种车内清洁方式,能够实现智能驾驶控制、智能装卸控制、智能清洁控制,智能提醒管理人员,调节运输时间表,降本增效,提高智能运行工作效率。
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是本发明一种用于无人驾驶冷链物流车的控制系统及方法的流程示意图。
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。
请参阅图1,在本实施例一中:设置有一无人驾驶冷链物流车,获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,构建无人驾驶控制模型,所述无人驾驶控制模型包括智能驾驶控制、智能装卸控制、智能清洁控制;
在运输之前,对运输计划时间表进行规划:
获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
所述时间预测模型包括:
构建灰色累加生成处理模型,对集合D进行处理,构建新的集合D1;
构建加权邻值处理模型,对新的集合D1进行处理,生成集合D2:
构建集合D1的白化微分方程为:
利用最小二乘法,根据集合D、D1、D2,采取灰色预测模型,生成模型输出值:
调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值,基于清洁预警值与运输计划时间表进行分析,实现智能清洁控制。
所述智能清洁预测模型包括:
调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,利用每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,所述血水碎冰量利用图像传感器进行检测获取,构建智能清洁预测模型:
V=a0+a1*b1+a2*b2+a3*b3+w
其中,V代表预测血水碎冰量;a0、a1、a2、a3分别代表回归系数;b1、b2、b3分别代表每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间;w代表误差因子;
构建清洁预警值与预测血水碎冰量之间的关联模型:
AN=k1*VN
其中,AN代表第N次运输预测的清洁预警值;VN代表第N次运输预测血水碎冰量;k1代表影响系数。
所述智能清洁控制还包括:
获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;
获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗。
基于运输计划路线,利用传感器实现智能驾驶控制;
所述智能驾驶控制包括:环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X;
所述环境感知包括无人驾驶冷链物流车利用传感器对车身周围的动摇和静态对象进行3D重构;所述精准定位包括根据惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统确定无人驾驶冷链物流车的物理位置;所述决策与规划包括根据环境感知和精准定位,结合无人驾驶冷链物流车的起点与终点,进行信息处理,生成决策,指令无人驾驶冷链物流车的驾驶方向;所述控制与执行包括对无人驾驶冷链物流车进行驾驶控制,所述驾驶控制包括纵向控制、横向控制;所述纵向控制采用油门和制动综合控制的方法实现对预定车速的跟踪;所述横向控制指对驾驶员行为的模拟和车辆动力学的分析;所述高精地图与车联网V2X包括通过高精地图与车联网V2X反馈给无人驾驶冷链物流车路面复杂信息。
在本实施例二中,提供一种用于无人驾驶冷链物流车的控制系统,该系统包括:智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、数据库、预警模块;
所述智能驾驶控制模块用于获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,基于运输计划路线,利用传感器实现智能驾驶控制;所述智能装卸控制模块利用机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;所述智能清洁控制模块调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值;所述数据库用于存储每一次运输的运输数据;所述预警模块用于获取运输数据中的运输计划时间表,基于运输计划时间表与清洁预警值进行分析,实现智能清洁控制以及预警提醒;
所述智能驾驶控制模块的输出端与所述智能装卸控制模块的输入端相连接;所述智能装卸控制模块的输出端与所述智能清洁控制模块的输入端相连接;所述智能清洁控制模块的输出端与所述预警模块的输入端相连接;所述数据库的输出端与所述智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、预警模块的输入端相连接。
所述智能驾驶控制模块包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X;
所述环境感知包括无人驾驶冷链物流车利用传感器对车身周围的动摇和静态对象进行3D重构;所述精准定位包括根据惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统确定无人驾驶冷链物流车的物理位置;所述决策与规划包括根据环境感知和精准定位,结合无人驾驶冷链物流车的起点与终点,进行信息处理,生成决策,指令无人驾驶冷链物流车的驾驶方向;所述控制与执行包括对无人驾驶冷链物流车进行驾驶控制,所述驾驶控制包括纵向控制、横向控制;所述纵向控制采用油门和制动综合控制的方法实现对预定车速的跟踪;所述横向控制指对驾驶员行为的模拟和车辆动力学的分析;所述高精地图与车联网V2X包括通过高精地图与车联网V2X反馈给无人驾驶冷链物流车路面复杂信息。
所述智能装卸控制模块包括车内货物采集单元、时间预测模型构建单元;
所述车内货物采集单元用于获取车内货物数量;所述时间预测模型构建单元用于根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
所述车内货物采集单元的输出端与所述时间预测模型构建单元的输入端相连接。
所述智能清洁控制模块包括历史数据调用单元、智能清洁预测模型构建单元;
所述历史数据调用单元用于调用数据库中的每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间以及每一次运输形成的血水碎冰量;所述智能清洁预测模型构建单元用于以每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,构建智能清洁预测模型;
所述历史数据调用单元的输出端与所述智能清洁预测模型构建单元的输入端相连接。
所述预警模块包括预警分析单元、提醒单元;
所述预警分析单元用于获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗;
所述提醒单元用于将生成的预警信息反馈至管理员端口,提醒管理员修改运输时间计划表;所述预警分析单元的输出端与所述提醒单元的输入端相连接。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意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、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,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)
1.一种用于无人驾驶冷链物流车的控制方法,其特征在于:该方法包括以下步骤:
S1、获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,构建无人驾驶控制模型,所述无人驾驶控制模型包括智能驾驶控制、智能装卸控制、智能清洁控制;
S2、基于运输计划路线,利用传感器实现智能驾驶控制;
S3、所述无人驾驶冷链物流车利用机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
S4、调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值,基于清洁预警值与运输计划时间表进行分析,实现智能清洁控制;
所述智能驾驶控制包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X;
所述环境感知包括无人驾驶冷链物流车利用传感器对车身周围的动摇和静态对象进行3D重构;所述精准定位包括根据惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统确定无人驾驶冷链物流车的物理位置;所述决策与规划包括根据环境感知和精准定位,结合无人驾驶冷链物流车的起点与终点,进行信息处理,生成决策,指令无人驾驶冷链物流车的驾驶方向;所述控制与执行包括对无人驾驶冷链物流车进行驾驶控制,所述驾驶控制包括纵向控制、横向控制;所述纵向控制采用油门和制动综合控制的方法实现对预定车速的跟踪;所述横向控制指对驾驶员行为的模拟和车辆动力学的分析;所述高精地图与车联网V2X包括通过高精地图与车联网V2X反馈给无人驾驶冷链物流车路面数据信息;
所述时间预测模型包括:
构建灰色累加生成处理模型,对集合D进行处理,构建新的集合D1;
构建加权邻值处理模型,对新的集合D1进行处理,生成集合D2:
构建集合D1的白化微分方程为:
利用最小二乘法,根据集合D、D1、D2,采取灰色预测模型,生成模型输出值:
所述智能清洁预测模型包括:
调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,利用每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,所述血水碎冰量利用图像传感器进行检测获取,构建智能清洁预测模型:
V=a0+a1*b1+a2*b2+a3*b3+w
其中,V代表预测血水碎冰量;a0、a1、a2、a3分别代表回归系数;b1、b2、b3分别代表每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间;w代表误差因子;
构建清洁预警值与预测血水碎冰量之间的关联模型:
AN=k1*VN
其中,AN代表第N次运输预测的清洁预警值;VN代表第N次运输预测血水碎冰量;k1代表影响系数;
所述智能清洁控制还包括:
获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;
获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息,反馈至管理员端口,提醒管理员修改运输时间计划表;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗。
2.根据权利要求1所述的一种用于无人驾驶冷链物流车的控制方法的一种用于无人驾驶冷链物流车的控制系统,其特征在于:该系统包括:智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、数据库、预警模块;
所述智能驾驶控制模块用于获取无人驾驶冷链物流车的运输数据,所述运输数据包括运输计划时间表、运输计划路线,基于运输计划路线,利用传感器实现智能驾驶控制;所述智能装卸控制模块利用机械手臂实现无人装卸车厢冷链货物,获取车内货物数量,根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;所述智能清洁控制模块调取数据库中每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间,所述冷冻产品指冷冻的肉类产品,构建智能清洁预测模型,生成清洁预警值;所述数据库用于存储每一次运输的运输数据;所述预警模块用于获取运输数据中的运输计划时间表,基于运输计划时间表与清洁预警值进行分析,实现智能清洁控制以及预警提醒;
所述智能驾驶控制模块的输出端与所述智能装卸控制模块的输入端相连接;所述智能装卸控制模块的输出端与所述智能清洁控制模块的输入端相连接;所述智能清洁控制模块的输出端与所述预警模块的输入端相连接;所述数据库的输出端与所述智能驾驶控制模块、智能装卸控制模块、智能清洁控制模块、预警模块的输入端相连接。
3.根据权利要求2所述的一种用于无人驾驶冷链物流车的控制系统,其特征在于:所述智能驾驶控制模块包括环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网V2X;
所述环境感知包括无人驾驶冷链物流车利用传感器对车身周围的动摇和静态对象进行3D重构;所述精准定位包括根据惯性导航系统、轮速编码器与航迹推算、卫星导航系统以及SLAM自主导航系统确定无人驾驶冷链物流车的物理位置;所述决策与规划包括根据环境感知和精准定位,结合无人驾驶冷链物流车的起点与终点,进行信息处理,生成决策,指令无人驾驶冷链物流车的驾驶方向;所述控制与执行包括对无人驾驶冷链物流车进行驾驶控制,所述驾驶控制包括纵向控制、横向控制;所述纵向控制采用油门和制动综合控制的方法实现对预定车速的跟踪;所述横向控制指对驾驶员行为的模拟和车辆动力学的分析;所述高精地图与车联网V2X包括通过高精地图与车联网V2X反馈给无人驾驶冷链物流车路面数据信息。
4.根据权利要求2所述的一种用于无人驾驶冷链物流车的控制系统,其特征在于:所述智能装卸控制模块包括车内货物采集单元、时间预测模型构建单元;
所述车内货物采集单元用于获取车内货物数量;所述时间预测模型构建单元用于根据历史装卸数据,构建时间预测模型,生成智能装卸控制下的预测装卸时间;
所述车内货物采集单元的输出端与所述时间预测模型构建单元的输入端相连接。
5.根据权利要求2所述的一种用于无人驾驶冷链物流车的控制系统,其特征在于:所述智能清洁控制模块包括历史数据调用单元、智能清洁预测模型构建单元;
所述历史数据调用单元用于调用数据库中的每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间以及每一次运输形成的血水碎冰量;所述智能清洁预测模型构建单元用于以每一次运输的实时室外温度、车厢冷链货物的冷冻产品占比、装卸时间作为自变量,调取数据库中每一次运输形成的血水碎冰量作为因变量,构建智能清洁预测模型;
所述历史数据调用单元的输出端与所述智能清洁预测模型构建单元的输入端相连接。
6.根据权利要求2所述的一种用于无人驾驶冷链物流车的控制系统,其特征在于:所述预警模块包括预警分析单元、提醒单元;
所述预警分析单元用于获取运输计划时间表,选取第N+1次运输任务的开始时间,记为TN+1;获取第N次运输预测的清洁预警值AN与预测装卸时间TY,设置清洁预警阈值A;所述清洁预警阈值代表在清洁预警值超出A的情况下,如不进行全面智能清洗,形成的血水碎冰会影响下一次运输冷链货物;
若存在第N次运输预测的清洁预警值超出清洁预警阈值A,反馈至系统端口,开启全面智能清洗,获取全面智能清洗时间TZ,若存在TY+TZ+Tk>TN+1,生成预警信息;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk≤TN+1,开启全面智能清洗;
若存在第N次运输预测的清洁预警值未超出清洁预警阈值A,且存在TY+TZ+Tk>TN+1,获取第N-1次运输任务的全面智能清洗记录,若第N-1次实现了全面智能清洗,则本次开启随车部分智能清洗;若第N-1次未实现全面智能清洗,则开启全面智能清洗,同时生成预警信息;
所述全面智能清洗代表停车在物流站点进行车内全面清洗;所述随车部分智能清洗代表使用行驶过程中,利用车内消毒设施进行部分清洗;
所述提醒单元用于将生成的预警信息反馈至管理员端口,提醒管理员修改运输时间计划表;所述预警分析单元的输出端与所述提醒单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211219274.0A CN115293710B (zh) | 2022-10-08 | 2022-10-08 | 一种用于无人驾驶冷链物流车的控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211219274.0A CN115293710B (zh) | 2022-10-08 | 2022-10-08 | 一种用于无人驾驶冷链物流车的控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115293710A CN115293710A (zh) | 2022-11-04 |
CN115293710B true CN115293710B (zh) | 2022-12-27 |
Family
ID=83833360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211219274.0A Active CN115293710B (zh) | 2022-10-08 | 2022-10-08 | 一种用于无人驾驶冷链物流车的控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293710B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6317393B2 (ja) * | 2016-05-10 | 2018-04-25 | 三菱ロジスネクスト株式会社 | 荷役車両、荷役車両システム、荷役車両の制御方法、荷役車両システムの制御方法及びプログラム |
CN109902858A (zh) * | 2019-01-23 | 2019-06-18 | 跨越速运集团有限公司 | 一种物流取货操作耗时智能预测方法及系统 |
CN110120981A (zh) * | 2019-05-28 | 2019-08-13 | 深圳市绿牌运力供应链有限公司 | 一种集成运输制冷机组数据的物流运输管理系统 |
CN112417604B (zh) * | 2020-12-04 | 2023-11-03 | 安徽大学 | 一种基于多目标优化的电动汽车配送任务自适应分配方法 |
CN113935680A (zh) * | 2021-09-17 | 2022-01-14 | 黄天明 | 一种基于大数据的冷链物流智能管理方法及系统 |
-
2022
- 2022-10-08 CN CN202211219274.0A patent/CN115293710B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115293710A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vis et al. | Minimum vehicle fleet size under time-window constraints at a container terminal | |
Jennings et al. | Study of road autonomous delivery robots and their potential effects on freight efficiency and travel | |
Csiszár et al. | System model for autonomous road freight transportation | |
Dubinkin et al. | Assessment of the Need to Create Control Sytem of Unmanned Dump Truck | |
CN101350138B (zh) | 基于货类反推的海港规划年交通生成量预测方法 | |
US20230111354A1 (en) | Method and system for determining a mover model for motion forecasting in autonomous vehicle control | |
Huang et al. | The optimum route problem by genetic algorithm for loading/unloading of yard crane | |
CN115293710B (zh) | 一种用于无人驾驶冷链物流车的控制系统及方法 | |
Suyunbayev et al. | Improving use of shunting locomotives based on changes in infrastructure of railway station | |
Xinghai et al. | Research on a new two-level scheduling approach for unmanned surface vehicles transportation containers in automated terminals | |
Thiel et al. | Requirements for robots in combined passenger/freight transport | |
Chaikovskaia et al. | Sizing of a fleet of cooperative robots for the transport of homogeneous loads | |
Hosking | Modelling and model predictive control of power-split hybrid powertrains for self-driving vehicles | |
Graba et al. | Toward safer and energy efficient global trajectory planning of self-guided vehicles for material handling system in dynamic environment | |
Egorov et al. | Shot lot transportation by road transport | |
Parkhomenko et al. | Building a model for planning rapid delivery of containers by rail under the conditions of intermodal transportation based on robust optimization | |
Vögele et al. | Predictive vehicle velocity control using dynamic traffic information | |
Shah et al. | Reality of autonomous transportation technologies in global supply chains: the consumer driven demand chain | |
Bohács et al. | Container Terminal Modelling in Simul8 Environment | |
Voytenkov et al. | Management of urban freight transport system: state and prospects | |
Zakrzewski et al. | Changes in logistics processes caused by the implementation of automation in transport | |
Diaby et al. | Optimization for energy efficient cooperative adaptive cruise control | |
Hebert et al. | Mobility planning for autonomous navigation of multiple robots in unstructured environments | |
Nakatani et al. | Autonomous Transport System With Taxi-Type Automated Guided Vehicles Based on Transport Density | |
EP4332851A1 (en) | Production time descrepancy detection |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20221104 Assignee: Jiangsu Tianyi Airport Equipment Maintenance Service Co.,Ltd. Assignor: Jiangsu Tianyi Aviation Industry Co.,Ltd. Contract record no.: X2023980044219 Denomination of invention: A control system and method for unmanned cold chain logistics vehicles Granted publication date: 20221227 License type: Common License Record date: 20231024 |
|
EE01 | Entry into force of recordation of patent licensing contract |