CN115951691B - 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 - Google Patents
一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 Download PDFInfo
- Publication number
- CN115951691B CN115951691B CN202310232704.0A CN202310232704A CN115951691B CN 115951691 B CN115951691 B CN 115951691B CN 202310232704 A CN202310232704 A CN 202310232704A CN 115951691 B CN115951691 B CN 115951691B
- Authority
- CN
- China
- Prior art keywords
- shuttle
- path
- planning
- warehouse
- dense
- 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
Images
Classifications
-
- 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
- Warehouses Or Storage Devices (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统,包括:建立密集库的三维模型,并对穿梭车进行实时位置定位监测;获取密集库的任务计划并确定密集库的运转状态;根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数;通过将三维货架进行栅格化处理,利用路径轨迹点对穿梭车的行驶路径做出规划,同时通过聚类算法计算出穿梭车到目标点的最短路径,在调度过程中,不需要考虑系统配置的优先级,减少穿梭车在行驶过程中的等待时间,提高密集库的使用效率。
Description
技术领域
本发明涉及密集库内的穿梭车路径规划技术领域,尤其涉及一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统。
背景技术
密集库是一种利用穿梭车进行存取货物的特殊货架系统,由穿梭车、升降机、充电站、货架导轨一上位调度管理软件组成,可实现货架深度上货物的连续存储,达到存储密度的最大化;密集库的工作流程是,在货架深度方向设置穿梭车轨道,入库时只需要将货物动刀升降机入口站台,系统更具货物存储位置控制升降机,将货物输送到相应的层,同时穿梭车到升降机站台取货,然后将货物搬运到货架内的指定的位置,出库过程则与之相反;穿梭车是一种在轨道上作业的智能机器人,可以在系统控制下实现出入库、盘点、放置等任务,并可与上位WMS系统进行通讯或手持终端控制,结合应用RFID、条码等技术,实现自动识别、自动存取等功能;
现有技术CN113534750A公开了一种密集存储下的作业调度方法、装置、系统、设备及介质,该方法包括:根据各待执行任务之间的路径阻碍关系,确定各待执行任务之间的依赖关系,得到至少一个任务依赖集合;将每个任务依赖集合拆分为至少一个任务子集合,并确定各任务子集合之间的依赖关系;根据各任务子集合之间的依赖关系确定各任务子集合的优先级,并根据任务子集合中各待执行任务之间的依赖关系确定待执行任务的优先级;根据各任务子集合的优先级依次执行各任务子集合;在执行每个任务子集合时,确定执行该任务子集合中待执行任务的至少一个搬运设备,并根据任务类型按照待执行任务的优先级,调度至少一个搬运设备执行待执行任务;在现有技术中,穿梭车在轨迹规划时会受到上一优先级的穿梭车的路径规划的影响,导致在存取过程中的效率降低,为此本发明提出一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统。
发明内容
为了解决上述问题,本发明提出一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统,以更加确切地解决上述所述在现有技术中,穿梭车在轨迹规划时会受到上一优先级的穿梭车的路径规划的影响,导致在存取过程中的效率降低的问题。
本发明通过以下技术方案实现的:
本发明提出一种5G通讯下密集库的穿梭车的轨迹规划方法,包括:
建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取密集库的任务计划并确定密集库的运转状态;
根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划方法,所述三维模型包括三个部分:
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划方法,所述路径地图模型中,包括:
为每一个货架上的目标点设置在栅格图中的编号,并且设定交通规则;
所述交通规则包括:规定所有的轨道均为单行通道,并且行驶方向唯一;
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划方法,所述规划进库路径和出库路径包括:
假设目标点在,穿梭车从原点/>出发,原点到目标点之间的轨迹规划一共有/>种,而在穿梭车的工作行驶状态下,穿梭车的换向会消耗大量时间,所以考虑其转向时间,才能计算原点至目标点之间的最短时间,计算如下:/>;
在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,/>在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,A是轨迹规划路线,得到原点至每个目标点的最短路径包含两条。
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划方法,还包括:密集库中包括若干数量的穿梭车同步运行,通过聚类算法计算每个穿梭车的轨迹规划,计算如下:
为邻域轨迹点,/>为穿梭车所在点到目标点的路径规划线路;将目标点设为中心点,在X轨迹上,计算的/>个数有/>个,通过聚类其他穿梭车的轨迹规划为簇,经过坐标/>的时间聚类分析整合成不同的簇,在比对各穿梭车轨迹规划至/>的时间后,选取合适的邻域轨迹点作为路径规划点;
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划方法,所述设置穿梭车参数中,将密集库中的穿梭车的速度设为一致,在两穿梭车在路径规划轨迹相同时,根据其上货或下货的时间差,两者之间产生间距,进而防止两者产生路径冲突。
一种5G通讯下密集库的穿梭车的轨迹规划系统,包括:
建立模块:建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取模块:获取密集库的任务计划并确定密集库的运转状态;
构建模块:根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
设置模块:在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
仿真模块:构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
进一步的,所述的5G通讯下密集库的穿梭车的轨迹规划系统,还包括:
信息通讯模块:按照拟定的通讯协议通过以太网或无线网络实现与业务系统、穿梭车、升降机的实时通讯;
状态监控系统:实现对穿梭车、升降机相关设备运行状态、接收任务工单状态、下达到付工单状态和选择的调度策略状态的实时显示;
设备管理模块:实现对接入的穿梭车和升降机及其相关设备的参数设定及其货架上货位信息的设定;
故障处理模块:实现对穿梭车、升降机及其相关设备上报的故障信息进行故障类型判断。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的5G通讯下密集库的穿梭车的轨迹规划方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的5G通讯下密集库的穿梭车的轨迹规划方法的步骤。
本发明的有益效果:
本发明提出的5G通讯下密集库的穿梭车的轨迹规划方法,通过将多层三维货架进行栅格化处理,利用路径轨迹点对穿梭车的行驶路径做出规划,同时通过聚类算法计算出穿梭车到目标点的最短路径,在调度过程中,不需要考虑系统配置的优先级,设置了穿梭车的行驶方向和速度,将路径冲突的可能性减少,进一步减少穿梭车在行驶过程中的等待时间,加快其运行效率,进一步提高整个密集库的使用效率;
本发明提出的聚类算法通过对穿梭车所在点的邻域轨迹进行聚类处理,定义核心点(所在点)及其密度相连的点的相关性,通过密度实现对空间对象的预测路径的规划,将所有小车的途径轨迹点进行聚类,读取轨迹点数据,得到在途径时间段时未与其他小车产生路径冲突的轨迹路线,得到最短的规划路径。
附图说明
图1为本发明的5G通讯下密集库的穿梭车的轨迹规划方法示意图;
图2为本发明的5G通讯下密集库的穿梭车的轨迹规划系统的示意图;
图3为本发明的5G通讯下密集库的穿梭车的轨迹规划方法中栅格图示意图;
图4为本发明的5G通讯下密集库的穿梭车的轨迹规划方法中计算机设备的结构示意图;
图5为本发明的5G通讯下密集库的穿梭车的轨迹规划系统中调度系统的示意图。
具体实施方式
为了更加清楚完整的说明本发明的技术方案,下面结合附图对本发明作进一步说明。
请参考图1-图5,本发明提出一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统;
在本实施方式中一种5G通讯下密集库的穿梭车的轨迹规划方法及其系统,包括:
S1:建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
S2:获取密集库的任务计划并确定密集库的运转状态;
S3:根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
S4:在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
S5:构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
在本实施例中,系统优先建立密集库的三维模型,并对整个密集库中三维模型内的穿梭车的位置进行定位监测,系统根据密集库的任务计划规划密集库的运转状态,在需要运转的单层模型进行栅格化,构建出穿梭车的路径地图模型,控制该穿梭车进行上货和下货的运转,该穿梭车的初始坐标位置为,在路径地图模型中,规划穿梭车到指定上货位置的路径,同时规划出进库路径和出库路径,并设置穿梭车参数预防交通冲突,为了防止速度冲突,本实施例中将穿梭车的速度设为一致;同时在系统中建立仿真模型,模拟穿梭车的出入库路径,需求最佳的穿梭车配置和参数,进一步防止路径冲突。
在本实施例中,本申请所使用的穿梭车是通过两个两向穿梭车叠加成的四向穿梭车,其两向穿梭车具体构建包括:举升模块、举升机构、驱动模块和驱动机构,四向穿梭车的具体构造包括:两个穿梭车的基础平台架构垂直交叉,然后上下迭加,形成了四向穿梭车,将一两向穿梭车设于另一两向穿梭车上端,且上层的两向穿梭车的行走轮大于下层的两向穿梭车的行走轮;在换向过程中,初始阶段,上层的两向穿梭车的行走轮设于轨道上,下层的两向穿梭车的行走轮悬空;在举升运动时,上层的两向穿梭车的举升驱动模块驱动举升机构;在换向运动时,下层的两向穿梭车的举升驱动模块驱动举升机构将上层的两向穿梭车举起,并脱离地面,下层的两向穿梭车接触轨道,完成换向;在本实施例中,表现为机械结构是两层基础平台架构的直接迭加,包含两套基础平台架构合在一起的两套行走模块和两套举升模块,只是这里的两套举升模块中,下方一套的功能变成了四向穿梭车的换向机构;上方的一套继续充当举升机构;这里位于上方的举升机构和位于下方的换向机构从结构上没有什么不同,只是位于上方的举升机构抬起的是货物;而位于下方的换向机构抬起的是上方的基础平台架构以及附着在上面的货物,在抬起的过程中,使上方平台的轮子升起,离开轨道;露出下方平台的轮子,实现换向的物理过程;另外,上下两层基础架构,物理形式完全一样,但上层架构的轮子比下方的轮子直径大一点,因此,当四向穿梭车的举升机构和换向机构都没有工作时,上方基础架构的轮子与轨道接触,此时由上方基础架构的行走模块驱动四向穿梭车行进;当下方基础架构的换向模块工作时,把上方基础架构整个举起,此时上方基础架构的轮子被逐渐举起,直至脱离地面;于此同时,随着上层基础架构的逐步升起,下方基础架构的轮子则逐步“显露”出来,直至接触轨道;直观的看起来,下方基础架构的轮子逐步降下直至接触轨道,但实际上是下方基础架构的轮子并未运动,而是上方半径较大的轮子收起导致的下方半径较小的轮子显露了出来。
在一个实施例中,所述三维模型包括三个部分:
在路径地图模型中,包括:
为每一个货架上的目标点设置在栅格图中的编号,并且设定交通规则;
所述交通规则包括:规定所有的轨道均为单行通道,并且行驶方向唯一;
在本实施例中,多层穿梭车存储系统三维模型和调度模型建立后,还需要建立离线虚拟仿真系统;根据穿梭车运行参数、出入库任务和系统能力需求,模拟真实系统运行情况,通过对系统出入库能力、设备使用效率等仿真结果对比分析,发现系统运行过程中可能存在的瓶颈问题,并找出在系统能力需求下的最佳穿梭车配置数量;为了保证数据接口的一致性,便于程序模拟调试,系统采用 PLC仿真器的方式模拟穿梭车运行状态,PLC 仿真器可手动或自动模拟更改穿梭车的数据。穿梭车调度系统可以手动或自动模拟添加任务,同时通过数据接口读写 PLC 仿真器号的实时数据,结合地图数据对系统进行模拟仿真。
在一个实施例中,规划进库路径和出库路径包括:
在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,/>在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,A是轨迹规划路线,得到原点至每个目标点的最短路径包含两条。
密集库中包括若干数量的穿梭车同步运行,通过聚类算法计算每个穿梭车的轨迹规划,计算如下:
为邻域轨迹点,/>为穿梭车所在点到目标点的路径规划线路;将目标点设为中心点,在X轨迹上,计算的/>个数有/>个,通过聚类其他穿梭车的轨迹规划为簇,经过坐标/>的时间聚类分析整合成不同的簇,在比对各穿梭车轨迹规划至/>的时间后,选取合适的邻域轨迹点作为路径规划点;/>
在本实施例中,穿梭车在行驶过程中有两个方向分别为X和Y方向,在行驶的遍历由出发点到目标点,期间的方式有,而穿梭车在每一次变向的过程中,需要花费时间,由此,可以得出,在/>中有两条路径所花费的时间是最少的,即经过最多X轨迹且经过最少Y轨迹的最短路线所用时间是最短时间/>,以及经过最多X轨迹且经过最少Y轨迹的最短路线所用时间是最短时间/>;在计算最短路径后还根据聚类算法计算每个穿梭车的轨迹规划,仿真其行驶过程中与另一穿梭车的轨迹冲突,其中,聚类算法的基础理论是现有的轨迹聚类方法,在其基础上,通过对各邻域轨迹点的簇进行计算,在两车的运行轨迹出现冲突时,优先级低的穿梭车更改运行方向并重复现有点到目标点的最短路径计算,重新规划路线。
在一个实施例中,所述设置穿梭车参数中,将密集库中的穿梭车的速度设为一致,在两穿梭车在路径规划轨迹相同时,根据其上货或下货的时间差,两者之间产生间距,进而防止两者产生路径冲突。
在本实施例中,由于穿梭车对路径资源具有独占性,穿梭车在运行过程中不可避免会存在路径冲突问题,在路径冲突的判断中,将两穿梭车之间的夹角为0度时认为是追赶冲突,在速度一致时,该追赶冲突将不存在。
一种5G通讯下密集库的穿梭车的轨迹规划系统,包括:
建立模块:建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取模块:获取密集库的任务计划并确定密集库的运转状态;
构建模块:根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
设置模块:在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
仿真模块:构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
在一个实施例中,设置有穿梭车的调度系统包括:
信息通讯模块:按照拟定的通讯协议通过以太网或无线网络实现与业务系统、穿梭车、升降机的实时通讯;
状态监控系统:实现对穿梭车、升降机相关设备运行状态、接收任务工单状态、下达到付工单状态和选择的调度策略状态的实时显示;
设备管理模块:实现对接入的穿梭车和升降机及其相关设备的参数设定及其货架上货位信息的设定;
故障处理模块:实现对穿梭车、升降机及其相关设备上报的故障信息进行故障类型判断。
在本实施例中,参照图5,将系统设计为一套支持穿梭车调度从路径规划、流程设计、系统仿真到系统实施全过程的整体解决方案;上位控制系统根据从其它系统接收到的出入库指令,统筹调度穿梭车车辆,将任务分配给合适的小车。小车在智能交通管理控制下,沿规定的路线自动高效地完成搬运任务中,并可及时调度小车进行充电、维护保养等;穿梭车调度系统软件主要由信息通讯、状态监控、设备管理、故障处理、任务管理及调度规划、系统日志管理等模块组成;信息通讯模块,按照拟定的通讯协议通过以太网或无线网络实现与业务系统、穿梭车、升降机、充电站的实时通讯;状态监控模块,主要实现对穿梭车、升降机、充电站等相关设备运行状态、接受的任务工单状态、下达的调度工单状态和选择的调度策略状态的实时显示。设备管理模块,主要实现对接入调度系统的穿梭车、升降机、充电站等设备的参数设定以及货架中货位信息的设定;故障处理模块,主要实现对穿梭车、升降机和充电站上报的故障信息进行故障类型判断,依据故障处理应急方案下达任务中止、重新调度及上报故障等命令。任务管理及调度规划模块,主要实现将业务系统下达的任务分解为调度系统可解算的子任务,规划穿梭车行走路径,动态调度穿梭车及升降机执行任务,具备多穿梭车交通管理及避碰的能力,还有穿梭车充电管理。系统日志管理模块,主要实现对调度系统的操作内容、操作时间及设备状态记录到数据库,具备断电恢复能力;同时在本实施例中,信息通讯模块采用5G通讯,确保运动控制的实时性和有效性,系统采用5G通讯建立无线路由系统,在密集库的作业现场实现无线wifi局域网,将系统、密集库以及穿梭车进行数据通讯,保证系统指令下达的及时性。
参照图4,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于轨迹点数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现5G通讯下密集库的穿梭车的轨迹规划方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现实现5G通讯下密集库的穿梭车的轨迹规划方法的步骤,具体为:
建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取密集库的任务计划并确定密集库的运转状态;
根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本申请中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
尽管已经示出和描述了本申请的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本申请的范围由所附权利要求及其等同物限定。
当然,本发明还可有其它多种实施方式,基于本实施方式,本领域的普通技术人员在没有做出任何创造性劳动的前提下所获得其他实施方式,都属于本发明所保护的范围。
Claims (6)
1.一种5G通讯下密集库的穿梭车的轨迹规划方法,其特征在于,包括:
建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取密集库的任务计划并确定密集库的运转状态;
根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数,
所述三维模型包括三个部分:
在所述根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型步骤中,所述路径地图模型中,包括:
为每一个货架上的目标点设置在栅格图中的编号,并且设定交通规则;
所述交通规则包括:规定所有的轨道均为单行通道,并且行驶方向唯一;
所述规划进库路径和出库路径包括:
在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,/>在遍历/>种轨迹中选取经过最多X轨迹且经过最少Y轨迹的最短路线所用的时间,A是轨迹规划路线,得到原点至每个目标点的最短路径包含两条,
密集库中包括若干数量的穿梭车同步运行,通过聚类算法计算每个穿梭车的轨迹规划,计算如下:
为邻域轨迹点,/>为穿梭车所在点到目标点的路径规划线路;将目标点/>设为中心点,在X轨迹上,计算的/>个数有/>个,通过聚类其他穿梭车的轨迹规划为簇,经过坐标/>的时间聚类分析整合成不同的簇,在比对各穿梭车轨迹规划至/>的时间后,选取合适的邻域轨迹点作为路径规划点;
2.根据权利要求1所述的5G通讯下密集库的穿梭车的轨迹规划方法,其特征在于,在所述在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突步骤中;所述设置穿梭车参数中,将密集库中的穿梭车的速度设为一致,在两穿梭车在路径规划轨迹相同时,根据其上货或下货的时间差,两者之间产生间距,进而防止两者产生路径冲突。
3.一种5G通讯下密集库的穿梭车的轨迹规划系统,其特征在于,应用于所述权利要求1-2任一项所述的5G通讯下密集库的穿梭车的轨迹规划方法,包括:
建立模块:建立密集库的三维模型,并对穿梭车进行实时位置定位监测;
获取模块:获取密集库的任务计划并确定密集库的运转状态;
构建模块:根据运转状态将密集库单层模型进行栅格化,并构建穿梭车的路径地图模型;
设置模块:在路径地图模型上,规划进库路径和出库路径,并设置穿梭车参数预防交通冲突;
仿真模块:构建仿真模型,仿真穿梭车的出入库能力,寻求最佳的穿梭车配置数量和参数。
4.根据权利要求3所述的5G通讯下密集库的穿梭车的轨迹规划系统,其特征在于,还包括:
信息通讯模块:按照拟定的通讯协议通过以太网或无线网络实现与业务系统、穿梭车、升降机的实时通讯;
状态监控系统:实现对穿梭车、升降机相关设备运行状态、接收任务工单状态、下达到付工单状态和选择的调度策略状态的实时显示;
设备管理模块:实现对接入的穿梭车和升降机及其相关设备的参数设定及其货架上货位信息的设定;
故障处理模块:实现对穿梭车、升降机及其相关设备上报的故障信息进行故障类型判断。
5.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至2任一项所述的5G通讯下密集库的穿梭车的轨迹规划方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至2任一项所述的5G通讯下密集库的穿梭车的轨迹规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232704.0A CN115951691B (zh) | 2023-03-13 | 2023-03-13 | 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232704.0A CN115951691B (zh) | 2023-03-13 | 2023-03-13 | 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115951691A CN115951691A (zh) | 2023-04-11 |
CN115951691B true CN115951691B (zh) | 2023-05-30 |
Family
ID=85886605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310232704.0A Active CN115951691B (zh) | 2023-03-13 | 2023-03-13 | 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115951691B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116216159B (zh) * | 2023-05-08 | 2023-07-14 | 北京柏瑞安电子技术有限公司 | 一种智能物流仓储用四向穿梭车定位方法 |
CN117555338B (zh) * | 2024-01-10 | 2024-03-19 | 成都电科星拓科技有限公司 | 基于K-means算法的多自动引导车协作停泊方法及自动引导车 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115344050A (zh) * | 2022-09-15 | 2022-11-15 | 安徽工程大学 | 一种基于改进的聚类算法堆垛机路径规划方法 |
CN115484656A (zh) * | 2022-08-22 | 2022-12-16 | 河南嘉晨智能控制股份有限公司 | 一种agv的高效数据采集路径规划方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109230142B (zh) * | 2018-10-22 | 2020-12-25 | 陕西科技大学 | 一种密集仓储系统复合作业的调度路径优化方法 |
RU2702822C1 (ru) * | 2019-05-13 | 2019-10-11 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Способ оценки двигательных действий спортсмена в бадминтоне |
CN110609494A (zh) * | 2019-10-12 | 2019-12-24 | 浙江工业大学 | 基于asrv多台四向穿梭车在规划路径上防拥堵仿真控制方法及系统 |
CN110986942A (zh) * | 2019-10-17 | 2020-04-10 | 浙江科技学院 | 基于蚁群算法的立体仓库三维空间路径优化方法 |
CN111115076A (zh) * | 2019-12-10 | 2020-05-08 | 浙江工业大学 | 子母穿梭车密集仓储系统复合作业三维路径规划方法 |
CN113436463B (zh) * | 2021-06-28 | 2022-05-20 | 江苏智库智能科技有限公司 | 一种基于5g的四向穿梭车多车调度方法 |
US20230054759A1 (en) * | 2021-08-23 | 2023-02-23 | Nvidia Corporation | Object tracking using lidar data for autonomous machine applications |
CN115310690A (zh) * | 2022-08-02 | 2022-11-08 | 北自所(北京)科技发展股份有限公司 | 数字孪生的四向穿梭车优化调度方法、装置及存储介质 |
CN115629609A (zh) * | 2022-10-26 | 2023-01-20 | 西安交通大学 | 一种多agv协同工作系统 |
-
2023
- 2023-03-13 CN CN202310232704.0A patent/CN115951691B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115484656A (zh) * | 2022-08-22 | 2022-12-16 | 河南嘉晨智能控制股份有限公司 | 一种agv的高效数据采集路径规划方法 |
CN115344050A (zh) * | 2022-09-15 | 2022-11-15 | 安徽工程大学 | 一种基于改进的聚类算法堆垛机路径规划方法 |
Non-Patent Citations (1)
Title |
---|
Sarkar C et al..A scalable multi-robot task allocation algorithm.《2018 IEEE International Conference on Robotics and Automation (ICRA)》.2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115951691A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115951691B (zh) | 一种5g通讯下密集库的穿梭车的轨迹规划方法及其系统 | |
Hu et al. | Sequencing twin automated stacking cranes in a block at automated container terminal | |
Bae et al. | Comparison of operations of AGVs and ALVs in an automated container terminal | |
US20190152057A1 (en) | Robotic load handler coordination system, cell grid system and method of coordinating a robotic load handler | |
Nossack et al. | Container dispatching and conflict-free yard crane routing in an automated container terminal | |
Zhen et al. | A review on yard management in container terminals | |
Xu et al. | Integrated scheduling optimization of U-shaped automated container terminal under loading and unloading mode | |
Speer et al. | Scheduling of different automated yard crane systems at container terminals | |
JP2022037223A (ja) | ロボットの経路の制御方法、サーバーおよび記憶媒体 | |
EP2863349A1 (en) | System and method for integral planning and control of container flow operations in container terminals | |
Li et al. | Simulation study on terminal layout in automated container terminals from efficiency, economic and environment perspectives | |
CN106773686B (zh) | 同轨双车运行模式下堆垛机调度路径模型建立方法 | |
JP2022035999A (ja) | 倉庫ロボットのナビゲーションルート予約 | |
CN108928594B (zh) | 基于智能体模型的立体库多向穿梭车调度系统的调度方法 | |
Stahlbock et al. | Efficiency considerations for sequencing and scheduling of double-rail-mounted gantry cranes at maritime container terminals | |
Hu et al. | Multi-AGV dispatching and routing problem based on a three-stage decomposition method | |
Speer et al. | Scheduling yard cranes considering crane interference | |
Gerrits et al. | A simulation model for the planning and control of AGVs at automated container terminals | |
Zhao et al. | Simulation‐Based Optimization for Storage Allocation Problem of Outbound Containers in Automated Container Terminals | |
Xu et al. | Dynamic spare point application based coordination strategy for multi-AGV systems in a WIP warehouse environment | |
Kim | Models and methods for operations in port container terminals | |
Vidal et al. | Building agent-based models of seaport container terminals | |
Hu et al. | Performance analysis on transfer platforms in frame bridge based automated container terminals | |
AU2021308322B2 (en) | A controller and method for transporting devices | |
Lee et al. | A simulation study for next generation transshipment port |
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 |