CN117302829B - 一种自动化的医疗器械仓储控制系统及控制方法 - Google Patents
一种自动化的医疗器械仓储控制系统及控制方法 Download PDFInfo
- Publication number
- CN117302829B CN117302829B CN202311616307.XA CN202311616307A CN117302829B CN 117302829 B CN117302829 B CN 117302829B CN 202311616307 A CN202311616307 A CN 202311616307A CN 117302829 B CN117302829 B CN 117302829B
- Authority
- CN
- China
- Prior art keywords
- module
- medical instrument
- warehouse
- medical
- mechanical arm
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims description 49
- 238000005457 optimization Methods 0.000 claims abstract description 62
- 238000007405 data analysis Methods 0.000 claims abstract description 41
- 238000005516 engineering process Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 8
- 238000011217 control strategy Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000012795 verification Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 238000004836 empirical method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000005426 magnetic field effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
Abstract
本发明涉及仓储控制技术领域,尤其涉及一种自动化的医疗器械仓储控制系统。中央控制与数据分析模块与所有其他模块进行数据交互,分发任务;高精度位置定位模块提供位置信息,并支持其他模块的操作;自适应货架模块根据中央控制与数据分析模块的建议进行动态调整;机械臂自动化模块根据高精度定位模块的位置信息执行操作,并与智能分拣技术模块交互完成分拣;智能分拣技术模块将分拣好的医疗器械传输给高速自动导引车模块;高速自动导引车模块基于物流自动化与路径优化模块提供的路径指导,进行传输;物流自动化与路径优化模块为高速自动导引车模块提供路径建议。解决了现有技术对医疗器械仓储进行控制时自适应差以及控制效率低的问题。
Description
技术领域
本发明涉及仓储控制技术领域,尤其涉及一种自动化的医疗器械仓储控制系统。
背景技术
医疗器械存储有严格的要求,包括但不限于环境条件(温度、湿度)、安全性、可追溯性以及高效性,随着医疗行业的发展,医疗器械的种类和数量持续增长,如何有效地管理这些器械成为一个关键问题,传统的医疗器械仓储管理多依赖于手工操作和简单的计算机管理软件。这不仅使得仓储流程繁琐、效率低,还增加了出错的风险。此外,对于临期、需要特殊存储条件的医疗器械,传统方法很难确保其品质和安全。因此,发展一种自动化、智能化、高效率的医疗器械仓储管理系统迫在眉睫。
对于医疗用品的仓储研究方法有很多,郭德斌等人提出的申请号:“CN202211601052.5”,公开日:2023.06.02,发明名称为“一种保障医用品智能仓储正常运行的方法”,主要包括:所述医用品智能仓储包括仓库仓位、控制中心和多个AGV小车,还包括保障小车和监测模块,包括以下步骤:监测AGV小车的运行状态,如果监测到所述AGV小车中存在运行异常的目标AGV小车,向所述保障小车发送检测指令;获取所述保障小车采集的所述检测数据,基于所述检测数据生成针对所述目标AGV小车的维护信息;维护完成后提交核验申请;接收所述维护人员提交的核验申请,采集针对所述目标AGV小车的核验数据;进行线上核验,核验完成后提交核验完成信息;接收所述核验完成信息,确认所述目标AGV小车维护完成;能够提高AGV小车的维护效率,保障医用品智能仓储正常运行。
但上述技术至少存在如下技术问题:在对医疗器械仓储进行控制时自适应差以及控制效率较低的技术问题。
发明内容
本申请实施例通过提供一种自动化的医疗器械仓储控制系统,解决了现有技术中在对医疗器械仓储进行控制时自适应差以及控制效率较低的技术问题,实现了对医疗器械仓储高自适应高效控制的技术效果。
本申请提供了一种自动化的医疗器械仓储控制系统具体包括以下技术方案:
一种自动化的医疗器械仓储控制系统,包括以下部分:
中央控制与数据分析模块,高精度位置定位模块,自适应货架模块,机械臂自动化模块,智能分拣技术模块,高速自动导引车模块,物流自动化与路径优化模块;
所述中央控制与数据分析模块,通过集中接收来自除所述中央控制与数据分析模块以外的模块的状态和数据,以及外部的存取请求,决定优化策略并分配任务;
所述高精度位置定位模块,使用仓库基础地图和医疗器械标签来定位仓储中的医疗器械,并实时更新医疗器械的位置信息;
所述自适应货架模块,根据医疗器械的种类和数量信息,以及来自中央控制与数据分析模块的优化建议,动态调整货架布局以适应医疗器械的存储需求;
所述机械臂自动化模块,根据来自中央控制与数据分析模块的存取任务和医疗器械的实时位置信息,自动存放或检索指定的医疗器械;
所述智能分拣技术模块,对从所述机械臂自动化模块接收的医疗器械进行分拣;
所述高速自动导引车模块,根据所述中央控制与数据分析模块的传输任务和所述智能分拣技术模块分拣完成的医疗器械,传输医疗器械至指定位置;
所述物流自动化与路径优化模块,根据自动导引车的实时位置,仓库实时环境自动导引车提供最优、无冲突的路径;
一种自动化的医疗器械仓储控制方法,应用于所述的一种自动化的医疗器械仓储控制系统,包括以下步骤:
S1. 基于医疗器械仓储信息进行系统初始化与数据同步;
S2. 收集系统状态和数据以及外部的存取请求,利用中央控制与数据分析模块得到优化建议结合存储需求,通过仓库的初始布局进行动态货架调整与优化;
S3. 根据医疗器械的存取命令,根据仓储中的医疗器械位置信息进行任务分配,并制定优化分配策略,根据优化分配策略分配给机械臂完成存取任务;
S4. 在机械臂执行存取操作完成后,通过智能分拣技术进行医疗器械的分拣,得到分拣后的医疗器械待传输;
S5. 将分拣后的医疗器械通过物流自动化与路径优化得到最佳传输路径,随后,高速自动导引车根据提供的路径进行医疗器械传输,经医疗器械传输至目标位置;
S6. 中央控制与数据分析模块进行状态更新,实时监控整个系统的运行情况,并为潜在的未来存取请求做好准备。
优选的,所述步骤S1,具体包括:
基于医疗器械仓储信息进行系统初始化与数据同步,具体包含数据收集与整合,数据预处理与优化存储,数据的同步。
优选的,在所述步骤S1中,还包括:
在同步仓库地图和医疗器械位置数据时,引入优化的RFID响应与定位。
优选的,在所述步骤S1中,还包括:
在同步仓库地图和医疗器械位置数据时,基于初始响应值,进一步修正医疗器械的相对位置。
优选的,所述步骤S2,具体包括:
在进行动态货架调整时,引入空间配置算法,并基于空间配置算法来评估货架的布局效果;引入负载均衡评估;引入特需评估器和交互效应检测器。
优选的,所述步骤S3,具体包括:
在进行路径规划时,引入复杂协同路径规划算法和基于连续时间动态规划的实时路径规划。
优选的,在所述步骤S3中,还包括:
在机械臂完成分配任务时,使用机械臂控制算法进行精准定位和操作时,对机械臂的末端位置和姿态控制引入优化的PID控制策略得到修正控制信号;引入机械臂的动态模型和修正控制信号,计算机械臂的新位置;将机械臂的新位置和朝向数据通过Jacobian矩阵转换为笛卡尔坐标系下的数据;最后,引入现有预测模型进行预测控制,基于未来的预测轨迹来优化控制信号,得到优化后的控制信号。
优选的,所述步骤S4,具体包括:
在分拣过程中,引入复杂的多尺度图像滤波技术;对图像的Laplacian进行多尺度分析;引入多尺度直方图均衡化与边缘强化算法。
优选的,所述步骤S5,具体包括:
在进行路径规划与优化时,建立障碍物矩阵模型;引入路径协同规划算法。
有益效果:
本申请实施例中提供的多个技术方案,至少具有如下技术效果或优点:
1、本申请通过引入了复杂的数学模型对RFID的信号响应进行解析,实现了在复杂环境下的高精度定位,并对位置数据进行了多轮的修正和优化,使得每个医疗器械在仓库中的位置都能被精确确定,通过位置优化公式,进一步确定了医疗器械的相对位置,引入集成策略,实现了对所有位置的快速扫描和位置快照的构建,为实时监控提供了技术保障。
2、本申请通过引入的空间配置算法,能够确保最优的货架布局,进而最大化可用的存储空间,充分利用仓库的容量,通过特需评估器和交互效应检测器,能确保每件医疗器械都按照其特定的存储条件存放,减少医疗器械之间的潜在干扰和风险,自动化的优化建议减少了人工进行货架布局的需要,减少了人为错误,提高了工作效率,同时也降低了人工干预的成本。
3、本申请通过复杂的协同路径规划算法,考虑所有机械臂之间的相互关系,从而实现多机械臂之间的高效协同操作,基于多种因素,进行综合路径优化,确保机械臂按照最佳路径执行任务。同时,利用任务调度算法,高效地为各机械臂分配任务,采用优化的PID控制策略和动态模型,确保机械臂可以准确、安全地进行定位和操作,通过Jacobian矩阵转换,确保机械臂在笛卡尔坐标系中的操作是连贯和精确的。
4、本申请多尺度直方图均衡化与边缘强化算法不仅增强了图像的对比度,还能清晰地描绘出医疗器械的边缘,为后续的自动化识别提供了更高清晰度的图像。
5、本申请利用障碍物矩阵模型,系统能够预先识别和规划避开障碍物的路径,确保导引车的安全运行,降低事故风险,结合多导引车路径协同规划算法,系统能够实时监测仓库环境并对障碍物进行调整和应对,确保仓库中的多辆导引车能够高效且无碰撞地完成任务。
6、本申请的技术方案能够有效解决在对医疗器械仓储进行控制时自适应差以及控制效率较低的技术问题,通过各种优化算法以及模型对医疗器械仓储进行自动化控制,最终能够更高效更灵活的对医疗器械仓储进行控制。
附图说明
图1为本申请所述的一种自动化的医疗器械仓储控制系统的模块图;
图2为本申请所述的一种自动化的医疗器械仓储控制方法的流程图。
具体实施方式
本申请实施例通过提供一种自动化的医疗器械仓储控制系统,解决了现有技术中在对医疗器械仓储进行控制时自适应差以及控制效率较低的技术问题,总体思路如下:
中央控制与数据分析模块,高精度位置定位模块,自适应货架模块,机械臂自动化模块,智能分拣技术模块,高速自动导引车模块,物流自动化与路径优化模块;所述中央控制与所述分析模块作为核心管理模块,与所有其他模块进行数据交互,分发任务;所述高精度位置定位模块提供位置信息给所述中央控制与数据分析模块进行决策,并支持其他模块的操作;所述自适应货架模块根据所述中央控制与数据分析模块的建议进行动态调整,为其他模块提供更优的存取空间;所述机械臂自动化模块根据所述高精度定位模块的位置信息执行操作,并与所述智能分拣技术模块交互完成分拣;所述智能分拣技术模块接收所述机械臂自动化模块的医疗器械进行分拣,并将分拣好的医疗器械传输给所述高速自动导引车模块;所述高速自动导引车模块基于所述物流自动化与路径优化模块提供的路径指导,进行传输;所述物流自动化与路径优化模块为所述高速自动导引车模块提供路径建议;通过各种优化算法以及模型对医疗器械仓储进行自动化控制,最终能够更高效更灵活的对医疗器械仓储进行控制。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照附图1,本申请所述的一种自动化的医疗器械仓储控制系统包括以下部分:
中央控制与数据分析模块,高精度位置定位模块,自适应货架模块,机械臂自动化模块,智能分拣技术模块,高速自动导引车模块,物流自动化与路径优化模块;
所述中央控制与数据分析模块,通过集中接收来自所有其他模块的状态和数据,以及外部的存取请求,该模块决定优化策略并分配任务;
所述高精度位置定位模块,使用仓库基础地图和医疗器械标签来精确地定位仓储中的医疗器械,并实时更新医疗器械的位置信息;
所述自适应货架模块,根据医疗器械的种类和数量信息,以及来自中央控制与数据分析模块的优化建议,动态调整货架布局以适应医疗器械的存储需求;
所述机械臂自动化模块,根据来自中央控制与数据分析模块的存取任务和医疗器械的实时位置信息,自动存放或检索指定的医疗器械;
所述智能分拣技术模块,对从机械臂自动化模块接收的医疗器械进行分拣;
所述高速自动导引车模块,根据中央控制与数据分析模块的传输任务和智能分拣技术模块分拣完成的医疗器械,快速、稳定地传输医疗器械至指定位置;
所述物流自动化与路径优化模块,根据自动导引车的实时位置,仓库实时环境自动导引车提供最优、无冲突的路径;
模块间的联系:
中央控制与数据分析模块作为核心管理模块,与所有其他模块进行数据交互,分发任务;
高精度位置定位模块提供位置信息给中央控制与数据分析模块进行决策,并支持其他模块的操作;
自适应货架模块根据中控制与数据分析模块的建议进行动态调整,为其他模块提供更优的存取空间;
机械臂自动化模块根据高精度定位模块的位置信息执行操作,并与智能分拣技术模块交互完成分拣;
智能分拣技术模块接收机械臂自动化模块的医疗器械进行分拣,并将分拣好的医疗器械传输给高速自动导引车模块;
高速自动导引车模块基于物流自动化与路径优化模块提供的路径指导,进行传输;
物流自动化与路径优化模块为高速自动导引车模块提供路径建议;
按照上述模块方案,构建了一个逻辑清晰、协同工作的医疗器械仓储控制系统,确保了高效、准确和安全的医疗器械管理和流通。
参照附图2,本申请所述一种自动化的医疗器械仓储控制方法包括以下步骤:
S1. 基于医疗器械仓储信息进行系统初始化与数据同步;
S11. 数据收集与整合;
对医疗器械目录的收集与整合,基于生产厂家或供应商得到的医疗器械信息数据,如名称、型号、规格,使用电子表格或数据库管理系统进行数据信息录入,使用RFID为每个医疗器械分配一个唯一的识别号;利用基础编码法对医疗器械信息进行编码,编码为具体的数据字段;
对货架布局的数据整合,对每个货架进行测量,获得其数据信息,如尺寸、位置;考虑货架的承重能力,避免超载,根据货架的每一层的容量进行物品存放;
对仓储地图的创建与整合,基于通过实地测量获得的区域、通道、出入口位置和尺寸,使用CAD或相关软件制作仓储的三维图谱,标明主要区域、通道、出入口及其他设施,与实际场地进行对比,确保图谱的准确性;.
对存储需求的分析与整合,根据历史数据确定需求,使用统计方法进行需求预测,实时更新存储需求信息;
最终得到整合后的数据集,为数据预处理提供数据基础;
S12. 数据预处理与优化存储;
为了确保数据的准确性和完整性进行数据清洗,这涉及处理缺失值,特别是对于医疗器械的任何缺失信息,可以查询原始来源以填充这些缺失值,或者简单地将此项目从列表中移除;同时,需要使用统计方法来检测并移除异常值,例如某个医疗器械的重量明显超出其类别的平均范围,此外,为了保证数据的唯一性,确保同一个医疗器械没有重复条目,进行数据去重操作;
进一步,数据的格式化与标准化,所有数据应采用统一的格式,例如所有日期都应符合“YYYY-MM-DD”格式,所有的重量单位都是千克,标准化则要求将数据转换为一个共同的度量标准,如果有些医疗器械的尺寸是以厘米为单位,而其他的是以毫米为单位,那么需要将所有数据统一到一个标准单位;
在数据预处理完毕后,进入初步存储策略的优化阶段,首先是频率分析,这基于医疗器械的使用或请求频率来确定它们在仓库中的存储位置,那些经常被使用或请求的医疗器械应放在容易获取的位置,空间的优化是根据医疗器械的尺寸和重量,以及货架的承载能力和尺寸来进行的,以确定每个医疗器械在货架上的最佳位置;最后,根据这些存储位置,可以使用如Dijkstra算法来初步规划从仓库入口到每个医疗器械存储位置的最短路径;
将上述获取的信息存储到数据库中,以备后续查找;
最后,得到可供中央控制与数据分析模块解析的数据,所述可供中央控制与数据分析模块解析的数据包含预处理侯的医疗器械存储位置和路径初步规划;
在同步仓库地图和医疗器械位置数据时,采用RFID标记仓库中的医疗器械位置,在自动化医疗器械仓储控制中的高精度定位,面临的主要技术问题是环境干扰与医疗器械的相对位置确定性,为了在复杂的仓储环境中,以及RFID信号受到多种因素的干扰,如墙壁、其他医疗器械等,获得准确定位,引入优化的RFID响应与定位:
,
其中:是接收到的RFID信号的响应,随频率/>、距离/>和相位偏移/>而变化; 是RFID发射频率;/>是医疗器械与RFID读取器之间的距离;/>是RFID的相位偏移,反映环境因素;/>、/>是时间积分的下限和上限,为了获得为了获得在时间段/>内的总响应;是对于特定频率的衰减系数,因环境而异;/>是医疗器械的响应振幅。
上述公式描述了医疗器械与RFID之间的响应关系,从而用于修正位置;
进一步,当仓库内有大量医疗器械时,需要确定任意两个医疗器械之间的相对位置:在三维空间中,设定任意两个医疗器械的标签为i和j,记分别为医疗器械i到三个维度方向的最近RFID读取器的距离; /> 分别为医疗器械j到三个维度方向的最近RFID读取器的距离;/>是RFID信号在特定环境中的衰减系数;/>是由于多径效应导致的信号扩散参数;/> 分别为两两RFID读取器之间的固定距离;
先计算每个医疗器械修正位置:
,
,
,
、/>、/>可以使用同样的公式计算,进一步可以得到i和j之间的相对位置:
,
其中,是表示第i个和第j个医疗器械之间的相对位置;/>是医疗器械在三维空间中的坐标,用来描述仓库内的确切位置;
进一步,进行位置优化计算,基于初始响应值,进一步修正医疗器械的相对位置:
,
其中:是原始位置坐标;/>是修正后的位置坐标;/>是最大响应值,用于归一化;
进一步集中优化,引入新公式:
,
其中,代表第i医疗器械的优化后的位置;/>表示第i个和第j个医疗器械的相对位置;/>是与第i个医疗器械有相对位置关系的医疗器械集合,/>是此集合的大小,根据经验法进行选取;/>是一个微小的时间间隔,通常在微秒或纳秒级别,它用于表示RFID响应在短时间内的变化;
在上述公式中,使用对数来表示位置关系。加1保证位置值为0时也可计算;/>遍历所有与第i个医疗器械有相对位置关系的医疗器械,并根据它们的相对位置取对数值,然后进行累加,乘以/>是考虑在微小时间间隔内的位置变化;/>增强了与第i个医疗器械相对位置的医疗器械集合的影响;最后,当时间间隔趋近于0时的影响,除以 />是为了归一化;
其中,表示优化后的位置函数;/>。
最后,引入集成策略,对所有位置进行快速扫描,形成位置快照:
,
其中:是最终位置;/>是位置快照
经上述过程,得到医疗器械的初始高精度位置,用于仓库的自动化管理;
最终得到,初始化后的数据同步状态,仓库的初始布局,医疗器械的初始位置。
本申请通过引入了复杂的数学模型对RFID的信号响应进行解析,实现了在复杂环境下的高精度定位,并对位置数据进行了多轮的修正和优化,使得每个医疗器械在仓库中的位置都能被精确确定,通过位置优化公式,进一步确定了医疗器械的相对位置。引入集成策略,实现了对所有位置的快速扫描和位置快照的构建,为实时监控提供了技术保障。
S2. 收集系统状态和数据以及外部的存取请求,利用中央控制与数据分析模块得到优化建议结合存储需求,通过仓库的初始布局进行动态货架调整与优化;
首先利用中央控制与数据分析模块得到货架优化建议,具体过程:
在医疗器械仓储的自动化控制场景中,中央控制与数据分析模块提供了货架的优化建议。以下是连续、逻辑和完整的实现过程:
首先,为了最大化可用的存储空间并确保医疗器械的安全存储,引入空间配置算法,并基于空间配置算法来评估货架的布局效果,所述空间配置算法 可用以下公式表示:
,
其中,代表了货架空间的最优配置效益,在给定的宽度和深度下,这个值越高,表示该配置对于医疗器械的存储效益越好;/>表示货架宽度的最大值;/>表示货架的宽度;/>表示货架的深度;上述公式通过模拟不同高度的货架如何影响可用存储空间来工作;得到可优化的货架空间位置最优配置效益数据,即 />;
进一步,为了确保每个货架的负载平衡,引入负载均衡评估,公式如下:
,
其中,是第s个货架上的医疗器械总重量;/>是第j个医疗器械的访问频率;/>是第j个医疗器械占据的体积;/>是第k个医疗器械的存储期限;/>是一个与医疗器械劣化相关的常数,表示医疗器械劣化的速率;/>是调节医疗器械重量、访问频率和存储期限对货架负载影响的权重参数;/>是货架材质和设计的容载因子,这反映了货架本身对负载的承受能力;m和n分别为货架上的医疗器械种类数和总医疗器械数;通过上述公式,可以计算在最大化存储空间后的每个货架的平均负载;最后得到每个货架的负载数据,即/>;
进一步,考虑特殊的医疗器械存储需求,为了满足特定的存储条件,引入特需评估器,通过数学运算确定任意一种医疗器械的特殊存储需求,具体如下:
,
其中,是第w种医疗器械的初步特殊存储需求值;/>是第w种医疗器械的特殊存储需求;/>是第w种医疗器械的存储稳定性因子,其值在 0-1 之间,1 表示完全稳定,0 表示非常不稳定;/>是第w种医疗器械的使用频率,值越大表示使用越频繁;/>表示医疗器械的敏感度,值越大表示医疗器械越不敏感,越小表示医疗器械越敏感;上述公式根据给定的医疗器械存储要求计算出所需的特殊条件,最终得到特定的存储条件数据,即;
最后,为了防止负面的交互效应,引入交互效应检测器,通过对数公式分析医疗器械之间的任意两两交互影响,具体如下:
,
其中,是物理距离,表示两个医疗器械之间的距离;/>是磁场影响,由一个医疗器械对另一个医疗器械产生的磁场干扰;/>是温度差异,两个医疗器械之间的温度差异;/>是湿度差异,两个医疗器械之间的湿度差异;/>是化学影响,由一个医疗器械对另一个医疗器械可能产生的化学干扰;/>是生物污染,两个医疗器械之间可能传播的生物污染风险;/>是辐射影响,由一个医疗器械对另一个医疗器械可能产生的辐射;/>、/>、/>、/>、/>、/>、/>表示权重因子,根据每个交互参数的重要性利用经验法进行调整;上述公式计算了在给定特殊存储条件下医疗器械之间的可能交互;最终得到交互效应数据,即/>;
最后,结合所有收集到的数据生成一个优化策略,引入货架策略优化器,综合上述所有分析,通过矩阵运算得出最终的优化策略,具体如下:
,
上述行列式计算帮助整合前面的所有信息,生成最后的优化建议,最后得到供货架动态调整使用的优化策略,即;
最后,利用优化策略结合存储需求,仓库的初始布局,采用现有技术构建线性规划模型,实现动态货架调整与优化;
本申请通过引入的空间配置算法,能够确保最优的货架布局,进而最大化可用的存储空间,充分利用仓库的容量,通过特需评估器和交互效应检测器,能确保每件医疗器械都按照其特定的存储条件存放,减少医疗器械之间的潜在干扰和风险,自动化的优化建议减少了人工进行货架布局的需要,减少了人为错误,提高了工作效率,同时也降低了人工干预的成本。
S3. 根据医疗器械的存取命令,根据仓储中的医疗器械位置信息进行任务分配,并制定优化分配策略,根据优化分配策略分配给机械臂完成存取任务;
根据中央控制与数据分析模块接收到的医疗器械的存取命令,根据仓储中的医疗器械位置信息进行任务分配,并制定优化分配策略,根据优化分配策略分配给机械臂完成存取任务,具体过程如下:
首先,在中央控制与数据分析模块使用消息队列接收医疗器械的存取命令,利用解析JSON或XML格式的数据,为后续的存取操作提供明确的任务指令,获得解析后的存取任务信息(如:操作类型、医疗器械ID、紧急级别);为了确认所需医疗器械的存储位置或找到最优的空闲存储位置,通过查找数据库确认存储或取出的位置;
进一步,为了确保紧急或重要任务得到优先处理,基于多个存取任务的解析信息,利用优先级队列进行排序,得到优先级排序后的任务队列;
进一步,为了最小化机械臂的移动距离和时间,基于确认的存储或取出位置以及当前机械臂的位置,进行路径规划,得到优化后的路径和机械臂选择,在具体实现过程中:
首先,为了对机械臂的路径与位置进行精确的优化,考虑多种因素,包括机械臂之间的协同,动态环境下的障碍物,以及整体的路径优化;
进一步,为了解决多机械臂之间的协同问题,即在一个仓库内,可能有多个机械臂同时执行任务,它们之间的协同将影响任务的效率和安全性;引入复杂协同路径规划算法,采用连续时间动态规划算法,考虑所有机械臂之间的相互关系:
,
其中,是第i个机械臂在时间t的位置,来源于机械臂实时位置传感器;/>代表第k个机械臂在时间t的位置,n代表机械臂数量,w1至w4是权重因子,用于调整机械臂之间的协同难度与机械臂的独立性;上述入复杂协同路径规划算法的目标是计算一个代价函数,该函数反映了机械臂之间的协同难度,通过最小化这个代价来实现最佳协同,最终得到每个机械臂的协同路径代价/>,可以用于评估路径的效率;
进一步,仓库内可能存在移动的障碍物或其他机械臂,需要实时考虑这些因素来规划路径,即动态环境下的路径规划,引入基于连续时间动态规划的实时路径规划:
,
其中,表示时间间隔;/>是一个权重参数,用于平衡协同与环境因素;/>表示机械臂的协同路径代价;/>是仓库中机械臂的数量;得到每个机械臂在动态环境下的实时路径代价/>;
进一步,为了确保机械臂能够高效且安全地执行任务,对上述两步的输出进行综合路径优化,得到最佳路径,引入综合路径优化算法:
,
其中,和/>是权重因子,用于调整协同与环境障碍的重要性,得到经过综合优化后的最佳路径代价/>;
最终利用线性求解,得到优化后的路径和机械臂选择;
进一步,基于优先级排序后的任务队列和优化后的路径,为了高效地分配任务给机械臂,利用任务调度算法进行任务分配与机械臂的调度,最终得到任务分配列表;
最后根据任务分配列表使用机械臂的控制算法进行精准定位和操作,准确、安全地完成存储或取出医疗器械,并更新仓储信息;
在使用机械臂控制算法进行精准定位和操作时,考虑其机械特性、控制策略和动态行为;
为了准确描述机械臂的当前位置和朝向,对机械臂的末端位置和姿态控制进行如下处理,机械臂的末端,也称为效应器,需要在三维空间中进行精确的定位,其位置和姿态可以表示为一个6x1的向量。其中,/>代表空间中的三维坐标;/>是滚转、俯仰和偏航角,描述效应器的方向和朝向;用以下公式描述位置和姿态的误差:
,
上述误差表示了实际位置与目标位置之间的差值,为了补偿这个误差,引入优化的PID控制策略,用于减小系统的误差,PID控制信号可表示为:
,
其中,、/>、/>是对应于比例、积分和微分的增益;/>表示误差的累积,这对于消除稳态误差很重要;/>是误差的变化率,它有助于提前对误差的变化做出反应;得到修正控制信号/>,用来控制机械臂的运动;
为了更好的描述机械臂的动态行为和运动特性,根据机械臂的动态模型和修正控制信号,计算机械臂的新位置,所述动态模型表示为:
,
其中,是关节的惯性矩阵,描述了各关节对加速度的反应;/>是科氏力和离心力矩阵,描述了关节速度对动力学的影响;/>是由于重力导致的关节扭矩;/>是关节的角度;机械臂的新位置和朝向,这些数据将被用于更新机械臂的当前状态 ;/>
进一步,为了确保机械臂的动作在笛卡尔坐标系中是连贯和精确的,将机械臂的新位置和朝向数据通过Jacobian矩阵转换为笛卡尔坐标系下的数据,所述Jacobian矩阵描述了关节速度与末端速度之间的关系:
,
上述转换使得机械臂在笛卡尔坐标系中具有良好的响应,此外,Jacobian矩阵也用于确保机械臂不处于奇异配置,即机械臂的某些姿势可能导致丧失某些自由度;
进一步,为了进一步提高机械臂的性能,引入现有预测模型预测控制(MPC),MPC基于未来的预测轨迹来优化控制信号,以确保机械臂按照期望的路径移动,同时考虑到机械臂的动态行为和各种约束条件,得到优化后的控制信号;
最终,实现对机械臂的精准定位和操作,准确、安全地完成存储或取出医疗器械;
本申请通过复杂的协同路径规划算法,考虑所有机械臂之间的相互关系,从而实现多机械臂之间的高效协同操作,基于多种因素,进行综合路径优化,确保机械臂按照最佳路径执行任务。同时,利用任务调度算法,高效地为各机械臂分配任务,采用优化的PID控制策略和动态模型,确保机械臂可以准确、安全地进行定位和操作,通过Jacobian矩阵转换,确保机械臂在笛卡尔坐标系中的操作是连贯和精确的。
S4. 在机械臂执行存取操作完成后,通过智能分拣技术进行医疗器械的分拣,得到分拣后的医疗器械待传输;
当机械臂成功取得或存放医疗器械后,它会发送一个完成信号至中央控制与数据分析模块,同时,在取得医疗器械后,机械臂上的传感器或相机将进行初步的医疗器械识别,确定医疗器械类型与规格;根据初步识别的结果,机械臂将医疗器械放置在指定的分拣区待机位置;
分拣区内配备高精度相机和传感器,所有分拣区域的传感器和摄像头进行自检,确认工作正常,调整摄像头的焦距和角度,确保可以清晰地捕捉到所有传输带上的医疗器械;当医疗器械通过传输带进入分拣区时,感应器会检测到其存在并触发识别流程;高分辨率摄像头对医疗器械进行扫描,捕获其全方位的高清图像,对高清图像进行深度处理,得到准确的识别结果,供后续匹配使用:
对捕获的图像进行去噪、增强、对比度调整等预处理,提高识别准确率,然而在进行进一步深度处理过程中,
为了有效地去除图像的噪声而不损失有关医疗器械的重要细节信息,引入复杂的多尺度图像滤波技术,所述多尺度图像滤波能够在不同的尺度上,根据细节信息和噪声特性,对图像进行差异化处理,使用高斯滤波器的扩展版进行滤波,将图像在多个尺度上进行处理,使得在大的尺度上能够去除大的噪声,而在小的尺度上保留细节,具体公式如下:
,
其中,是原始图像;/>是在尺度/>下的滤波图像;/>、/>分别是图像的水平和垂直方向的坐标;尺度/>表示高斯滤波器的标准差,它控制了滤波器的宽度,从而可以根据不同的尺度捕获图像的不同特性。
进一步,为了增强细节特性,对图像的Laplacian进行多尺度分析:
,
其中:表示在尺度/>下的Laplacian图像,用于捕获图像的高频细节;
进一步,为了增强图像的对比度,确保医疗器械的轮廓和特征能被清晰地识别以及在某些尺度下,确保边缘信息不被丢失或模糊,引入多尺度直方图均衡化与边缘强化算法;所述多尺度直方图均衡化:
,
其中,表示在灰度级j和尺度/>下的均衡化后的图像;/>表示图像的灰度级别;/>是在尺度/>和位置 (x,y) 附近的像素的灰度级为j的数量;/>表示局部窗口的半径;/>分别是图像局部的宽度和高度,用于定义对哪一部分图像进行直方图均衡化;得到增强对比度的均衡后的图像;
进一步,所述边缘强化:
,
,
其中,和/>分别代表在尺度/>下图像的梯度幅度和方向;/>和/>是图像在尺度/>下的水平和垂直梯度;
通过上述过程,可以进一步去除图像的噪声和增强对比度,还可以清晰地描绘出医疗器械的边缘,这为医疗器械的进一步自动化识别和处理提供了强大的支持,得到准确的图像处理结果;
进一步,使用预先训练好的深度学习模型,对处理后的图像进行识别,与数据库中的医疗器械图片进行匹配验证,确定医疗器械类型、型号及其他相关属性;
进一步,基于识别和验证结果,利用机器学习模型,进行智能分拣,得到分拣决策;
在分拣过程中发现任何不匹配或错误,自动将该医疗器械移至特定的错误处理区,在错误处理区的医疗器械由人工进行审核和处理,确认错误原因并纠正;
分拣完成后,医疗器械可能需要进行包装或打包,确保其在后续的传输中的安全和完整,分拣完成并打包后的医疗器械将等待出库指令;
本申请多尺度直方图均衡化与边缘强化算法不仅增强了图像的对比度,还能清晰地描绘出医疗器械的边缘,为后续的自动化识别提供了更高清晰度的图像。
S5. 将分拣后的医疗器械通过物流自动化与路径优化得到最佳传输路径。随后,高速自动导引车根据提供的路径进行医疗器械传输,经医疗器械传输至目标位置;
首先,基于分拣后的医疗器械,物流自动化模块立即从智能分拣系统获取相关医疗器械的数据,如医疗器械种类、尺寸、重量及目标位置;
进一步,进行路径规划与优化,以得到最佳传输路径,具体过程如下:
为了确保导引车在仓库中避开障碍物,建立障碍物矩阵模型,即根据仓储地图,为每个障碍物分配一个矩阵坐标,具体表示为:
,
其中,代表障碍物的矩阵集合随时间t的变化;/>和/>分别为仓库的宽度和长度数据,来自仓库的基础建筑资料;/>表示障碍物密度系数,由具体仓储环境和存放的医疗器械类型决定;/>表示障碍物的分布参数,可以由仓库历史数据预测得出;/>表示考虑的障碍物总数量,直接来源于仓库管理系统的障碍物监测数据;/>描述了仓库中障碍物的连续分布,积分范围从a到b表示仓库宽度变化;/>表示在给定的x,y位置,障碍物的存在可能性或密度;/>描述了了仓库中具体障碍物的离散分布;/>表示在第j个障碍物处的权重;
进一步,为了确保导引车不与其他导引车发生冲突,引入路径协同规划算法,所述路径协同规划算法不仅避免与其他导引车的冲突,还能由于仓库的动态环境,障碍物可能会移动(如移动的货架或人员)引起的障碍物矩阵不准确的问题;具体公式如下:
,
其中,代表所有导引车的路径集合随时间t的变化;/>是障碍物矩阵,来自上述的障碍物矩阵模型;/>是导引车速度向量,来源于导引车的实时速度传感器数据;仓库的动态地图矩阵,根据实时的仓库监控数据更新;/>代表仓库的高度,来源于仓库的基础建筑资料;/>货架的高度,来源于货架制造商或实时高度监测数据;/>描述了导引车和障碍物的交互;/>描述了导引车与仓库环境的交互;
通过结合障碍物矩阵模型和多导引车路径协同规划算法,能够为每辆导引车生成一个优化后的路径,该路径既考虑了仓库中的障碍物,又避免了与其他导引车的冲突;
进一步,基于中央调度算法,评估所有可用导引车的当前状态和位置,选择最合适的一个;
进一步,为确保导引车在执行任务过程中能够应对突发情况,导引车装配有传感器(如红外、超声波传感器)和摄像头,实时监测周围环境,当检测到障碍物时,立即进行路径重新计算,得到校准后的路径;
进一步,为安全、准确地将医疗器械传输到目标位置,导引车根据传入的路径指令,利用其驱动系统进行移动,同时使用载具确保医疗器械稳定;
最后,到达目标位置后,导引车使用其传感器确认位置,并向中央控制和数据分析模块发送到达信号,中央控制和数据分析模块根据接收到的信号进行数据库更新;
本申请利用障碍物矩阵模型,系统能够预先识别和规划避开障碍物的路径,确保导引车的安全运行,降低事故风险,结合多导引车路径协同规划算法,系统能够实时监测仓库环境并对障碍物进行调整和应对,确保仓库中的多辆导引车能够高效且无碰撞地完成任务。
S6. 中央控制与数据分析模块进行状态更新,实时监控整个系统的运行情况,并为可能的未来存取请求做好准备;
在医疗器械仓储控制系统中,为了确保系统高效、安全且持续运行针对中央控制与数据分析模块的状态更新与监控的具体内容:
针对系统健康检查与日志分析,通过定期(如每5分钟)对系统日志进行分析,识别并分析其中的错误、警告和运行信息,可以及时发现是否有异常模式或故障迹象,并生成系统健康报告,该报告涵盖当前状态和可能出现的问题;
针对存储容量监控,通过监测医疗器械的实时存储状态和货架的容量,一旦达到一定阈值(例如,80%满),系统会自动生成存储容量预警,确保仓库管理者对存储空间有充分的了解;
针对流量预测与预分配,利用历史医疗器械存取记录,采用机器学习方法对未来的存取请求进行预测,预测结果将被用来预先调整货架和分拣系统,从而优化实际操作的效率;
针对动态安全检查,根据系统健康报告、存储容量报告和预警信息,动态地更新安全规则和应急预案,旨在实时调整和减少潜在风险;
针对实时优化与调度,当有新的存取请求时,系统会根据实时存取请求、存储容量报告及预分配方案,进行比对,选择最优的存取策略进行实施,任务调度的优先级也会根据系统健康报告进行动态调整;
综上所述,便完成了本申请所述的一种自动化的医疗器械仓储控制系统。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
1、本申请通过引入了复杂的数学模型对RFID的信号响应进行解析,实现了在复杂环境下的高精度定位,并对位置数据进行了多轮的修正和优化,使得每个医疗器械在仓库中的位置都能被精确确定,通过位置优化公式,进一步确定了医疗器械的相对位置,引入集成策略,实现了对所有位置的快速扫描和位置快照的构建,为实时监控提供了技术保障。
2、本申请通过引入的空间配置算法,能够确保最优的货架布局,进而最大化可用的存储空间,充分利用仓库的容量,通过特需评估器和交互效应检测器,能确保每件医疗器械都按照其特定的存储条件存放,减少医疗器械之间的潜在干扰和风险,自动化的优化建议减少了人工进行货架布局的需要,减少了人为错误,提高了工作效率,同时也降低了人工干预的成本。
3、本申请通过复杂的协同路径规划算法,考虑所有机械臂之间的相互关系,从而实现多机械臂之间的高效协同操作,基于多种因素,进行综合路径优化,确保机械臂按照最佳路径执行任务。同时,利用任务调度算法,高效地为各机械臂分配任务,采用优化的PID控制策略和动态模型,确保机械臂可以准确、安全地进行定位和操作,通过Jacobian矩阵转换,确保机械臂在笛卡尔坐标系中的操作是连贯和精确的。
4、本申请多尺度直方图均衡化与边缘强化算法不仅增强了图像的对比度,还能清晰地描绘出医疗器械的边缘,为后续的自动化识别提供了更高清晰度的图像。
5、本申请利用障碍物矩阵模型,系统能够预先识别和规划避开障碍物的路径,确保导引车的安全运行,降低事故风险,结合多导引车路径协同规划算法,系统能够实时监测仓库环境并对障碍物进行调整和应对,确保仓库中的多辆导引车能够高效且无碰撞地完成任务。
效果调研:
本申请的技术方案能够有效解决在对医疗器械仓储进行控制时自适应差以及控制效率较低的技术问题,并且,上述系统或方法经过了一系列的效果调研,通过各种优化算法以及模型对医疗器械仓储进行自动化控制,最终能够更高效更灵活的对医疗器械仓储进行控制。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种自动化的医疗器械仓储控制方法,应用于一种自动化的医疗器械仓储控制系统,其特征在于:
所述一种自动化的医疗器械仓储控制系统,包括以下部分:
中央控制与数据分析模块,高精度位置定位模块,自适应货架模块,机械臂自动化模块,智能分拣技术模块,高速自动导引车模块,物流自动化与路径优化模块;
所述中央控制与数据分析模块,通过集中接收来自除所述中央控制与数据分析模块以外的模块的状态和数据,以及外部的存取请求,决定优化策略并分配任务;
所述高精度位置定位模块,使用仓库基础地图和医疗器械标签来定位仓储中的医疗器械,并实时更新医疗器械的位置信息;
所述自适应货架模块,根据医疗器械的种类和数量信息,以及来自中央控制与数据分析模块的优化建议,动态调整货架布局以适应医疗器械的存储需求;
所述机械臂自动化模块,根据来自中央控制与数据分析模块的存取任务和医疗器械的实时位置信息,自动存放或检索指定的医疗器械;
所述智能分拣技术模块,对从所述机械臂自动化模块接收的医疗器械进行分拣;
所述高速自动导引车模块,根据所述中央控制与数据分析模块的传输任务和所述智能分拣技术模块分拣完成的医疗器械,传输医疗器械至指定位置;
所述物流自动化与路径优化模块,根据自动导引车的实时位置,仓库实时环境自动导引车提供最优、无冲突的路径;
所述一种自动化的医疗器械仓储控制方法,包括以下步骤:
S1. 基于医疗器械仓储信息进行系统初始化与数据同步,具体包含数据收集与整合,数据预处理与优化存储,数据的同步;在同步仓库地图和医疗器械位置数据时,引入优化的RFID响应与定位,并基于初始响应值,进一步修正医疗器械的相对位置:
,
其中:是原始位置坐标,表示第i个和第j个医疗器械之间的相对位置;/>是修正后的位置坐标;/>是最大响应值,用于归一化;/>是接收到的RFID信号的响应,随频率/>、距离/>和相位偏移/>而变化;/>是RFID发射频率;/>是医疗器械与RFID读取器之间的距离;/>是RFID的相位偏移;
S2. 收集系统状态和数据以及外部的存取请求,利用中央控制与数据分析模块得到优化建议结合存储需求,通过仓库的初始布局进行动态货架调整与优化;在进行动态货架调整时,引入空间配置算法,并基于空间配置算法来评估货架的布局效果;引入负载均衡评估;引入特需评估器和交互效应检测器;
S3. 根据医疗器械的存取命令,根据仓储中的医疗器械位置信息进行任务分配,并制定优化分配策略,根据优化分配策略分配给机械臂完成存取任务;
S4. 在机械臂执行存取操作完成后,通过智能分拣技术进行医疗器械的分拣,得到分拣后的医疗器械待传输;
S5. 将分拣后的医疗器械通过物流自动化与路径优化得到最佳传输路径,随后,高速自动导引车根据提供的路径进行医疗器械传输,经医疗器械传输至目标位置;
S6. 中央控制与数据分析模块进行状态更新,实时监控整个系统的运行情况,并为潜在的未来存取请求做好准备。
2.根据权利要求1所述的一种自动化的医疗器械仓储控制方法,其特征在于,所述步骤S3,具体包括:
在进行路径规划时,引入复杂协同路径规划算法和基于连续时间动态规划的实时路径规划。
3.根据权利要求1所述的一种自动化的医疗器械仓储控制方法,其特征在于,在所述步骤S3中,还包括:
在机械臂完成分配任务时,使用机械臂控制算法进行精准定位和操作时,对机械臂的末端位置和姿态控制引入优化的PID控制策略得到修正控制信号;引入机械臂的动态模型和修正控制信号,计算机械臂的新位置;将机械臂的新位置和朝向数据通过Jacobian矩阵转换为笛卡尔坐标系下的数据;最后,引入现有预测模型进行预测控制,基于未来的预测轨迹来优化控制信号,得到优化后的控制信号。
4.根据权利要求1所述的一种自动化的医疗器械仓储控制方法,其特征在于,所述步骤S4,具体包括:
在分拣过程中,引入复杂的多尺度图像滤波技术;对图像的Laplacian进行多尺度分析;引入多尺度直方图均衡化与边缘强化算法。
5.根据权利要求1所述的一种自动化的医疗器械仓储控制方法,其特征在于,所述步骤S5,具体包括:
在进行路径规划与优化时,建立障碍物矩阵模型;引入路径协同规划算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616307.XA CN117302829B (zh) | 2023-11-30 | 2023-11-30 | 一种自动化的医疗器械仓储控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616307.XA CN117302829B (zh) | 2023-11-30 | 2023-11-30 | 一种自动化的医疗器械仓储控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117302829A CN117302829A (zh) | 2023-12-29 |
CN117302829B true CN117302829B (zh) | 2024-03-22 |
Family
ID=89274161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311616307.XA Active CN117302829B (zh) | 2023-11-30 | 2023-11-30 | 一种自动化的医疗器械仓储控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117302829B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1421348A (en) * | 1971-12-28 | 1976-01-14 | Cube Slide | Storage system |
JP2008063061A (ja) * | 2006-09-06 | 2008-03-21 | Toyota Industries Corp | 荷移載用フォークの位置制御装置及び位置制御方法 |
CN108469786A (zh) * | 2018-01-26 | 2018-08-31 | 西安电子科技大学 | 大规模智能仓储分布式拣选系统 |
CN109160163A (zh) * | 2018-09-13 | 2019-01-08 | 北京科捷物流有限公司 | 一种基于边拣边分的机器人自动分拣方法及其系统 |
CN109335433A (zh) * | 2018-10-15 | 2019-02-15 | 陕西为康食品科技股份有限公司 | 一种智能物流仓储系统 |
CN111942790A (zh) * | 2020-08-12 | 2020-11-17 | 久恒理树 | 立体仓库的货物进出库及立体仓库之间货物交换方法 |
CN112581067A (zh) * | 2021-02-23 | 2021-03-30 | 苏州澳昆智能机器人技术有限公司 | 一种仓库管理方法和系统 |
CN114187564A (zh) * | 2021-12-17 | 2022-03-15 | 江苏智库智能科技有限公司 | 智能仓库中跨设备联动方法及视觉辅助联动系统 |
CN115003235A (zh) * | 2019-11-27 | 2022-09-02 | 赞克特机器人有限公司 | 规划和实时更新医疗器械的3d轨迹 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO346390B1 (en) * | 2019-12-20 | 2022-07-04 | Autostore Tech As | Track sensor arrangement for a remotely operated vehicle and a method thereof |
-
2023
- 2023-11-30 CN CN202311616307.XA patent/CN117302829B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1421348A (en) * | 1971-12-28 | 1976-01-14 | Cube Slide | Storage system |
JP2008063061A (ja) * | 2006-09-06 | 2008-03-21 | Toyota Industries Corp | 荷移載用フォークの位置制御装置及び位置制御方法 |
CN108469786A (zh) * | 2018-01-26 | 2018-08-31 | 西安电子科技大学 | 大规模智能仓储分布式拣选系统 |
CN109160163A (zh) * | 2018-09-13 | 2019-01-08 | 北京科捷物流有限公司 | 一种基于边拣边分的机器人自动分拣方法及其系统 |
CN109335433A (zh) * | 2018-10-15 | 2019-02-15 | 陕西为康食品科技股份有限公司 | 一种智能物流仓储系统 |
CN115003235A (zh) * | 2019-11-27 | 2022-09-02 | 赞克特机器人有限公司 | 规划和实时更新医疗器械的3d轨迹 |
CN111942790A (zh) * | 2020-08-12 | 2020-11-17 | 久恒理树 | 立体仓库的货物进出库及立体仓库之间货物交换方法 |
CN112581067A (zh) * | 2021-02-23 | 2021-03-30 | 苏州澳昆智能机器人技术有限公司 | 一种仓库管理方法和系统 |
CN114187564A (zh) * | 2021-12-17 | 2022-03-15 | 江苏智库智能科技有限公司 | 智能仓库中跨设备联动方法及视觉辅助联动系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117302829A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Custodio et al. | Flexible automated warehouse: a literature review and an innovative framework | |
US11535451B2 (en) | Autonomous robotic system for automatically monitoring the state of shelves in shops | |
US11282013B2 (en) | Mobile vehicles in manufacturing | |
US11338436B2 (en) | Assessing robotic grasping | |
US9280757B2 (en) | Automated inventory management | |
JP2022121631A (ja) | 倉庫システム、検査方法および検品システム | |
CN112767540A (zh) | 一种agv自动装车方法 | |
CN115933684A (zh) | 基于agv的数字孪生车间智能动态调度物流系统 | |
US20190099884A1 (en) | Method for Controlling a Plurality of Mobile Driverless Manipulator Systems | |
Zhong et al. | Image-based flight control of unmanned aerial vehicles (UAVs) for material handling in custom manufacturing | |
CN117302829B (zh) | 一种自动化的医疗器械仓储控制系统及控制方法 | |
CN113050636A (zh) | 一种叉车自主拾取托盘的控制方法、系统及装置 | |
CN115806143B (zh) | 一种印刷版辊的全自动立体化仓库及高速出入库管理方法 | |
US20230211987A1 (en) | Pathfinding using centerline heuristics for an autonomous mobile robot | |
Kubasakova et al. | Implementation of Automated Guided Vehicles for the Automation of Selected Processes and Elimination of Collisions between Handling Equipment and Humans in the Warehouse | |
Lichtenstern et al. | Data-Based Digital Twin of an Automated Guided Vehicle System | |
US20220057787A1 (en) | Production systems and production control methods with locating system-based simulations of production sequences | |
Reyes et al. | Implementing RFID technologies for automated guided vehicles in industry 4.0 | |
US20240061427A1 (en) | Method and system for controlling the handling of products | |
CN117474422B (zh) | 一种智能山地果园运输系统 | |
US20240094712A1 (en) | Robot staging area management | |
US11714419B2 (en) | Automatic article conveying system and automatic article conveying method | |
Morenza Cinos | RFID autonomous robot for product inventory and location | |
Moutaz et al. | Digital Twins: Warehouses of the Future | |
JP2024030102A (ja) | 情報処理方法、情報処理プログラムおよび情報処理装置 |
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 |