CN116184944A - 一种智慧工厂智能机器人控制管理方法及系统 - Google Patents

一种智慧工厂智能机器人控制管理方法及系统 Download PDF

Info

Publication number
CN116184944A
CN116184944A CN202211550919.9A CN202211550919A CN116184944A CN 116184944 A CN116184944 A CN 116184944A CN 202211550919 A CN202211550919 A CN 202211550919A CN 116184944 A CN116184944 A CN 116184944A
Authority
CN
China
Prior art keywords
route
target
robot
transfer robot
target transfer
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
CN202211550919.9A
Other languages
English (en)
Other versions
CN116184944B (zh
Inventor
刘德梅
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.)
Guangdong Haixing Plastic and Rubber Co Ltd
Original Assignee
Wuhan Yitelanrui 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 Wuhan Yitelanrui Technology Co ltd filed Critical Wuhan Yitelanrui Technology Co ltd
Priority to CN202211550919.9A priority Critical patent/CN116184944B/zh
Publication of CN116184944A publication Critical patent/CN116184944A/zh
Application granted granted Critical
Publication of CN116184944B publication Critical patent/CN116184944B/zh
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
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及智慧工厂智能机器人控制管理领域，具体公开一种智慧工厂智能机器人控制管理方法及系统，本发明通过获取目标搬运机器人各条行驶路线的基本信息和搬运信息，筛选出目标搬运机器人的各条参考路线；获取目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各标记异常路段的避让时长；分析目标搬运机器人各条参考路线的通行影响系数和通行所需时长，综合得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，从多个维度对路径的通行时间进行分析，提高分析结果的准确性和可靠性，进而评估得到最优运输路径，从而提高运输效率。

Description

一种智慧工厂智能机器人控制管理方法及系统
技术领域
本发明涉及智慧工厂智能机器人控制管理领域，涉及到一种智慧工厂智能机器人控制管理方法及系统。
背景技术
随着科技的发展，人工智能技术逐渐渗透到各行各业，搬运机器人在工厂仓库存储运输中得到广泛使用，对搬运机器人的控制管理也愈发显得重要，车辆管理是搬运机器人管理的核心模块，根据物料搬运任务的要求，分配和调度搬运机器人执行任务，根据搬运机器人行走时间最短的原理，计算搬运机器人的最短行走路径，进而对搬运机器人的行走过程进行控制和指挥。
运输效率是仓储搬运的重点，为提高搬运的效率就要缩短运输时间，进而需要对搬运机器人的行走路径进行规划，现有的搬运机器人路径规划分析管理方法在对搬运机器人的行走路径进行分析时，仅仅参考路程最短原则，即默认最短路程对应的路径耗费时间最短，分析指标过于单一化，没有考虑路径的路况，当路径存在路障时，需要绕路或者人工清理，进而需要耗费额外的时间，且路障的隐患程度不同，处理的方式不同，额外花费的时间也有所不同，从而使得现有分析方法的准确性和可靠性都比较低，无法评估出搬运的最佳路径，进而不能有效提高仓储运输的效率。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种智慧工厂智能机器人控制管理方法及系统。
本发明解决其技术问题采用的技术方案是：第一方面，本发明提供一种智慧工厂智能机器人控制管理方法，包括以下步骤：步骤一、搬运机器人行驶路线信息获取：根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度。
步骤二、搬运机器人行驶路线筛选：获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
步骤三、参考路线路障信息获取：获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积。
步骤四、参考路线路障隐患评估：根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数。
步骤五、参考路线路障避让时长获取：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长。
步骤六、参考路线通行影响系数获取：获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数。
步骤七、参考路线评估筛选：获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理。
在一种可能的设计中，所述步骤一中获取目标搬运机器人各条行驶路线的基本信息，具体过程为：按照预设的等长度原则对目标搬运机器人的各条行驶路线进行划分，得到目标搬运机器人的各条行驶路线的各子路段，通过尺寸测量仪器获取目标搬运机器人各条行驶路线各子路段的车间通行宽度和车间通行高度，将目标搬运机器人各条行驶路线各子路段的车间通行宽度进行相互比较，将最小的车间通行宽度记为目标搬运机器人行驶路线的车间通行宽度，统计得到目标搬运机器人各条行驶路线的车间通行宽度，将其记为
Figure BDA0003980984300000031
i表示第i条行驶路线的编号，i＝1,2,...,n，同理，根据目标搬运机器人各条行驶路线的车间通行宽度的分析方法，得到目标搬运机器人各条行驶路线的车间通行高度，将其记为/>
Figure BDA0003980984300000032
在一种可能的设计中，所述步骤二的具体分析过程为：提取数据库中存储的目标搬运机器人满载的图像，根据目标搬运机器人满载的图像，构建目标搬运机器人满载的空间模型，得到目标搬运机器人满载的宽度和高度，将其分别记为目标搬运机器人的搬运宽度和搬运高度，并分别表示为a搬和b搬。
通过分析公式
Figure BDA0003980984300000041
得到目标搬运机器人各条行驶路线的畅通系数βi，其中χ1、χ2分别表示预设的车间通行宽度和车间通行高度的权重因子，Δa、Δb分别表示预设的车间通行宽度余量和车间通行高度余量。
将目标搬运机器人各条行驶路线的畅通系数与预设的畅通系数阈值进行比对，若目标搬运机器人某条行驶路线的畅通系数大于预设的畅通系数阈值，则目标搬运机器人该条行驶路线能够通行，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
在一种可能的设计中，所述步骤三的具体分析过程为：根据目标搬运机器人的各条行驶路线的各子路段，筛选得到目标搬运机器人的各条参考路线的各子路段，通过高清摄像头获取目标搬运机器人各条参考路线各子路段的路面图像，分析得到目标搬运机器人各条参考路线上各异常路段的液状异物面积和固状异物面积，将其分别记为
Figure BDA0003980984300000042
和/>
Figure BDA0003980984300000043
j表示第j条参考路线的编号，j＝1,2,...,m，p表示第p个异常路段的编号，p＝1,2,...,q。
在一种可能的设计中，所述步骤四的具体分析过程为：将目标搬运机器人各条参考路线上各异常路段的液状异物面积
Figure BDA0003980984300000044
和固状异物面积/>
Figure BDA0003980984300000045
代入公式/>
Figure BDA0003980984300000046
得到目标搬运机器人各条参考路线上各异常路段的隐患系数δjp，其中ε表示预设的异常路段的隐患系数修正因子，φ1、φ2分别表示预设的液状异物面积和固状异物面积的权重因子，Δs1、Δs2分别表示预设的允许液状异物面积和允许固状异物面积。
在一种可能的设计中，所述步骤五的具体分析过程为：D1:将目标搬运机器人各条参考路线上各异常路段的隐患系数与预设的隐患系数预警值进行比对，若目标搬运机器人某条参考路线上某异常路段的隐患系数大于预设的隐患系数预警值，表明目标搬运机器人该条参考路线上该异常路段需要处理，将目标搬运机器人该条参考路线上该异常路段记为标记异常路段，统计得到目标搬运机器人各条参考路线上各标记异常路段，并执行D2。
D2：获取目标搬运机器人各条参考路线上各标记异常路段对应的各绕路路线，分析得到目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线，将目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线长度记为
Figure BDA0003980984300000051
u表示第u个标记异常路段的编号，u＝1,2,...,v，获取目标搬运机器人各条参考路线上各标记异常路段的长度，将其记为/>
Figure BDA0003980984300000052
提取数据库中存储的目标搬运机器人的平均行驶速度，通过分析公式
Figure BDA0003980984300000053
得到目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长/>
Figure BDA0003980984300000054
其中/>
Figure BDA0003980984300000055
表示预设的绕路增加时长的修正因子，v0表示目标搬运机器人的平均行驶速度。
D3：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，筛选得到目标搬运机器人各条参考路线上各标记异常路段的隐患系数，将目标搬运机器人各条参考路线上各标记异常路段的隐患系数与预设的各路障等级对应的隐患系数范围进行比对，筛选得到目标搬运机器人各条参考路线上各标记异常路段的路障等级。
提取数据库中存储的各路障等级对应的人工清理所需时长，根据目标搬运机器人各条参考路线上各标记异常路段的路障等级，筛选得到目标搬运机器人各条参考路线上各标记异常路段的人工清理所需时长。
D4：将目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长和其对应的人工清理所需时长进行比较，分析得到目标搬运机器人各条参考路线上各标记异常路段的避让时长，将其记为
Figure BDA0003980984300000061
在一种可能的设计中，所述步骤六的具体分析过程为：根据目标搬运机器人的各条参考路线，得到目标搬运机器人各条参考路线的拐弯点数量，将其记为dj。
提取数据库中存储的指定工厂车间各事故路段的搬运事故发生次数，将目标搬运机器人各条参考路线与指定工厂车间各事故路段进行比对，分析得到目标搬运机器人各条参考路线的历史搬运事故发生次数，将其记为fj。
将目标搬运机器人各条参考路线的拐弯点数量dj和历史搬运事故发生次数fj代入公式
Figure BDA0003980984300000062
得到目标搬运机器人各条参考路线的通行影响系数γj，其中η1、η2分别表示预设的拐弯点数量和历史搬运事故发生次数的权重因子，m表示参考路线的总数量。
在一种可能的设计中，所述步骤七的具体分析过程为：获取目标搬运机器人各条参考路线的长度，将其记为hj，将目标搬运机器人各条参考路线的长度hj、各条参考路线上各标记异常路段的避让时长
Figure BDA0003980984300000071
和目标搬运机器人的平均行驶速度v0代入公式
Figure BDA0003980984300000072
得到目标搬运机器人各条参考路线的通行所需时长/>
Figure BDA0003980984300000073
其中ΔT表示预设的通行所需时长的修正量。
将目标搬运机器人各条参考路线的通行所需时长
Figure BDA0003980984300000074
和通行影响系数γj代入公式/>
Figure BDA0003980984300000075
得到目标搬运机器人各条参考路线的推荐系数ξj，其中ψ表示预设的推荐系数修正因子，e表示自然常数。
将目标搬运机器人各条参考路线的推荐系数进行相互比较，将最大推荐系数对应的参考路线记为目标搬运机器人的最佳路线，将目标搬运机器人的最佳路线发送至目标搬运机器人的控制终端。
第二方面，本发明还提供一种智慧工厂智能机器人控制管理系统，包括：搬运机器人行驶路线信息获取模块：用于根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度。
搬运机器人行驶路线筛选模块：用于获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
参考路线路障信息获取模块：用于获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积。
参考路线路障隐患评估模块：用于根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数。
参考路线路障避让时长获取模块：用于根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长。
参考路线通行影响系数获取模块：用于获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数。
参考路线评估筛选模块：用于获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理。
数据库：用于存储目标搬运机器人满载的图像、指定工厂车间地面的标准图像、地面液状异物图像集合、地面固状异物图像集合、目标搬运机器人的平均行驶速度、各路障等级对应的人工清理所需时长和指定工厂车间各事故路段的搬运事故发生次数。
相较于现有技术，本发明的有益效果如下：1.本发明提供的一种智慧工厂智能机器人控制管理方法及系统，通过获取目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各标记异常路段的避让时长；分析目标搬运机器人各条参考路线的通行影响系数和通行所需时长，综合得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，从多个维度对路径的通行时间进行分析，提高分析结果的准确性和可靠性，进而评估得到最优运输路径，从而提高运输效率。
2.本发明通过获取目标搬运机器人各条行驶路线的车间通行宽度、车间通行高度和目标搬运机器人的搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，根据路径的空间大小，对各路径进行初步筛选，缩小分析的对象范围，进而提高分析的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程示意图。
图2为本发明的系统模块连接图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明的第一方面提供一种智慧工厂智能机器人控制管理方法，包括如下步骤：步骤一、搬运机器人行驶路线信息获取：根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度。
示例性地，所述步骤一中获取目标搬运机器人各条行驶路线的基本信息，具体过程为：按照预设的等长度原则对目标搬运机器人的各条行驶路线进行划分，得到目标搬运机器人的各条行驶路线的各子路段，通过尺寸测量仪器获取目标搬运机器人各条行驶路线各子路段的车间通行宽度和车间通行高度，将目标搬运机器人各条行驶路线各子路段的车间通行宽度进行相互比较，将最小的车间通行宽度记为目标搬运机器人行驶路线的车间通行宽度，统计得到目标搬运机器人各条行驶路线的车间通行宽度，将其记为
Figure BDA0003980984300000101
i表示第i条行驶路线的编号，i＝1,2,...,n，同理，根据目标搬运机器人各条行驶路线的车间通行宽度的分析方法，得到目标搬运机器人各条行驶路线的车间通行高度，将其记为/>
Figure BDA0003980984300000111
作为一种优选方案，所述步骤一中目标搬运机器人的各条行驶路线，获取方法为：从指定工厂车间中目标自走式物料搬运机器人的控制终端，获取指定工厂车间中目标自走式物料搬运机器人当前运输任务对应的起点位置和终点位置，将其记为指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置。
根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线。
步骤二、搬运机器人行驶路线筛选：获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
示例性地，所述步骤二的具体分析过程为：提取数据库中存储的目标搬运机器人满载的图像，根据目标搬运机器人满载的图像，构建目标搬运机器人满载的空间模型，得到目标搬运机器人满载的宽度和高度，将其分别记为目标搬运机器人的搬运宽度和搬运高度，并分别表示为a搬和b搬。
通过分析公式
Figure BDA0003980984300000112
得到目标搬运机器人各条行驶路线的畅通系数βi，其中χ1、χ2分别表示预设的车间通行宽度和车间通行高度的权重因子，Δa、Δb分别表示预设的车间通行宽度余量和车间通行高度余量。
将目标搬运机器人各条行驶路线的畅通系数与预设的畅通系数阈值进行比对，若目标搬运机器人某条行驶路线的畅通系数大于预设的畅通系数阈值，则目标搬运机器人该条行驶路线能够通行，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
在本实施例中，本发明通过获取目标搬运机器人各条行驶路线的车间通行宽度、车间通行高度和目标搬运机器人的搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，根据路径的空间大小，对各路径进行初步筛选，缩小分析的对象范围，进而提高分析的效率。
步骤三、参考路线路障信息获取：获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积。
示例性地，所述步骤三的具体分析过程为：根据目标搬运机器人的各条行驶路线的各子路段，筛选得到目标搬运机器人的各条参考路线的各子路段，通过高清摄像头获取目标搬运机器人各条参考路线各子路段的路面图像，分析得到目标搬运机器人各条参考路线上各异常路段的液状异物面积和固状异物面积，将其分别记为
Figure BDA0003980984300000121
和/>
Figure BDA0003980984300000122
j表示第j条参考路线的编号，j＝1,2,...,m，p表示第p个异常路段的编号，p＝1,2,...,q。
作为一种优选方案，所述目标搬运机器人各条参考路线上各异常路段的液状异物面积和固状异物面积，获取方法为：提取数据库中存储的指定工厂车间地面的标准图像，将目标搬运机器人各条参考路线各子路段的路面图像与指定工厂车间地面的标准图像进行比对，得到目标搬运机器人各条参考路线上各异常路段和目标搬运机器人各条参考路线上各异常路段的各异常地面区域。
获取目标搬运机器人各条参考路线上各异常路段各异常地面区域的图像，提取数据库中存储的地面液状异物图像集合和地面固状异物图像集合，将目标搬运机器人各条参考路线上各异常路段各异常地面区域图像分别与地面液状异物图像集合和地面固状异物图像集合进行比对，若目标搬运机器人某条参考路线上某异常路段某异常地面区域图像与地面液状异物图像集合中某图像相同，则将目标搬运机器人该条参考路线上该异常路段该异常地面区域图像记为液状异物区域图像，筛选出目标搬运机器人各条参考路线上各异常路段各液状异物区域图像，进一步得到目标搬运机器人各条参考路线上各异常路段各液状异物区域面积，对目标搬运机器人各条参考路线上各异常路段各液状异物区域面积进行累加，得到目标搬运机器人各条参考路线上各异常路段的液状异物面积，同理，根据目标搬运机器人各条参考路线上各异常路段的液状异物面积的分析方法，得到目标搬运机器人各条参考路线上各异常路段的固状异物面积。
作为一种优选方案，所述目标搬运机器人各条参考路线各子路段的路面图像与指定工厂车间地面的标准图像进行比对，具体过程为：利用图像处理技术得到目标搬运机器人各条参考路线各子路段路面图像的各灰度值和指定工厂车间地面标准图像的各灰度值，将目标搬运机器人各条参考路线各子路段路面图像的各灰度值和指定工厂车间地面标准图像的各灰度值进行比对，若目标搬运机器人某条参考路线某子路段路面图像的某灰度值和指定工厂车间地面标准图像的各灰度值均不相同，则将目标搬运机器人该条参考路线该子路段路面图像的该灰度值记为异常灰度值，并将目标搬运机器人该条参考路线该子路段记为路面异常子路段，统计得到目标搬运机器人各条参考路线各路面异常子路段，将其记为目标搬运机器人各条参考路线上各异常路段。
筛选出目标搬运机器人各条参考路线各子路段路面图像的各异常灰度值，将目标搬运机器人各条参考路线各子路段路面图像各异常灰度值对应区域记为目标搬运机器人各条参考路线上各异常路段的各异常地面区域。
步骤四、参考路线路障隐患评估：根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数。
示例性地，所述步骤四的具体分析过程为：将目标搬运机器人各条参考路线上各异常路段的液状异物面积
Figure BDA0003980984300000141
和固状异物面积/>
Figure BDA0003980984300000142
代入公式
Figure BDA0003980984300000143
得到目标搬运机器人各条参考路线上各异常路段的隐患系数δjp，其中ε表示预设的异常路段的隐患系数修正因子，φ1、φ2分别表示预设的液状异物面积和固状异物面积的权重因子，Δs1、Δs2分别表示预设的允许液状异物面积和允许固状异物面积。
步骤五、参考路线路障避让时长获取：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长。
示例性地，所述步骤五的具体分析过程为：D1:将目标搬运机器人各条参考路线上各异常路段的隐患系数与预设的隐患系数预警值进行比对，若目标搬运机器人某条参考路线上某异常路段的隐患系数大于预设的隐患系数预警值，表明目标搬运机器人该条参考路线上该异常路段需要处理，将目标搬运机器人该条参考路线上该异常路段记为标记异常路段，统计得到目标搬运机器人各条参考路线上各标记异常路段，并执行D2。
D2：获取目标搬运机器人各条参考路线上各标记异常路段对应的各绕路路线，分析得到目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线，将目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线长度记为
Figure BDA0003980984300000151
u表示第u个标记异常路段的编号，u＝1,2,...,v，获取目标搬运机器人各条参考路线上各标记异常路段的长度，将其记为/>
Figure BDA0003980984300000152
提取数据库中存储的目标搬运机器人的平均行驶速度，通过分析公式
Figure BDA0003980984300000153
得到目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长/>
Figure BDA0003980984300000154
其中/>
Figure BDA0003980984300000155
表示预设的绕路增加时长的修正因子，v0表示目标搬运机器人的平均行驶速度。
D3：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，筛选得到目标搬运机器人各条参考路线上各标记异常路段的隐患系数，将目标搬运机器人各条参考路线上各标记异常路段的隐患系数与预设的各路障等级对应的隐患系数范围进行比对，筛选得到目标搬运机器人各条参考路线上各标记异常路段的路障等级。
提取数据库中存储的各路障等级对应的人工清理所需时长，根据目标搬运机器人各条参考路线上各标记异常路段的路障等级，筛选得到目标搬运机器人各条参考路线上各标记异常路段的人工清理所需时长。
D4：将目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长和其对应的人工清理所需时长进行比较，分析得到目标搬运机器人各条参考路线上各标记异常路段的避让时长，将其记为
Figure BDA0003980984300000161
作为一种优选方案，所述目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线，获取方法为：获取目标搬运机器人各条参考路线上各标记异常路段对应各绕路路线的长度，将目标搬运机器人各条参考路线上各标记异常路段对应各绕路路线的长度进行相互比较，将最短长度对应的绕路路线记为理想绕路路线，筛选得到目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线。
作为一种优选方案，所述目标搬运机器人各条参考路线上各标记异常路段的避让时长，获取方法为：将目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长和其对应的人工清理所需时长进行比较，若目标搬运机器人某条参考路线上某标记异常路段的绕路增加时长小于其对应的人工清理所需时长，则目标搬运机器人该条参考路线上该标记异常路段的适宜处理方式为绕路方式，且目标搬运机器人该条参考路线上该标记异常路段的避让时长为其对应的绕路增加时长，反之，则目标搬运机器人该条参考路线上该标记异常路段的适宜处理方式为人工清理方式，且目标搬运机器人该条参考路线上该标记异常路段的避让时长为其对应的人工清理所需时长，统计得到目标搬运机器人各条参考路线上各标记异常路段的避让时长。
步骤六、参考路线通行影响系数获取：获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数。
示例性地，所述步骤六的具体分析过程为：根据目标搬运机器人的各条参考路线，得到目标搬运机器人各条参考路线的拐弯点数量，将其记为dj。
提取数据库中存储的指定工厂车间各事故路段的搬运事故发生次数，将目标搬运机器人各条参考路线与指定工厂车间各事故路段进行比对，分析得到目标搬运机器人各条参考路线的历史搬运事故发生次数，将其记为fj。
将目标搬运机器人各条参考路线的拐弯点数量dj和历史搬运事故发生次数fj代入公式
Figure BDA0003980984300000171
得到目标搬运机器人各条参考路线的通行影响系数γj，其中η1、η2分别表示预设的拐弯点数量和历史搬运事故发生次数的权重因子，m表示参考路线的总数量。
作为一种优选方案，所述目标搬运机器人各条参考路线的历史搬运事故发生次数，具体获取方法为：将目标搬运机器人各条参考路线与指定工厂车间各事故路段进行比对，若目标搬运机器人某条参考路线与指定工厂车间某事故路段存在重合，将该事故路段记为目标搬运机器人该条参考路线的匹配事故路段，统计得到目标搬运机器人各条参考路线的各匹配事故路段，根据指定工厂车间各事故路段的搬运事故发生次数，筛选得到目标搬运机器人各条参考路线的各匹配事故路段的搬运事故发生次数，对目标搬运机器人各条参考路线的各匹配事故路段的搬运事故发生次数进行累加，得到目标搬运机器人各条参考路线的历史搬运事故发生次数。
在本实施例中，本发明通过获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数，综合考虑多方面因素可能对通行时间造成的影响，进而提高分析结果的严谨性。
步骤七、参考路线评估筛选：获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理。
示例性地，所述步骤七的具体分析过程为：获取目标搬运机器人各条参考路线的长度，将其记为hj，将目标搬运机器人各条参考路线的长度hj、各条参考路线上各标记异常路段的避让时长
Figure BDA0003980984300000181
和目标搬运机器人的平均行驶速度v0代入公式/>
Figure BDA0003980984300000191
得到目标搬运机器人各条参考路线的通行所需时长/>
Figure BDA0003980984300000192
其中ΔT表示预设的通行所需时长的修正量。
将目标搬运机器人各条参考路线的通行所需时长
Figure BDA0003980984300000193
和通行影响系数γj代入公式/>
Figure BDA0003980984300000194
得到目标搬运机器人各条参考路线的推荐系数ξj，其中ψ表示预设的推荐系数修正因子，e表示自然常数。
将目标搬运机器人各条参考路线的推荐系数进行相互比较，将最大推荐系数对应的参考路线记为目标搬运机器人的最佳路线，将目标搬运机器人的最佳路线发送至目标搬运机器人的控制终端。
第二方面，本发明还提供一种智慧工厂智能机器人控制管理系统，包括搬运机器人行驶路线信息获取模块、搬运机器人行驶路线筛选模块、参考路线路障信息获取模块、参考路线路障隐患评估模块、参考路线路障避让时长获取模块、参考路线通行影响系数获取模块、参考路线评估筛选模块和数据库。
所述搬运机器人行驶路线筛选模块分别与搬运机器人行驶路线信息获取模块和参考路线路障信息获取模块连接，参考路线路障隐患评估模块分别与参考路线路障信息获取模块和参考路线路障避让时长获取模块连接，参考路线通行影响系数获取模块分别与参考路线路障避让时长获取模块和参考路线评估筛选模块连接，数据库分别与搬运机器人行驶路线筛选模块、参考路线路障信息获取模块、参考路线路障避让时长获取模块和参考路线通行影响系数获取模块连接。
所述搬运机器人行驶路线信息获取模块用于根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度。
所述搬运机器人行驶路线筛选模块用于获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
所述参考路线路障信息获取模块用于获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积。
所述参考路线路障隐患评估模块用于根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数。
所述参考路线路障避让时长获取模块用于根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长。
所述参考路线通行影响系数获取模块用于获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数。
所述参考路线评估筛选模块用于获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理。
所述数据库用于存储目标搬运机器人满载的图像、指定工厂车间地面的标准图像、地面液状异物图像集合、地面固状异物图像集合、目标搬运机器人的平均行驶速度、各路障等级对应的人工清理所需时长和指定工厂车间各事故路段的搬运事故发生次数。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种智慧工厂智能机器人控制管理方法，其特征在于，包括如下步骤：
步骤一、搬运机器人行驶路线信息获取：根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度；
步骤二、搬运机器人行驶路线筛选：获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线；
步骤三、参考路线路障信息获取：获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积；
步骤四、参考路线路障隐患评估：根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数；
步骤五、参考路线路障避让时长获取：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长；
步骤六、参考路线通行影响系数获取：获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数；
步骤七、参考路线评估筛选：获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理。
2.根据权利要求1所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤一中获取目标搬运机器人各条行驶路线的基本信息，具体过程为：
按照预设的等长度原则对目标搬运机器人的各条行驶路线进行划分，得到目标搬运机器人的各条行驶路线的各子路段，通过尺寸测量仪器获取目标搬运机器人各条行驶路线各子路段的车间通行宽度和车间通行高度，将目标搬运机器人各条行驶路线各子路段的车间通行宽度进行相互比较，将最小的车间通行宽度记为目标搬运机器人行驶路线的车间通行宽度，统计得到目标搬运机器人各条行驶路线的车间通行宽度，将其记为
Figure FDA0003980984290000021
i表示第i条行驶路线的编号，i＝1,2,...,n，同理，根据目标搬运机器人各条行驶路线的车间通行宽度的分析方法，得到目标搬运机器人各条行驶路线的车间通行高度，将其记为/>
Figure FDA0003980984290000022
3.根据权利要求1所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤二的具体分析过程为：
提取数据库中存储的目标搬运机器人满载的图像，根据目标搬运机器人满载的图像，构建目标搬运机器人满载的空间模型，得到目标搬运机器人满载的宽度和高度，将其分别记为目标搬运机器人的搬运宽度和搬运高度，并分别表示为a搬和b搬；
通过分析公式
Figure FDA0003980984290000031
得到目标搬运机器人各条行驶路线的畅通系数βi，其中χ1、χ2分别表示预设的车间通行宽度和车间通行高度的权重因子，Δa、Δb分别表示预设的车间通行宽度余量和车间通行高度余量；
将目标搬运机器人各条行驶路线的畅通系数与预设的畅通系数阈值进行比对，若目标搬运机器人某条行驶路线的畅通系数大于预设的畅通系数阈值，则目标搬运机器人该条行驶路线能够通行，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线。
4.根据权利要求2所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤三的具体分析过程为：
根据目标搬运机器人的各条行驶路线的各子路段，筛选得到目标搬运机器人的各条参考路线的各子路段，通过高清摄像头获取目标搬运机器人各条参考路线各子路段的路面图像，分析得到目标搬运机器人各条参考路线上各异常路段的液状异物面积和固状异物面积，将其分别记为
Figure FDA0003980984290000032
和/>
Figure FDA0003980984290000033
j表示第j条参考路线的编号，j＝1,2,...,m，p表示第p个异常路段的编号，p＝1,2,...,q。
5.根据权利要求1所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤四的具体分析过程为：
将目标搬运机器人各条参考路线上各异常路段的液状异物面积
Figure FDA0003980984290000041
和固状异物面积
Figure FDA0003980984290000042
代入公式/>
Figure FDA0003980984290000043
得到目标搬运机器人各条参考路线上各异常路段的隐患系数δjp，其中ε表示预设的异常路段的隐患系数修正因子，φ1、φ2分别表示预设的液状异物面积和固状异物面积的权重因子，Δs1、Δs2分别表示预设的允许液状异物面积和允许固状异物面积。
6.根据权利要求1所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤五的具体分析过程为：
D1:将目标搬运机器人各条参考路线上各异常路段的隐患系数与预设的隐患系数预警值进行比对，若目标搬运机器人某条参考路线上某异常路段的隐患系数大于预设的隐患系数预警值，表明目标搬运机器人该条参考路线上该异常路段需要处理，将目标搬运机器人该条参考路线上该异常路段记为标记异常路段，统计得到目标搬运机器人各条参考路线上各标记异常路段，并执行D2；
D2：获取目标搬运机器人各条参考路线上各标记异常路段对应的各绕路路线，分析得到目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线，将目标搬运机器人各条参考路线上各标记异常路段的理想绕路路线长度记为
Figure FDA0003980984290000044
u表示第u个标记异常路段的编号，u＝1,2,...,v，获取目标搬运机器人各条参考路线上各标记异常路段的长度，将其记为/>
Figure FDA0003980984290000045
提取数据库中存储的目标搬运机器人的平均行驶速度，通过分析公式
Figure FDA0003980984290000051
得到目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长/>
Figure FDA0003980984290000052
其中/>
Figure FDA0003980984290000053
表示预设的绕路增加时长的修正因子，v0表示目标搬运机器人的平均行驶速度；
D3：根据目标搬运机器人各条参考路线上各异常路段的隐患系数，筛选得到目标搬运机器人各条参考路线上各标记异常路段的隐患系数，将目标搬运机器人各条参考路线上各标记异常路段的隐患系数与预设的各路障等级对应的隐患系数范围进行比对，筛选得到目标搬运机器人各条参考路线上各标记异常路段的路障等级；
提取数据库中存储的各路障等级对应的人工清理所需时长，根据目标搬运机器人各条参考路线上各标记异常路段的路障等级，筛选得到目标搬运机器人各条参考路线上各标记异常路段的人工清理所需时长；
D4：将目标搬运机器人各条参考路线上各标记异常路段的绕路增加时长和其对应的人工清理所需时长进行比较，分析得到目标搬运机器人各条参考路线上各标记异常路段的避让时长，将其记为
Figure FDA0003980984290000054
7.根据权利要求1所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤六的具体分析过程为：
根据目标搬运机器人的各条参考路线，得到目标搬运机器人各条参考路线的拐弯点数量，将其记为dj；
提取数据库中存储的指定工厂车间各事故路段的搬运事故发生次数，将目标搬运机器人各条参考路线与指定工厂车间各事故路段进行比对，分析得到目标搬运机器人各条参考路线的历史搬运事故发生次数，将其记为fj；
将目标搬运机器人各条参考路线的拐弯点数量dj和历史搬运事故发生次数fj代入公式
Figure FDA0003980984290000061
得到目标搬运机器人各条参考路线的通行影响系数γj，其中η1、η2分别表示预设的拐弯点数量和历史搬运事故发生次数的权重因子，m表示参考路线的总数量。
8.根据权利要求6所述的一种智慧工厂智能机器人控制管理方法，其特征在于：所述步骤七的具体分析过程为：
获取目标搬运机器人各条参考路线的长度，将其记为hj，将目标搬运机器人各条参考路线的长度hj、各条参考路线上各标记异常路段的避让时长
Figure FDA0003980984290000062
和目标搬运机器人的平均行驶速度v0代入公式/>
Figure FDA0003980984290000063
得到目标搬运机器人各条参考路线的通行所需时长/>
Figure FDA0003980984290000064
其中ΔT表示预设的通行所需时长的修正量；
将目标搬运机器人各条参考路线的通行所需时长
Figure FDA0003980984290000065
和通行影响系数γj代入公式/>
Figure FDA0003980984290000066
得到目标搬运机器人各条参考路线的推荐系数ξj，其中ψ表示预设的推荐系数修正因子，e表示自然常数；
将目标搬运机器人各条参考路线的推荐系数进行相互比较，将最大推荐系数对应的参考路线记为目标搬运机器人的最佳路线，将目标搬运机器人的最佳路线发送至目标搬运机器人的控制终端。
9.一种智慧工厂智能机器人控制管理系统，其特征在于，包括：
搬运机器人行驶路线信息获取模块：用于根据指定工厂车间中目标自走式物料搬运机器人的起点位置和终点位置，得到目标自走式物料搬运机器人的各条行驶路线，将其记为目标搬运机器人的各条行驶路线，获取目标搬运机器人各条行驶路线的基本信息，其中基本信息包括车间通行宽度和车间通行高度；
搬运机器人行驶路线筛选模块：用于获取目标搬运机器人的搬运信息，根据目标搬运机器人的各条行驶路线基本信息和搬运信息，筛选出目标搬运机器人能够通行的各条行驶路线，将其记为目标搬运机器人的各条参考路线；
参考路线路障信息获取模块：用于获取目标搬运机器人各条参考路线上各异常路段的路障信息，其中路障信息包括液状异物面积和固状异物面积；
参考路线路障隐患评估模块：用于根据目标搬运机器人各条参考路线上各异常路段的路障信息，得到目标搬运机器人各条参考路线上各异常路段的隐患系数；
参考路线路障避让时长获取模块：用于根据目标搬运机器人各条参考路线上各异常路段的隐患系数，判断目标搬运机器人各条参考路线上各异常路段是否需要处理，进一步得到目标搬运机器人各条参考路线上各标记异常路段的避让时长；
参考路线通行影响系数获取模块：用于获取目标搬运机器人各条参考路线的转弯点数量和历史搬运事故发生次数，得到目标搬运机器人各条参考路线的通行影响系数；
参考路线评估筛选模块：用于获取目标搬运机器人各条参考路线的通行所需时长，根据目标搬运机器人各条参考路线的通行所需时长和通行影响系数，得到目标搬运机器人各条参考路线的推荐系数，筛选出目标搬运机器人的最佳路线，并进行相应处理；
数据库：用于存储目标搬运机器人满载的图像、指定工厂车间地面的标准图像、地面液状异物图像集合、地面固状异物图像集合、目标搬运机器人的平均行驶速度、各路障等级对应的人工清理所需时长和指定工厂车间各事故路段的搬运事故发生次数。
CN202211550919.9A 2022-12-05 2022-12-05 一种智慧工厂智能机器人控制管理方法及系统 Active CN116184944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211550919.9A CN116184944B (zh) 2022-12-05 2022-12-05 一种智慧工厂智能机器人控制管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211550919.9A CN116184944B (zh) 2022-12-05 2022-12-05 一种智慧工厂智能机器人控制管理方法及系统

Publications (2)

Publication Number Publication Date
CN116184944A true CN116184944A (zh) 2023-05-30
CN116184944B CN116184944B (zh) 2024-04-26

Family

ID=86435307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211550919.9A Active CN116184944B (zh) 2022-12-05 2022-12-05 一种智慧工厂智能机器人控制管理方法及系统

Country Status (1)

Country Link
CN (1) CN116184944B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542417A (zh) * 2023-07-05 2023-08-04 泓浒(苏州)半导体科技有限公司 一种面向半导体生产线搬运系统的控制系统及方法
CN116661467A (zh) * 2023-08-01 2023-08-29 山东致远通信网络有限公司 基于数字图像处理的agv机器人行走路径智能控制系统
CN117350445A (zh) * 2023-11-16 2024-01-05 广西桂冠电力股份有限公司 一种基于人工智能的智慧应急指挥系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108363395A (zh) * 2018-02-11 2018-08-03 智久(厦门)机器人科技有限公司 一种agv自主避障的方法
CN109544984A (zh) * 2017-09-21 2019-03-29 顺丰速运有限公司 用以保证货场交叉区域运输安全的车辆调度方法及装置
CN110211405A (zh) * 2019-05-22 2019-09-06 南京理工大学 一种基于交通信息素模型的出行路径规划方法
CN110716560A (zh) * 2019-11-22 2020-01-21 广西科技师范学院 一种移动机器人路径分析规划方法
CN114529073A (zh) * 2022-02-12 2022-05-24 龙合智能装备制造有限公司 装卸搬运系统靠近集装箱过程的行走路径规划方法
CN115375130A (zh) * 2022-08-17 2022-11-22 南京元屏风科技有限公司 一种基于智慧物流仓储管理的agv机器人智能搬运控制分析系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544984A (zh) * 2017-09-21 2019-03-29 顺丰速运有限公司 用以保证货场交叉区域运输安全的车辆调度方法及装置
CN108363395A (zh) * 2018-02-11 2018-08-03 智久(厦门)机器人科技有限公司 一种agv自主避障的方法
CN110211405A (zh) * 2019-05-22 2019-09-06 南京理工大学 一种基于交通信息素模型的出行路径规划方法
CN110716560A (zh) * 2019-11-22 2020-01-21 广西科技师范学院 一种移动机器人路径分析规划方法
CN114529073A (zh) * 2022-02-12 2022-05-24 龙合智能装备制造有限公司 装卸搬运系统靠近集装箱过程的行走路径规划方法
CN115375130A (zh) * 2022-08-17 2022-11-22 南京元屏风科技有限公司 一种基于智慧物流仓储管理的agv机器人智能搬运控制分析系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542417A (zh) * 2023-07-05 2023-08-04 泓浒(苏州)半导体科技有限公司 一种面向半导体生产线搬运系统的控制系统及方法
CN116542417B (zh) * 2023-07-05 2023-09-12 泓浒(苏州)半导体科技有限公司 一种面向半导体生产线搬运系统的控制系统及方法
CN116661467A (zh) * 2023-08-01 2023-08-29 山东致远通信网络有限公司 基于数字图像处理的agv机器人行走路径智能控制系统
CN116661467B (zh) * 2023-08-01 2023-10-13 山东致远通信网络有限公司 基于数字图像处理的agv机器人行走路径智能控制系统
CN117350445A (zh) * 2023-11-16 2024-01-05 广西桂冠电力股份有限公司 一种基于人工智能的智慧应急指挥系统及方法
CN117350445B (zh) * 2023-11-16 2024-03-29 广西桂冠电力股份有限公司 一种基于人工智能的智慧应急指挥系统及方法

Also Published As

Publication number Publication date
CN116184944B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN116184944A (zh) 一种智慧工厂智能机器人控制管理方法及系统
EP3014598B1 (de) Verfahren zum verarbeiten von messdaten eines fahrzeugs zur bestimmung des beginns einer parkplatzsuche
JP4175312B2 (ja) 交通情報予測装置
DE102015116882B4 (de) Verbindungswahrscheinlichkeitsmodellbildung und Folgerung der Kreuzungsstruktur
DE102013208521B4 (de) Kollektives Erlernen eines hochgenauen Straßenmodells
CN110274609B (zh) 一种基于行程时间预测的实时路径规划方法
CN106156966A (zh) 物流监测方法及设备
JP2022537937A (ja) デジタルツインを用いた鉄道線路要素の状態の監視、予測、および保守
CN116777187B (zh) 一种多路巡检智能中控调度方法及调度平台
Guo et al. Comparison of modelling approaches for short term traffic prediction under normal and abnormal conditions
Zhang et al. A study on the method for cleaning and repairing the probe vehicle data
Figliozzi et al. Algorithms for studying the impact of travel time reliability along multisegment trucking freight corridors
CN117496739B (zh) 一种用于搬运机器人的自适应双层车库导航系统
CN115600733A (zh) 一种船舶航迹预测方法及装置
CN116434525A (zh) 一种高速公路智能管理预警系统
CN116817957A (zh) 基于机器视觉的无人车行驶路径规划方法及系统
CN117589177B (zh) 基于工业大模型自主导航方法
CN113706875B (zh) 一种道路功能研判方法
CN117670182A (zh) 一种基于物联网的物流调度系统
CN117037480A (zh) 一种基于北斗定位的车辆监管分析系统及方法
CN115907591B (zh) 一种海洋云仓污染物运输车辆异常行为预警方法和系统
DE102022001030B3 (de) Verfahren zur Ermittlung einer Navigationsroute für einen automatisierten Fahrbetrieb eines Fahrzeugs
Chen et al. Measuring Congestion for Strategic Highway Investment for Tomorrow (SHIFT) Implementation (PL-32)
DE102020115950A1 (de) Verfahren und Vorrichtung zur Ermittlung einer funktionalen Straßenklasse und einer wahrscheinlichsten Wegstrecke für ein Kraftfahrzeug
CN116740948B (zh) 车辆行程速度的预测估值方法、装置、介质及应用

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
TA01 Transfer of patent application right

Effective date of registration: 20240402

Address after: No.3 Road, zhumeipian, Jiedong Economic Development Zone, Jieyang City, Guangdong Province, 522000

Applicant after: GUANGDONG HAIXING PLASTIC & RUBBER Co.,Ltd.

Country or region after: China

Address before: 430040 No. 366, linkanggang Avenue, Dongxihu District, Wuhan City, Hubei Province

Applicant before: Wuhan yitelanrui Technology Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant