CN115310690A - 数字孪生的四向穿梭车优化调度方法、装置及存储介质 - Google Patents

数字孪生的四向穿梭车优化调度方法、装置及存储介质 Download PDF

Info

Publication number
CN115310690A
CN115310690A CN202210920627.3A CN202210920627A CN115310690A CN 115310690 A CN115310690 A CN 115310690A CN 202210920627 A CN202210920627 A CN 202210920627A CN 115310690 A CN115310690 A CN 115310690A
Authority
CN
China
Prior art keywords
way shuttle
task
warehouse
optimal path
model
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.)
Pending
Application number
CN202210920627.3A
Other languages
English (en)
Inventor
王勇
李岩
刘泽锐
李想
王海天
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.)
Beizisuo Beijing Technology Development Co ltd
Original Assignee
Beizisuo Beijing Technology Development 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 Beizisuo Beijing Technology Development Co ltd filed Critical Beizisuo Beijing Technology Development Co ltd
Priority to CN202210920627.3A priority Critical patent/CN115310690A/zh
Publication of CN115310690A publication Critical patent/CN115310690A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及数字孪生的四向穿梭车优化调度方法、装置及存储介质，包括：通过构建虚拟四向穿梭车系统孪生模型，在虚拟四向穿梭车系统孪生模型中，根据所有执行任务的四向穿梭车，通过基于时间窗的A*算法获得每个任务的第一最优路径；并在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，通过上述的方案，基于时间窗的概念，考虑到四向穿梭车经过各节点的时间，有效的避免轨迹重叠，可以实现对复合调度作业的路径规划，且规划调度过程先在虚拟模型中实现，也就是可以对规划调度过程进行验证，而不像现有技术中，直接对四向穿梭车进行调度，一旦出错，将导致设备损坏。

Description

数字孪生的四向穿梭车优化调度方法、装置及存储介质
技术领域
本发明涉及四向穿梭车调度技术领域，具体涉及数字孪生的四向穿梭车优化调度方法、装置及存储介质。
背景技术
物流业是集运输、仓储、信息等产业为一体的基础性综合服务业，对国民经济发展具有战略支撑作用，其中智能仓储设备的应用推广以及密集仓储式立体化升级，在面对高增长、多样化订单市场需求时可以显著降低运行体系中的多项物流成本，提高国民经济的效率和质量。而四向穿梭车式密集仓储系统作为近年来新兴的一种新型仓储系统，具有三个维度的实时调度与运维能力，与传统的自动化立体仓库的货架形式和作业方式均不相同，为立体储存提供了新的解决方案，四向穿梭车系统主要由硬件设备和软件系统两部分组成，硬件部分主要由四向穿梭车、导轨、货物提升机及高层货架等构成，四向穿梭车可以在自动化立体仓库巷道之间的导轨上前后左右四个方向运动，同时也可以利用仓库货架之间的货物提升机来实现上下两个方向的垂直运动，四向穿梭车可以准确停留在目标货位前，并通过伸缩勾取机构取出货物，以此完成相关货物的出入库作业；
但是在现有的技术中，对四向穿梭车的作业路径规划上，尤其是复合作业的路径规划上，会因为没有考虑各个四向穿梭车到达各节点的时间，因此针对系统给多辆穿梭车下达任务时可能会出现运动轨迹重叠的问题，导致四向穿梭车产生冲突或死锁。
发明内容
有鉴于此，本发明的目的在于提供数字孪生的四向穿梭车优化调度方法、装置及存储介质，以解决现有技术中，因没有考虑各个四向穿梭车到达各节点的时间，因此针对系统给多辆穿梭车下达任务时可能会出现运动轨迹重叠，导致四向穿梭车产生冲突或死锁的问题。
根据本发明实施例的第一方面，提供基于数字孪生的四向穿梭车优化调度方法，包括：
构建虚拟四向穿梭车系统孪生模型；
虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务。
优选地，
所述出入库订单顺序优化算法包括：
获取出库或入库任务中，影响订单任务重要度各个因素；
基于AHP或者层次分析法的1-9标度法，采用两两比较的方式构造判断矩阵；
通过判断矩阵计算影响订单任务重要度的各个因素的权重；
根据各个因素的权重计算订单任务的重要度；
对每一个出库或入库任务都进行重要度计算，并应用寻优算法进行寻优配对，得到出入库配对情况下的四向穿梭车任务顺序。
优选地，
所述调度四向穿梭车行进到货物目标位置包括：
判断该巷道该层数是否有空闲的四向穿梭车，如果有空闲的四向穿梭车，则调动空闲的四向穿梭车行进到货物目标位置，如果该巷道该层数没有空闲的四向穿梭车，则根据预设的优先级调度其他巷道或其他层数的四向穿梭车；
所述预设的优先级包括：第一优先级：不同巷道但同层的空闲四向穿梭车，第二优先级：同巷道不同层的空闲四向穿梭车，第三优先级：不同巷道不同层的空闲四向穿梭车。
优选地，
所述对第一最优路径进行基于时间窗的加权处理包括：
计算每个第一最优路径的两个相邻节点之间的小路径的数量，计算每一个小路径的占有度，通过每一个小路径的占有度对小路径进行加权处理，计算四向穿梭车经过第一最优路径各个小路径的时间，得到时间窗，对每一个小路径都进行基于时间窗的加权处理，得到时间窗加权后的距离，再根据时间窗加权后的距离，通过A*算法获得最终最优路径。
优选地，
所述考虑四向穿梭车的剩余电量包括：
根据四向穿梭车当前电量状态以及能量消耗原则，对执行出库或入库任务的四向穿梭车进行未来电量预测；
使得执行一次调度任务后的四向穿梭车剩余电量大于预设的第一电量阈值；
当执行一次调度任务后的四向穿梭车的剩余电量大于预设的第一电量阈值，但小于预设的第二电量阈值时，此四向穿梭车不再调动，对剩余出库或入库任务顺序进行重排列。
优选地，
当四向穿梭车电量小于预设的第二电量阈值时，虚拟四向穿梭车系统孪生模型根据当前四向穿梭车所处位置为其匹配最近的充电桩，并调度空闲提升机将该四向穿梭车输送到最低层；
按照计算最终最优路径的步骤规划该四向穿梭车到达目标充电桩的路径，当执行充电任务的四向穿梭车与执行出库或入库任务的四向穿梭车的路径产生冲突时，执行充电任务的四向穿梭车原地等待，执行出库或入库任务的四向穿梭车优先通过后，执行充电任务的四向穿梭车再移动。
优选地，所述得到最终最优路径后还包括：
计算每个执行任务的四向穿梭车在各自的最终最优路径上，到达每个节点的时间，根据各个四向穿梭车到达各个节点的时间，判断各个四向穿梭车之间是否存在冲突，并判断冲突类型；
当冲突类型为相向冲突时，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆重新进行路径规划，求解次优路径；
如果冲突类型为节点冲突，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆设定为等待状态，等待产生冲突的另一辆四向穿梭车优先通过后，更新等待状态的四向穿梭车的后续节点的时间窗，并重新规划其后续路段的最终最优路径；
重复上述步骤，直到任意两个四向穿梭车之间都不存在冲突。
优选地，所述构建虚拟四向穿梭车系统孪生模型包括：
构建硬件装备的数字孪生模型，所述硬件装备包括：四向穿梭车、提升机、多深度高层货架以及导轨；
所述数字孪生模型包括：
几何模型：用于描述硬件装备的几何形状；
物理模型：用于表示硬件装备的受力变化；
行为模型：用于表示硬件装备在运行过程中的运动状态；
规则模型：用于表示硬件装备的约束条件与范围；
所述几何模型包括：通过三维软件构建四向穿梭车模型、提升机模型、货架模型以及导轨模型；
所述物理模型包括：应用ANSYS和MATLAB仿真模拟计算各个几何模型所受承载力的变化；
所述行为模型包括：规定四向穿梭车以及提升机的运动过程；
包括四向穿梭车的加速、减速、急停静止、转向、货叉勾取行为，提升机的上升、下降以及空闲行为；
所述规则模型包含四向穿梭车以及提升机的作业轨迹、运动范围及约束条件；
所述虚拟四向穿梭车系统孪生模型通过通讯模块获取各个硬件装备的基本信息、实时工作状态信息以及历史数据信息，并通过OPC-UA通讯协议驱动数字孪生模型的运行，实现在虚拟四向穿梭车系统孪生模型中对出库或入库任务的仿真。
根据本发明实施例的第二方面，提供基于数字孪生的四向穿梭车优化调度装置，包括：
模型构建模块：用于构建虚拟四向穿梭车系统孪生模型；
作业任务顺序优化模块：用于通过虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
调度模块：基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
第一最优路径计算模块：用于根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
最终最优路径计算模块：用于在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
作业任务完成模块：用于四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
输出模块：用于当虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务。
根据本发明实施例的第三方面，提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现所述的基于数字孪生的四向穿梭车优化调度方法中的各个步骤。
本发明的实施例提供的技术方案可以包括以下有益效果：
本申请通过构建虚拟四向穿梭车系统孪生模型，在虚拟四向穿梭车系统孪生模型中，根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；并在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，通过上述的方案，基于时间窗的概念，考虑到四向穿梭车经过各节点的时间，有效的避免轨迹重叠，可以实现对复合调度作业的路径规划，且规划调度过程先在虚拟模型中实现，也就是可以对规划调度过程进行验证，而不像现有技术中，直接对四向穿梭车进行调度，一旦出错，将导致设备损坏。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的数字孪生的四向穿梭车优化调度方法的流程示意图；
图2是根据另一示例性实施例示出的出入库订单顺序优化算法的流程示意图；
图3是根据另一示例性实施例示出的订单任务重要度的影响因素的系统示意图；
图4是根据另一示例性实施例示出的数字孪生的四向穿梭车优化调度装置的系统示意图；
附图中：1-模型构建模块，2-作业任务顺序优化模块，3-调度模块，4-第一最优路径计算模块，5-最终最优路径计算模块，6-作业任务完成模块，7-输出模块。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的数字孪生的四向穿梭车优化调度方法的流程示意图，如图1所示，该方法包括：
S1，构建虚拟四向穿梭车系统孪生模型；
S2，虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
S3，基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
S4，根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
S5，在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
S6，四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
S7，虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务；
可以理解的是，如附图1所示，本申请构建了虚拟四向穿梭车系统孪生模型，当现实四向穿梭车系统接收到订单任务后，订单任务同步到虚拟四向穿梭车系统孪生模型中，虚拟四向穿梭车系统孪生模型通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序，基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点，根据所有执行任务的四向穿梭车，得到四向穿梭车集合C＝(c1,c2,…,co)，根据每个出库或入库任务的起始点得到起始点集合A＝(a1,a2,…,an)，根据每个出库或入库任务的目标点得到目标点集合B＝(b1,b2,…,bn)，根据起始点与目标点得到节点数集合M＝(m1，m2，…，mn)，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合L＝(l1,l2,…,lv)，值得强调的是，四向穿梭车在立体库中进行作业时，可以将立体库看成由无数个小正方体组成的长方体，即无论从横向还是纵向都是由节点网格组成的，而A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是许多其他问题的常用启发式算法，公式表示为：
f(n)＝g(n)+h(n)
其中，f(n)是从初始状态经由状态n到目标状态的代价估计，
g(n)是在状态空间中从初始状态到状态n的实际代价，
h(n)是从状态n到目标状态的最佳路径的估计代价，
(对于路径搜索问题，状态就是路径中的节点，代价就是距离)
其中G是从起点到当前位置的消耗也是实际路程，H为当前位置相对于重点的位置估算(这里可以是直线距离，也可以是采用曼哈顿距离)，他们相加的结果就是F，在每一次更新的时候我们都要选择F值最小的点作为下一个扩展点去探索路径，从而得到第一最优路径；在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务，也就是说，四向穿梭车一次完整的作业任务应该包括一次出库任务加一次入库任务，虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务；本申请通过构建虚拟四向穿梭车系统孪生模型，在虚拟四向穿梭车系统孪生模型中，根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；并在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，通过上述的方案，基于时间窗的概念，考虑到四向穿梭车经过各节点的时间，有效的避免轨迹重叠，可以实现对复合调度作业的路径规划，且规划调度过程先在虚拟模型中实现，也就是可以对规划调度过程进行验证，而不像现有技术中，直接对四向穿梭车进行调度，一旦出错，将导致设备损坏。
优选地，
所述出入库订单顺序优化算法包括：
S201，获取出库或入库任务中，影响订单任务重要度各个因素；
S202，基于AHP或者层次分析法的1-9标度法，采用两两比较的方式构造判断矩阵；
S203，通过判断矩阵计算影响订单任务重要度的各个因素的权重；
S204，根据各个因素的权重计算订单任务的重要度；
S205，对每一个出库或入库任务都进行重要度计算，并应用寻优算法进行寻优配对，得到出入库配对情况下的四向穿梭车任务顺序；
可以理解的是，如附图2以及附图3所示，首先对每一项订单任务设置重要度，其重要度是基于层次分析法进行分析与排序的，重要度受三个层次间的因素影响，如附图3所示，第一层为订单任务重要度，第二层为货物重要度、货物位置以及客户需求，第三层为货物生产批次、货架基础参数、货位点坐标、订单下达时间以及货物送达时间，三个层阶间的因素彼此关联，上一层支配下一层因素，且受下一层次因素的影响和制约，构建判断矩阵，基于1-9标度法，采用两两比较的方式构造判断矩阵A，
Figure BDA0003777373620000111
本申请中的n＝3，aij表示aij＝Ai/Aj，Ai对Aj的相对重要性，且aij>0，aii＝1，
计算判断矩阵中每一行因素分值的乘积Mi
Figure BDA0003777373620000112
计算Mi的n次方根
Figure BDA0003777373620000113
Figure BDA0003777373620000114
对
Figure BDA0003777373620000115
进行归一化，
Figure BDA0003777373620000116
则向量ω(ω1,ω2,…,ωn)T就是所要求解的特征向量，即各因素的权重，
计算重要度值λmax，
Figure BDA0003777373620000117
为了确保判断不会出现矛盾，需要做思维逻辑的一致性检验。
计算一致性指标CI，CI＝(λmax-n)/(n-1)，
计算一致性比例CR，CR＝CI/RI，RI表示平均随机一致性指标，这是个常量。
当CR<0.1时，认为判断矩阵的一致性是可以接受的；当CR≥0.1时，应该对判断矩阵作适当调整；另外对于1阶、2阶矩阵，CR＝0；
最后进行层次总排序，层次总排序的计算是从目标层开始，由上而下逐层次排序，直到因素层为止。并最终完成订单任务重要度的计算，针对于每个订单都进行一次重要度计算，并应用寻优算法进行寻优配对。(寻优算法选择任何一种都可以)，也就是一个四向穿梭车在完成一个重要度较高的出库任务时，其配对任务同样是一个优先度较高的入库任务。
优选地，
所述调度四向穿梭车行进到货物目标位置包括：
判断该巷道该层数是否有空闲的四向穿梭车，如果有空闲的四向穿梭车，则调动空闲的四向穿梭车行进到货物目标位置，如果该巷道该层数没有空闲的四向穿梭车，则根据预设的优先级调度其他巷道或其他层数的四向穿梭车；
所述预设的优先级包括：第一优先级：不同巷道但同层的空闲四向穿梭车，第二优先级：同巷道不同层的空闲四向穿梭车，第三优先级：不同巷道不同层的空闲四向穿梭车；
可以理解的是，当数字孪生系统接收到任务后，首先系统会确定货物所在巷道及层数，并判断该任务该巷道该层数是否有四向穿梭车，如果有空闲的四向穿梭车，则四向穿梭车行进到任务目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库任务或入库任务的初始点位，当该巷道该层没有空闲的四向穿梭车时，数字孪生系统会按照以下优先级对四向穿梭车进行调用：不同巷道但同层的空闲四向穿梭车→同巷道不同层的空闲四向穿梭车→不同巷道不同层的空闲四向穿梭车，涉及到不同层之间的四向穿梭车调度时，会调用空闲的提升机将其它层的四向穿梭车提升到目标层，待四向穿梭车搭载货物后，再通过提升机到达出库任务或入库任务的初始点位，值得强调的是，当提升机空闲时，当接到多个换层任务时其执行任务的优先级为：为正在执行作业任务的四向穿梭车换层→将要执行作业任务的四向穿梭车换层；空闲提升机到达四向穿梭车位置所在层，将四向穿梭车换层至任务目标所在层。
优选地，
所述对第一最优路径进行基于时间窗的加权处理包括：
计算每个第一最优路径的两个相邻节点之间的小路径的数量，计算每一个小路径的占有度，通过每一个小路径的占有度对小路径进行加权处理，计算四向穿梭车经过第一最优路径各个小路径的时间，得到时间窗，对每一个小路径都进行基于时间窗的加权处理，得到时间窗加权后的距离，再根据时间窗加权后的距离，通过A*算法获得最终最优路径；
可以理解的是，对各个四向穿梭车基于所下发的任务指令(集合A、B、C)和A*算法得出其最优路径L＝(l1,l2,…,lv)，其最优路径由无数个节点组成，其经过各节点所对应的时间窗为T＝(t1,t2,…,tm)，每两个相邻节点之间的距离为小路径，对小路径次数ki进行统计，每一个小路径的长度为p，对其每一段小路径都赋予占有度
Figure BDA0003777373620000131
路径占有度表示路径中产生碰撞的可能性，其值越大产生碰撞的可能性越大，然后对每一段路径进行加权处理其中ω＝(ω1,ω2…ωv)其权值计算为
Figure BDA0003777373620000132
si代表在该段小路径上四向穿梭车出现的次数，综上所述对每一段小路径都进行基于时间窗的加权处理，得到加权后的路径长度L’＝p.w.T，再重新通过A*算法进行路径规划，得到最终最优路径。
优选地，
所述考虑四向穿梭车的剩余电量包括：
根据四向穿梭车当前电量状态以及能量消耗原则，对执行出库或入库任务的四向穿梭车进行未来电量预测；
使得执行一次调度任务后的四向穿梭车剩余电量大于预设的第一电量阈值，剩余电量大于预设的第一电量阈值；
当执行一次调度任务后的四向穿梭车的剩余电量大于预设的第一电量阈值，但小于预设的第二电量阈值时，此四向穿梭车不再调动，对剩余出库或入库任务顺序进行重排列；
可以理解的是，通过四向穿梭车当前电量状态以及能量消耗原则，对执行相应调度任务的四向穿梭车进行未来电量进行预测，当未来电量预测结果大于15％时，数字孪生系统中的四向穿梭车系统正常执行调度任务，并且将仿真结果传输给现实四向穿梭车系统，现实世界中的四向穿梭车系统将严格按照数字孪生系统中的仿真流程进行实际运行。反之当数字孪生系统中的四向穿梭车系统在执行一系列调度任务期间，出现电量预测结果低于15％的情况时，会对调度任务顺序进行再次重排列，调度任务顺序再次重排列原则为以任务的优先度为主，路径距离最短，调度总时长最短为辅，调度任务重排序后会使四向穿梭车执行完最后一个任务时其电量不低于10％。
优选地，
当四向穿梭车电量小于预设的第二电量阈值时，虚拟四向穿梭车系统孪生模型根据当前四向穿梭车所处位置为其匹配最近的充电桩，并调度空闲提升机将该四向穿梭车输送到最低层；
按照计算最终最优路径的步骤规划该四向穿梭车到达目标充电桩的路径，当执行充电任务的四向穿梭车与执行出库或入库任务的四向穿梭车的路径产生冲突时，执行充电任务的四向穿梭车原地等待，执行出库或入库任务的四向穿梭车优先通过后，执行充电任务的四向穿梭车再移动；
可以理解的是，当四向穿梭车电量不足支持下一次调度任务接收到充电调度指令时，也就是电量低于15％时，数字孪生系统会根据当前四向穿梭车所处位置为其匹配最近的充电桩，并调度指示空闲提升机和四向穿梭车相配合，将四向穿梭车输送到最低层，然后四向穿梭车到达相应充电桩处进行充电处理，从最低层到充电桩的路径规划同样是按照上述基于时间窗的A*算法进行规划，防止在充电行进过程中与执行其它作业任务的四向穿梭车相撞，当路径产生冲突时，执行充电任务的四向穿梭车优先级较低，会执行等待命令，执行调度任务的四向穿梭车会优先通过。
优选地，所述得到最终最优路径后还包括：
计算每个执行任务的四向穿梭车在各自的最终最优路径上，到达每个节点的时间，根据各个四向穿梭车到达各个节点的时间，判断各个四向穿梭车之间是否存在冲突，并判断冲突类型；
当冲突类型为相向冲突时，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆重新进行路径规划，求解次优路径；
如果冲突类型为节点冲突，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆设定为等待状态，等待产生冲突的另一辆四向穿梭车优先通过后，更新等待状态的四向穿梭车的后续节点的时间窗，并重新规划其后续路段的最终最优路径；
重复上述步骤，直到任意两个四向穿梭车之间都不存在冲突；
可以理解的是，在四向穿梭车运行过程中常出现的轨迹冲突可以总结为1、节点冲突，两辆行驶方向不同的四向穿梭车在同一时刻到达同一交叉点，从而产生节点冲突，造成死锁。2、相向冲突，两辆四向穿梭车在同一路径上相向而行，从而造成碰撞，产生死锁；本申请通过在各自的节点处，统计对应四向穿梭车的出入时间，即计算四向穿梭车进入与离开各节点的时间，判断多四向穿梭车在作业运行过程中是否存在冲突，对执行任务的四向穿梭车中产生的冲突类型进行判断，当冲突类型为相向冲突时，则在产生冲突的两辆四向穿梭车中选择优先级较低的一辆重新进行路径规划，求解次优路径，如果冲突类型为节点冲突，则在产生冲突的两辆四向穿梭车中选择优先级较低的一辆设定为等待状态，并利用上述计算方法更新等待四向穿梭车的后续节点时间窗，对后续路径重新规划其最终最优路径。
优选地，所述构建虚拟四向穿梭车系统孪生模型包括：
构建硬件装备的数字孪生模型，所述硬件装备包括：四向穿梭车、提升机、多深度高层货架以及导轨；
所述数字孪生模型包括：
几何模型：用于描述硬件装备的几何形状；
物理模型：用于表示硬件装备的受力变化；
行为模型：用于表示硬件装备在运行过程中的运动状态；
规则模型：用于表示硬件装备的约束条件与范围；
所述几何模型包括：通过三维软件构建四向穿梭车模型、提升机模型、货架模型以及导轨模型；
所述物理模型包括：应用ANSYS和MATLAB仿真模拟计算各个几何模型所受承载力的变化；
所述行为模型包括：规定四向穿梭车以及提升机的运动过程；
包括四向穿梭车的加速、减速、急停静止、转向、货叉勾取行为，提升机的上升、下降以及空闲行为；
所述规则模型包含四向穿梭车以及提升机的作业轨迹、运动范围及约束条件；
所述虚拟四向穿梭车系统孪生模型通过通讯模块获取各个硬件装备的基本信息、实时工作状态信息以及历史数据信息，并通过OPC-UA通讯协议驱动数字孪生模型的运行，实现在虚拟四向穿梭车系统孪生模型中对出库或入库任务的仿真；
可以理解的是，四向穿梭车系统中硬件实体装备共包括四向穿梭车、提升机、多深度高层货架以及导轨组成。其所述数字孪生模型共包括几何模型、物理模型、行为模型和规则模型。其中几何模型描述装备的几何形状；物理模型准确表示装备的受力变化；行为模型明确表示装备在运行过程中的运动状态，规则模型明确表示装备的约束条件与范围。具体的几何模型包括应用3dmax软件构建四向穿梭车模型、提升机模型、货架模型以及导轨模型；物理模型应用ANSYS和MATLAB仿真模拟计算各个模型所受承载力的变化；行为模型则是需要明确规定四向穿梭车、提升机的运动过程，包括四向穿梭车的加速、减速、急停静止、转向、货叉勾取等行为、提升机的上升、下降、空闲等以及转载车水平运动状态；规则模型则包含四向穿梭车、提升机的作业轨迹、运动范围及约束条件。
构建信息世界虚拟四向穿梭车系统孪生模型与物理世界实体四向穿梭车系统的虚实等价映射关系。四向穿梭车系统中除硬件实体装备外还包括仓储管理、设备运行控制等软件系统，通过软件系统可以获取各个设备的数据包含基本信息、实时工作状态信息以及历史数据信息。具体的所述设备的基本信息包含各个货架位置信息、货位位置信息、巷道轨道位置信息，当前货物数量、四向穿梭车和提升机承载信息、最大允许移动速度、最大可用加速度等；所述各个设备的实时工作状态信息包括当前四向穿梭车和提升机的工作和空闲数量、运行过程中的速度、位置等信息、货物送达时间等；所述历史数据信息即为保存在系统数据库中的各个设备的历史运行数据信息。将上述数据传输到Unity3D中并基于OPC-UA通讯协议驱动孪生模型的运行，实现四向穿梭车系统在物理世界与信息世界的虚实等价映射，完成四向穿梭车系统的数字孪生系统的建立。根据孪生模型运行结果驱动现实世界中各设备的运行，并依据现实世界中各设备收到的实时任务，来实时更新四向穿梭车系统的调度方案。不仅实现了在数字孪生系统中的实时调度策略优化，实现虚实映射，同时也能计算出在一定任务量上所需设备数量，减少资源浪费或者因设备不足导致的作业效率下降。
实施例二
根据本实施例示出的基于数字孪生的工业机器人抓取装置，如附图4所示，包括：
模型构建模块1：用于构建虚拟四向穿梭车系统孪生模型；
作业任务顺序优化模块2：用于通过虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
调度模块3：基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
第一最优路径计算模块4：用于根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
最终最优路径计算模块5：用于在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
作业任务完成模块6：用于四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
输出模块7：用于当虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务；
可以理解的是，本申请通过模型构建模块1构建了虚拟四向穿梭车系统孪生模型，通过作业任务顺序优化模块2用于当现实四向穿梭车系统接收到订单任务后，订单任务同步到虚拟四向穿梭车系统孪生模型中，虚拟四向穿梭车系统孪生模型通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序，通过调度模块3基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点，通过第一最优路径计算模块4根据所有执行任务的四向穿梭车，得到四向穿梭车集合C＝(c1,c2,…,co)，根据每个出库或入库任务的起始点得到起始点集合A＝(a1,a2,…,an)，根据每个出库或入库任务的目标点得到目标点集合B＝(b1,b2,…,bn)，根据起始点与目标点得到节点数集合M＝(m1，m2，…，mn)，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合L＝(l1,l2,…,lv)，通过最终最优路径计算模块5在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，通过作业任务完成模块6在四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务，也就是说，四向穿梭车一次完整的作业任务应该包括一次出库任务加一次入库任务，通过输出模块7在虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务；本申请通过构建虚拟四向穿梭车系统孪生模型，在虚拟四向穿梭车系统孪生模型中，根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；并在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径，通过上述的方案，基于时间窗的概念，考虑到四向穿梭车经过各节点的时间，有效的避免轨迹重叠，可以实现对复合调度作业的路径规划，且规划调度过程先在虚拟模型中实现，也就是可以对规划调度过程进行验证，而不像现有技术中，直接对四向穿梭车进行调度，一旦出错，将导致设备损坏。
实施例三：
本实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现上述方法中的各个步骤；
可以理解的是，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.数字孪生的四向穿梭车优化调度方法，其特征在于，包括：
构建虚拟四向穿梭车系统孪生模型；
虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务。
2.根据权利要求1所述的方法，其特征在于，
所述出入库订单顺序优化算法包括：
获取出库或入库任务中，影响订单任务重要度各个因素；
基于AHP或者层次分析法的1-9标度法，采用两两比较的方式构造判断矩阵；
通过判断矩阵计算影响订单任务重要度的各个因素的权重；
根据各个因素的权重计算订单任务的重要度；
对每一个出库或入库任务都进行重要度计算，并应用寻优算法进行寻优配对，得到出入库配对情况下的四向穿梭车任务顺序。
3.根据权利要求2所述的方法，其特征在于，
所述调度四向穿梭车行进到货物目标位置包括：
判断该巷道该层数是否有空闲的四向穿梭车，如果有空闲的四向穿梭车，则调动空闲的四向穿梭车行进到货物目标位置，如果该巷道该层数没有空闲的四向穿梭车，则根据预设的优先级调度其他巷道或其他层数的四向穿梭车；
所述预设的优先级包括：第一优先级：不同巷道但同层的空闲四向穿梭车，第二优先级：同巷道不同层的空闲四向穿梭车，第三优先级：不同巷道不同层的空闲四向穿梭车。
4.根据权利要求3所述的方法，其特征在于，
所述对第一最优路径进行基于时间窗的加权处理包括：
计算每个第一最优路径的两个相邻节点之间的小路径的数量，计算每一个小路径的占有度，通过每一个小路径的占有度对小路径进行加权处理，计算四向穿梭车经过第一最优路径各个小路径的时间，得到时间窗，对每一个小路径都进行基于时间窗的加权处理，得到时间窗加权后的距离，再根据时间窗加权后的距离，通过A*算法获得最终最优路径。
5.根据权利要求4所述的方法，其特征在于，
所述考虑四向穿梭车的剩余电量包括：
根据四向穿梭车当前电量状态以及能量消耗原则，对执行出库或入库任务的四向穿梭车进行未来电量预测；
使得执行一次调度任务后的四向穿梭车剩余电量大于预设的第一电量阈值；
当执行一次调度任务后的四向穿梭车的剩余电量大于预设的第一电量阈值，但小于预设的第二电量阈值时，此四向穿梭车不再调动，对剩余出库或入库任务顺序进行重排列。
6.根据权利要求5所述的方法，其特征在于，
当四向穿梭车电量小于预设的第二电量阈值时，虚拟四向穿梭车系统孪生模型根据当前四向穿梭车所处位置为其匹配最近的充电桩，并调度空闲提升机将该四向穿梭车输送到最低层；
按照计算最终最优路径的步骤规划该四向穿梭车到达目标充电桩的路径，当执行充电任务的四向穿梭车与执行出库或入库任务的四向穿梭车的路径产生冲突时，执行充电任务的四向穿梭车原地等待，执行出库或入库任务的四向穿梭车优先通过后，执行充电任务的四向穿梭车再移动。
7.根据权利要求4所述的方法，其特征在于，所述得到最终最优路径后还包括：
计算每个执行任务的四向穿梭车在各自的最终最优路径上，到达每个节点的时间，根据各个四向穿梭车到达各个节点的时间，判断各个四向穿梭车之间是否存在冲突，并判断冲突类型；
当冲突类型为相向冲突时，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆重新进行路径规划，求解次优路径；
如果冲突类型为节点冲突，则在产生冲突的两辆四向穿梭车中选择所执行的出库或入库任务优先级较低的一辆设定为等待状态，等待产生冲突的另一辆四向穿梭车优先通过后，更新等待状态的四向穿梭车的后续节点的时间窗，并重新规划其后续路段的最终最优路径；
重复上述步骤，直到任意两个四向穿梭车之间都不存在冲突。
8.根据权利要求1所述的方法，其特征在于，所述构建虚拟四向穿梭车系统孪生模型包括：
构建硬件装备的数字孪生模型，所述硬件装备包括：四向穿梭车、提升机、多深度高层货架以及导轨；
所述数字孪生模型包括：
几何模型：用于描述硬件装备的几何形状；
物理模型：用于表示硬件装备的受力变化；
行为模型：用于表示硬件装备在运行过程中的运动状态；
规则模型：用于表示硬件装备的约束条件与范围；
所述几何模型包括：通过三维软件构建四向穿梭车模型、提升机模型、货架模型以及导轨模型；
所述物理模型包括：应用ANSYS和MATLAB仿真模拟计算各个几何模型所受承载力的变化；
所述行为模型包括：规定四向穿梭车以及提升机的运动过程；
包括四向穿梭车的加速、减速、急停静止、转向、货叉勾取行为，提升机的上升、下降以及空闲行为；
所述规则模型包含四向穿梭车以及提升机的作业轨迹、运动范围及约束条件；
所述虚拟四向穿梭车系统孪生模型通过通讯模块获取各个硬件装备的基本信息、实时工作状态信息以及历史数据信息，并通过OPC-UA通讯协议驱动数字孪生模型的运行，实现在虚拟四向穿梭车系统孪生模型中对出库或入库任务的仿真。
9.数字孪生的四向穿梭车优化调度装置，其特征在于，所述装置包括：
模型构建模块：用于构建虚拟四向穿梭车系统孪生模型；
作业任务顺序优化模块：用于通过虚拟四向穿梭车系统孪生模型接收出入库作业任务，并通过出入库订单顺序优化算法得到出入库配对情况下的四向穿梭车任务顺序；
调度模块：基于任务顺序，确定待出库或入库的货物所在巷道及层数，调度四向穿梭车行进到货物目标位置，执行调度作业，四向穿梭车搭载货物移动至所在层末端，向提升机发出换层调度请求，到达出库或入库的起始点；
第一最优路径计算模块：用于根据所有执行任务的四向穿梭车，得到四向穿梭车集合，根据每个出库或入库任务的起始点得到起始点集合，根据每个出库或入库任务的目标点得到目标点集合，根据起始点与目标点得到节点数集合，通过A*算法获得每个任务的第一最优路径，得到第一最优路径集合；
最终最优路径计算模块：用于在第一最优路径的基础上，考虑四向穿梭车的剩余电量，对第一最优路径进行基于时间窗的加权处理，得到最终最优路径；
作业任务完成模块：用于四向穿梭车按照最终最优路径到达终点后，再完成其配对的入库或出库作业任务，完成一次完整的作业任务，根据任务顺序完成所有的作业任务；
输出模块：用于当虚拟四向穿梭车系统孪生模型完成上述调度任务后，反馈给现实四向穿梭车系统，现实四向穿梭车系统按照虚拟四向穿梭车系统孪生模型的仿真结果执行真实的调度任务。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现如权利要求1-8任一项所述的数字孪生的四向穿梭车优化调度方法中的各个步骤。
CN202210920627.3A 2022-08-02 2022-08-02 数字孪生的四向穿梭车优化调度方法、装置及存储介质 Pending CN115310690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210920627.3A CN115310690A (zh) 2022-08-02 2022-08-02 数字孪生的四向穿梭车优化调度方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210920627.3A CN115310690A (zh) 2022-08-02 2022-08-02 数字孪生的四向穿梭车优化调度方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN115310690A true CN115310690A (zh) 2022-11-08

Family

ID=83859591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210920627.3A Pending CN115310690A (zh) 2022-08-02 2022-08-02 数字孪生的四向穿梭车优化调度方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN115310690A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951691A (zh) * 2023-03-13 2023-04-11 江西丹巴赫机器人股份有限公司 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统
CN116502785A (zh) * 2023-06-30 2023-07-28 深圳市渐近线科技有限公司 仓储物流智能管理方法、装置、设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951691A (zh) * 2023-03-13 2023-04-11 江西丹巴赫机器人股份有限公司 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统
CN116502785A (zh) * 2023-06-30 2023-07-28 深圳市渐近线科技有限公司 仓储物流智能管理方法、装置、设备及存储介质
CN116502785B (zh) * 2023-06-30 2024-01-16 深圳市渐近线科技有限公司 仓储物流智能管理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN115310690A (zh) 数字孪生的四向穿梭车优化调度方法、装置及存储介质
Reed et al. The value of autonomous vehicles for last-mile deliveries in urban environments
JP6671507B2 (ja) ロボット現場戻りのための方法及び装置｛ｍｅｔｈｏｄ ａｎｄ ｄｅｖｉｃｅ ｆｏｒ ｒｅｔｕｒｎｉｎｇ ｒｏｂｏｔｓ ｆｒｏｍ ｓｉｔｅ｝
CN111210069A (zh) 一种双载式双深位多层穿梭车系统货位分配与作业调度集成优化方法
JP4870863B2 (ja) エレベータ群最適管理方法、及び最適管理システム
CN104346658B (zh) 基于改进银行家算法的自动小车存取系统动态调度方法
CN110119861A (zh) 调度无人车的方法、装置及计算机可读存储介质
CN106773686B (zh) 同轨双车运行模式下堆垛机调度路径模型建立方法
CN114021885B (zh) 一种托盘四向穿梭车系统的提升机调度方法及装置
CN103663011B (zh) 电梯群管理系统
CN111126770A (zh) 一种跨层穿梭车仓储系统的任务调度方法
Won et al. Workload-based yard-planning system in container terminals
CN111860968A (zh) 一种露天矿山车辆调度方法、系统及计算机设备
CN113408988A (zh) 仓储系统的调度优化方法、电子设备及存储介质
CN112990617A (zh) 智能移动机器人的调度方法和调度装置
CN116993255A (zh) 一种基于多智能体仿真的agvs动态无碰路径规划方法
Xing et al. Dispatch problem of automated guided vehicles for serving tandem lift quay crane
CN114326621B (zh) 一种基于分层架构的群体智能机场托运车调度方法和系统
Xu et al. Dynamic spare point application based coordination strategy for multi-AGV systems in a WIP warehouse environment
CN108921326B (zh) 一种基于相似度学习的智能文化基因物流配送方法
Debnath et al. Real-time optimal scheduling of a group of elevators in a multi-story robotic fully-automated parking structure
CN101356106A (zh) 电梯控制方法及其装置
Yang et al. Battery-powered automated guided vehicles scheduling problem in automated container terminals for minimizing energy consumption
Li et al. Research on cooperative scheduling of AGV transportation and charging in intelligent warehouse system based on dynamic task chain
Song et al. Novel AGV resilient scheduling for automated container terminals considering charging strategy

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