CN117707077A - 一种agv机动调度系统、方法、装置及介质 - Google Patents
一种agv机动调度系统、方法、装置及介质 Download PDFInfo
- Publication number
- CN117707077A CN117707077A CN202311726586.5A CN202311726586A CN117707077A CN 117707077 A CN117707077 A CN 117707077A CN 202311726586 A CN202311726586 A CN 202311726586A CN 117707077 A CN117707077 A CN 117707077A
- Authority
- CN
- China
- Prior art keywords
- agv
- charging
- electric quantity
- power
- scheduling
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 description 23
- 230000005611 electricity Effects 0.000 description 15
- 230000003321 amplification Effects 0.000 description 10
- 238000003199 nucleic acid amplification method Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Abstract
本说明书实施例提供一种AGV机动调度系统、方法、装置及介质,该方法包括与至少一个AGV建立通信连接;获取至少一个AGV的电量信息;基于电量信息评估电量消耗数据;基于电量信息和所述电量消耗数据,确定至少一个AGV调度参数;以及显示至少一个AGV的状态信息,状态信息包括至少一个AGV的工作状态、充电状态、电量信息中的至少一种。
Description
技术领域
本说明书涉及AGV领域,特别涉及一种AGV机动调度系统、方法、装置及介质。
背景技术
AGV(Automated Guided Vehicle,自动导向车)能够沿规定的导航路径行驶,具有安全保护以及各种移载功能,被广泛应用于生产及物流作业中。例如,顶升移载式AGV可以通过顶升装置将货物从一条传送带运输到另一条传送带。执行不同任务的AGV所消耗的电量不同。当AGV电量不足时,会发出预警,并生成控制指令控制其前往充电位置或由人工处置,这可能会扰乱预先安排的AGV工作秩序。同时,重新进行调度安排或者增加AGV数量会花费大量人力时间成本,影响工作效率。
因此希望提供一种AGV机动调度系统、方法、装置及介质,合理分配AGV的工作及充电时间,提高工作效率。
发明内容
本说明书一个或多个实施例提供一种AGV机动调度系统。所述系统包括:通讯模块、电量统计模块、电量评估模块、调度模块和显示模块;所述通讯模块被配置为与至少一个AGV通信连接;所述电量统计模块被配置为基于所述通讯模块获取所述至少一个AGV的电量信息;所述电量评估模块被配置为基于所述电量信息评估电量消耗数据;所述调度模块被配置为基于所述电量信息和所述电量消耗数据,确定至少一个AGV调度参数;以及所述显示模块被配置为显示所述至少一个AGV的状态信息,所述状态信息包括所述至少一个AGV的工作状态、充电状态、所述电量信息中的至少一种。
本说明书一个或多个实施例提供一种AGV机动调度方法。所述方法包括与至少一个AGV建立通信连接;获取所述至少一个AGV的电量信息;基于所述电量信息评估电量消耗数据;基于所述电量信息和所述电量消耗数据,确定至少一个AGV调度参数;以及显示所述至少一个AGV的状态信息,所述状态信息包括所述至少一个AGV的工作状态、充电状态、所述电量信息中的至少一种。
本说明书一个或多个实施例提供一种AGV机动调度装置,包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现所述AGV机动调度方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行AGV机动调度方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的AGV机动调度系统的应用场景示意图;
图2是根据本说明书一些实施例所示的AGV机动调度系统的示例性模块图;
图3是根据本说明书一些实施例所示的AGV机动调度方法的示例性流程图;
图4是根据本说明书一些实施例所示的评估电量消耗数据的示例性示意图;
图5是根据本说明书一些实施例所示的确定至少一个AGV充电参数的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的AGV机动调度系统的应用场景100示意图。在一些实施例中,AGV机动调度系统可以通过实施本说明书中披露的方法和/或过程来实现AGV机动调度。
如图1所示,AGV机动调度系统的应用场景100可以包括至少一个AGV110、处理设备120、存储设备130、终端140以及网络150。AGV机动调度系统的应用场景100中的各个部件可以以多种方式相连接。
AGV110可以是装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车。AGV110用于进行货物运输或转移的工作。AGV110可以包括车体、驱动装置、移载装置、车载控制系统、安全辅助系统等部件。车体是AGV的主体,可以包括底盘、车架、壳体等部件。驱动装置用于AGV行走,包括驱动轮、万向轮等。移载装置用于搭载货物,执行作业任务。车载控制系统可以实现AGV的导航、通讯等。安全辅助系统可以用于障碍物探测及避撞、预警等。在一些实施例中,AGV110还可以包括其他结构。
处理设备120可以处理从成像设备110、存储设备130和/或终端140获得的数据和/或信息。例如,处理设备120可以基于AGV的电量信息确定AGV调度参数。又例如,处理设备110可以基于待执行任务清单,为一个或多个充电桩配置充电安排序列。在一些实施例中,处理设备120可以是单个服务器或服务器组。
存储设备130可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备130可以连接网络150,以与AGV机动调度系统的应用场景100中的一个或多个组件(例如,处理设备120、终端140等)之间实现通信。AGV机动调度系统的应用场景100中的一个或多个组件可以通过网络150读取存储设备130中的数据或指令。
终端140可以实现用户和AGV机动调度系统的应用场景100中的其他组件的交互。例如,用户可以通过获取AVG充电安排序列。终端140可以包括移动设备140-1、平板电脑140-2、笔记本电脑140-3等或其任意组合。
网络150可以包括能够促进生成AGV机动调度系统的应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,AGV机动调度系统的应用场景100的一个或多个组件(例如,AGV110、处理设备120、存储设备130、终端140等)可以通过网络150与AGV机动调度系统的应用场景100的一个或多个其他组件之间交换信息和/或数据。
应当注意,AGV机动调度系统的应用场景100的以上描述仅出于说明的目的而提供,并不旨在限制本申请的范围。对于本领域普通技术人员,可以在本申请的教导下进行多种变化和修改。例如,可以根据具体的实施方案变化或改变AGV机动调度系统的应用场景100的组装和/或功能。仅作为示例,可以将一些其他组件添加到AGV机动调度系统的应用场景100中。
图2是根据本说明书一些实施例所示的AGV机动调度系统的示例性模块图。
如图2所示,AGV机动调度系统200可以包括通讯模块210、电量统计模块220、电量评估模块230、调度模块240以及显示模块250。
通讯模块210被配置为与至少一个AGV通信连接。
关于与至少一个AGV通信连接的详细说明参见图3。
在一些实施例中,通讯模块210可以包括WiFi通信模块、5G通信模块等。
电量统计模块220被配置为基于通讯模块210获取至少一个AGV的电量信息。
关于获取至少一个AGV的电量信息的详细说明参见图3。
电量评估模块230被配置为基于电量信息评估电量消耗数据。
关于评估电量消耗数据的详细说明参见图3。
在一些实施例中,电量评估模块230还被配置为:读取电量信息序列;以及基于电量信息序列、任务执行数据和状态数据,通过电量消耗模型循环预测至少一个AGV的预估电量消耗数据,电量消耗模型为机器学习模型。其中,电量消耗模型包括特征层和消耗预测层;特征层被配置为对电量信息序列进行处理,确定电池损耗特征;消耗预测层被配置为对电量损耗特征、任务执行数据以及状态数据进行处理,确定预估电量消耗数据。
关于确定预估电量消耗数据的详细说明参见图4。
调度模块240被配置为基于电量信息和电量消耗数据,确定至少一个AGV调度参数。
在一些实施例中,调度模块240还被配置为:基于电量信息和预估电量消耗数据,评估至少一个AGV的剩余续航;以及基于剩余续航和待执行任务清单,确定至少一个AGV调度参数。
关于确定至少一个AGV调度参数的详细说明参见图3的相关内容。
在一些实施例中,调度模块240包括充电调度单元241。充电调度单元241被配置为:基于待执行任务清单,为一个或多个充电桩配置充电安排序列;基于至少一个AGV的电量消耗数据,确定充电安排序列中的一个或多个充电时段的充电拥挤度;以及基于一个或多个充电时段的充电拥挤度,确定至少一个AGV的充电参数。充电参数至少包括充电时段和充电位置。
关于确定充电参数的详细说明参见图5的相关内容。
显示模块250被配置为显示至少一个AGV的状态信息。状态信息包括至少一个AGV的工作状态、充电状态、电量信息中的至少一种。
关于显示至少一个AGV的状态信息的详细说明参见图3的相关内容。
需要注意的是,以上对于系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,电量统计模块220和电量评估模块230可以整合在一个模块中。又例如,各个模块可以共用一个存储设备,各个模块也可以分别具有各自的存储设备。诸如此类的变形,均在本申请的保护范围之内。
图3是根据本说明书一些实施例所示的AGV机动调度方法的示例性流程图。如图3所示,流程300可以包括下述内容。
步骤310,与至少一个AGV建立通信连接。
关于AGV的说明可以参见图1相关内容。
在一些实施例中,AGV内部的元器件可以通过有线方式实现与通讯模块210的通信连接。在一些实施例中,AGV可以内置无线通信模组的工业物联网网关,利用串口连接其控制单元,再通过5G无线连接到现场基站,实现与通讯模块210的通信连接。
步骤320,获取至少一个AGV的电量信息。
电量信息可以包括AGV的剩余电量值、AGV的剩余电量百分比等。其中,AGV的剩余电量值可以通过容量(例如,mAh)表示。
在一些实施例中,电量统计模块220可以通过多种方式获取电量信息。例如,电量统计模块220可以通过检测电池容量来获取电量信息。又例如,电量信息可以通过电池模组的显示屏获取。具体地,电量统计模块220可以读取显示屏上的电量百分比。
步骤330,基于电量信息评估电量消耗数据。
电量消耗数据是指不同状态下消耗电量的速度。消耗电量的速度可以通过单位时间内下降的电量百分比、电量值等表示。例如,电量消耗数据可以是1000mAh/小时、20%/小时等。不同状态可以包括AGV的负载运动状态、空载运动状态、待机状态等。不同状态对应的电量消耗数据不同。
电量评估模块230可以基于电量信息,通过多种方式评估电量消耗数据。在一些实施例中,电量评估模块230可以基于历史数据评估电量消耗数据。例如,电量评估模块230可以基于负载运动状态下,历史某一时段(如过去1小时)的电量信息,计算该历史时段的电量消耗数据作为当前时段的负载运动状态下的电量消耗数据。又例如,电量评估模块230可以基于空载运动状态下多个历史时段的电量信息,计算得到多个电量消耗数据,将多个电量消耗数据的平均值作为当前时段的空载运动状态下的电量消耗数据。
关于通过更多方式评估电量消耗数据的说明,参见图4内容。
步骤340,基于电量信息和电量消耗数据,确定至少一个AGV调度参数。
AGV调度参数是指调度至少一个AGV执行待执行任务的方案。待执行任务可以包括货物信息、运输起点、终点、时间要求、顶升次数等内容。例如,货物信息可以包括货物重量、体积等,时间要求可以包括最晚完成时间、预估执行时长等。AGV调度参数可以包括所使用的AGV的编号、AGV运输路线等。
调度模块240可以通过多种方式确定至少一个AGV调度参数。在一些实施例中,调度模块240可以基于AGV的电量信息以及待执行任务的预估执行时长,将每个待执行任务分配给至少一个AGV,以构成AGV调度参数。
仅作为示例的,调度模块240可以根据电量消耗数据和预估执行时长计算不同待执行任务所需的电量,计算方式可以为:所需电量=预估执行时长×电量消耗数据。其中,预估执行时长可以基于历史数据中该待执行任务的同类任务的执行时长确定。
调度模块240可以基于AGV的剩余电量值和不同待执行任务所需的电量及最晚完成时间,将所有待执行任务分配给各个AGV。例如,调度模块240可以基于AGV的剩余电量值和不同待执行任务所需的电量及最晚完成时间,确定需要的AGV数量,并选择电量最多的空闲AGV作为执行任务的AGV。仅作为示例的,待执行任务的最晚完成时间是4个小时,而4个小时完成这些任务量需要6台AGV,则选择这个时段剩余电量最高的6台空闲AGV用于执行待执行任务。
在执行分配时,调度模块240可以先为每个AGV分配一个待执行任务;然后再为每个AGV分配第二个待执行任务,以此类推,直到所有待执行任务分配完。将所有待执行任务分配给各个AGV时,对于每个AGV,当已分配的待执行任务所述的总电量达到电量警戒值时,停止为该AGV分配任务。电量警戒值小于该AGV的剩余电量值,可以预设得到。
电量警戒值的设置至少保证执行完待执行任务时的剩余电量可以满足AGV运行到充电位置。需要注意的是,在保证待执行任务完成的情况下,待执行任务可以均匀地分配给各个AGV,不需要给某一AGV分配达到电量警戒值的任务量。同时,调度模块240可以将目的地接近的多个待执行任务优先分配给同一AGV,以降低由于地点转换导致的电量损耗,优化运输路线。
在一些实施例中,调度模块240还可以基于下述步骤确定至少一个AGV调度参数。
步骤341,基于电量信息和预估电量消耗数据,评估至少一个AGV的剩余续航。
剩余续航是指不同状态下的AGV的剩余续航时长。例如,待机状态续航时间、负载运动续航时长、空载运动续航时长等。
在一些实施例中,剩余续航可以通过AGV的电量信息及预估电量消耗数据计算得到。仅作为示例的,剩余续航=剩余电量值÷预估电量消耗数据。例如,剩余电量值为100mAh,预估电量消耗数据为50mAh/小时,则剩余续航为2小时。
关于预估电量消耗数据的说明可以参见图4相关内容。
步骤342,基于剩余续航和待执行任务清单,确定至少一个AGV调度参数。
待执行任务清单是指待执行任务的集合。
调度模块240可以基于剩余续航和待执行任务清单,通过多种方式确定至少一个AGV调度参数。在一些实施例中,调度模块240可以在不超过剩余续航的情况下,将待执行任务随机分配给各个AGV。在一些实施例中,调度模块240可以将待执行任务优先分配给剩余续航充足的AGV。
在一些实施例中,调度模块240可以基于至少一个AGV的剩余续航以及待执行任务的预估续航需求,对待执行任务清单进行分配,确定至少一个候选AGV调度参数;并基于至少一个候选AGV调度参数的任务中断风险,确定至少一个AGV调度参数。
预估续航需求是指预估的待执行任务的所需时长。预估续航需求越大,所述电量越多。在一些实施例中,调度模块240可以基于待执行任务的顶升次数、运输起终点、重量等,计算待执行任务的执行过程中,AGV处于不同状态(例如,空载运动、负载运动等)的时长,并将AGV处于不同状态的时长之和作为预估续航需求。同时,结合预估电量消耗数据可以计算所需电量。
在一些实施例中,调度模块240可以基于至少一个AGV的剩余续航以及待执行任务的预估续航需求,对待执行任务清单进行分配。对待执行任务清单进行分配的具体方式,可以参见图3步骤340的相关内容。
候选AGV调度参数是指候选的AGV执行待执行任务的方案。至少一个候选AGV调度参数中的每一个包括多个AGV的候选任务序列,每个AGV对应一个候选任务序列。对应地,每个AGV调度参数包括多个AGV的任务序列,每个AGV对应一个任务序列。
AGV的候选任务序列是指将待执行任务清单中的任务依次分配给每个AGV时,AGV所分配到的任务组成的序列。AGV的任务序列是指从候选任务序列中选择出的最终执行的任务序列。例如,对于某一AGV,依次被分配了任务1、任务2、任务3、任务4、任务7。则该AGV的一条候选任务序列可以是{任务1,任务2,任务3,任务4,任务7}。
在一些实施例中,当对待执行任务清单进行分配后,调度模块240还可以将每个AGV分配到的任务重新进行随机排列,可以得到新的候选任务序列。例如,在上一示例中,将AGV被分配的任务重新排列,可以得到新的候选任务序列{任务2,任务4,任务3,任务1,任务7}。
在一些实施例中,调度模块240也可以重新给AGV分配任务,以组成新的候选任务序列。例如,在上一示例中,若重新分配给AGV的任务包括任务2,任务3,任务6,则该AGV对应的新的候选任务序列为{任务2,任务3,任务6}。调度模块240可以将新的候选任务序列重新组合,得到新的候选AGV调度参数。
任务中断风险是指AGV由于电量不够导致任务中断的风险。任务中断风险可以通过任意可行的方式表示,例如文字(如,风险低、中、高等)、数值(如,10%、20%等)等。
在一些实施例中,调度模块240可以计算每个候选AGV调度参数中,每个候选任务序列的总需求电量与电量警戒值的预警差值,进而确定每个候选任务序列的任务中断风险。预警差值越小,任务中断风险越高。例如,任务中断风险也可以表示为预警差值的倒数。其中,每个候选任务序列的总需求电量可以基于每个候选任务序列中,每个待执行任务的预估续航需求之和确定。关于电量警戒值和预估续航需求的说明可以参见前述相关内容。
在一些实施例中,任务中断风险还可以基于电量偏移数据确定。电量偏移数据越大,任务中断风险越高。电量偏移数据是指预估电量消耗数据与对应时段的实际电量消耗数据之间的差异。关于电量偏移数据的具体说明可以参见图4的相关内容。
在一些实施例中,调度模块340可以预设任务中断风险与电量偏移数据之间的关系表。通过查表的方式可以确定电量偏移数据对应的任务中断风险。在一些实施例中,任务中断风险还可以表示为电量偏移数据与预警差值的比值,即电量偏移数据越大,预警差值越小,任务中断风险越高。
如果实际电量消耗数据与预估电量消耗数据有差距,会导致计算的AGV的剩余续航不准确,当AGV的剩余续航与待执行任务的预估续航需求不匹配时,则存在较大任务中断风险。通过电量偏移数据,可以有效排除任务中断风险较大候选AGV调度参数。
在一些实施例中,调度模块340可以将每个候选AGV调度参数中的每个候选任务序列的任务中断风险进行加权求和,将求和得到的结果作为整个候选AGV调度参数的任务中断风险。加权求和的权重可以预设。
在一些实施例中,调度模块340可以将任务中断风险最小的候选AGV调度参数作为AGV调度参数。在一些实施例中,调度模块340可以将任务中断风险小于风险阈值的候选AGV调度参数作为AGV调度参数。其中,风险阈值可以人工预设。
基于至少一个AGV的剩余续航以及待执行任务的预估续航需求,对待执行任务清单进行分配,可以对AGV的调度进行合理安排。基于至少一个候选AGV调度参数的任务中断风险,确定至少一个AGV调度参数,可以减少任务中断概率,提高AGV的工作效率。
基于电量信息和预估电量消耗数据,评估至少一个AGV的剩余续航,并基于剩余续航和待执行任务清单,确定至少一个AGV调度参数,可以对AGV的调度进行合理安排,避免AGV在工作中途充电或中断引起的AGV工作秩序混乱,同时提高工作效率。
步骤350,显示至少一个AGV的状态信息。
状态信息可以包括AGV的工作状态、充电状态、电量信息中的至少一个。其中,工作状态可以包括工作中、待机、故障等。充电状态可以包括充电完成、待充电等。
在一些实施例中,显示模块250可以通过多种方式获取状态信息。例如,显示模块250可以通过终端确定AGV是否处于工作状态。又例如,显示模块250可以监测AGV电池或充电接口状态,确定AGV的充电状态等。关于电量信息的说明可以参见步骤310的相关内容。
在一些实施例中,显示模块250可以在终端显示屏上通过文字显示状态信息。在一些实施例中,显示模块250可以使用不同颜色的LED灯及不同闪烁频率表示不同的状态信息。例如,红灯长亮可以表示故障,红灯闪烁可以表示待充电,绿灯长亮可以表示工作中,绿灯闪烁可以表示充电完成等。在一些实施例中,显示模块250还可以通过图标、声音等任意可行的方式显示状态信息,本说明书对此不做限制。
本说明书一些实施例,基于AGV的电量信息和不同状态下的电量消耗数据,将不同的任务分配给不同的AGV,可以实现合理、科学的AGV分配及规划,有利于AGV工作和充电过程的自动化,减少人工干预的时间成本,提高工作效率。
图4是根据本说明书一些实施例所示的评估电量消耗数据的示例性示意图。如图4所示,流程400可以包括下述内容。
步骤410,读取电量信息序列。
电量信息序列是指多个时间点的电量信息基于时间顺序构成的数据序列。电量信息序列包括多个时间点及对应的电量信息。例如,电量信息序列可以表示为{(A1,B1),(A2,B2),……(An,Bn)},其中,An表示第n个时间点,Bn表示时间点An对应的电量信息。
在一些实施例中,电量评估模块230可以在不同时间点读取电量统计模块220获取的电量信息,构成电量信息序列。
步骤420,基于电量信息序列、任务执行数据和状态数据,通过电量消耗模型循环预测至少一个AGV的预估电量消耗数据。
任务执行数据可以包括已经执行的任务中每一个的执行时间、实际执行时长、执行地点等。例如,任务执行数据可以通过读取存储设备130中的历史数据获取。又如,任务执行数据可以由操作员人工输入获得。
状态数据是指AGV在不同时间点的不同工作状态。状态数据可以包括AGV的负载运动状态、空载运动状态、待机状态等。在一些实施例中,状态数据可以基于显示模块250显示的状态信息确定。关于状态信息的说明参见图3的相关内容。在一些实施例中,状态数据也可以由操作员人工输入获得。
预估电量消耗数据是指预估的未来时间段内的电量消耗数据。未来时间段是指当前时间点之后的时间段。例如,当前时间点为10:00,未来时间段可以是10:00-10:20等。关于电量消耗数据的更多说明可以参见图3的电量消耗数据的相关内容。
电量消耗模型可以循环预测至少一个AGV的预估电量消耗数据。在一些实施例中,电量消耗模型为机器学习模型,例如,卷积神经网络(Convolutional Neural Network,CNN)模型、深度神经网络(Deep Neural Network,DNN)模型等,或其任意组合。
在一些实施例中,如图4所示,电量消耗模型可以包括特征层422和消耗预测层426。特征层422可以为RNN模型,消耗预测层426可以为DNN模型。
特征层422的输入可以为电量信息序列421,输出为电池损耗特征423。消耗预测层426的输入可以包括特征层422输出的电池损耗特征423、任务执行数据424和状态数据425,输出可以为至少一个AGV的预估电量消耗数据427。
其中,电池损耗特征是指电量信息序列中,不同工作状态下,不同电量对电池续航能力的损耗情况。例如,在负载运行状态下,电量少的时候比电量多的时候更耗电,则电池的续航能力在随着电量的减少而增加损耗。在一些实施例中,电池损耗特征可以通过向量表示。关于电量信息序列、任务执行数据、状态数据以及预估电量消耗数据的说明,参见前述步骤410和420的相关内容。
在一些实施例中,电量消耗模型可以通过特征层422和消耗预测层426的联合训练获得。
联合训练过程中,电量评估模块230可以将样本AGV的样本电量信息序列作为训练样本输入初始特征层,得到初始特征层输出的电池损耗特征;然后将电池损耗特征、样本AGV的样本任务执行数据和样本状态数据作为训练样本输入初始消耗预测层,到初始消耗预测层输出的预估电量消耗数据,基于初始消耗预测层的输出和训练样本的标签构建损失函数,基于损失函数更新初始特征层和初始消耗预测层的参数,得到训练好的特征层和消耗预测层,即训练好的电量消耗模型。
其中,训练样本的标签可以是样本AGV的对应的实际电量消耗数据。训练样本和标签可以基于历史数据获取。例如,训练样本可以是样本AGV在第一历史时间段的电量信息序列、任务执行数据以及状态数据。训练样本的标签可以是样本AGV在第二历史时间段的实际电量消耗数据。第一历史时间段早于第二历史时间段。
通过电量消耗模型循环预测预估电量消耗数据是指,所预测的预估电量消耗数据并非从当前状态到电量耗光的所有电量消耗数据,而是预设时间段的电量消耗数据,例如,预设时间段可以是从当前时间到下一个待执行任务执行完成时对应的时间段或者从当前时间到已安排的待执行任务执行完成时对应的时间段等。
通过电量消耗模型预测电量消耗数据,可以提高计算效率以及预估电量消耗数据的准确性,同时,联合训练的方式便于解决单独训练中样本电量信息序列对应的标签难获取的问题。
在一些实施例中,特征层422的输入还包括电池效率。此时,训练样本可以是样本AGV在第一历史时间段的电量信息序列、任务执行数据、状态数据以及电池效率。
电池效率是指当前电池容量与初始电池容量的比值。电池效率可以反映AGV电池的亏损情况。电池效率越低,电量消耗会越快,充电所需时间越长。初始电池容量是指AGV初始投入使用时的电池容量,即,AGV出厂时的电池容量。当前电池容量是指AGV投入使用一段时间后,在当前时间的电池容量。
在一些实施例中,电池效率可以根据AGV刚投入使用时的初始电量消耗数据与当前电量消耗数据的比值确定。例如,在同样是满电下进行空载运动,初始电量消耗数据为4.5%/小时,当前电量消耗数据为5%/小时,则电池效率可以是4.5/5=90%。其中,初始电量消耗数据与当前电量消耗数据的获取方式与电量消耗数据的获取方式类似,可以参见图3的相关内容。
在一些实施例中,电池效率还可以通过充电时所消耗的电量的比值来计算。例如,在剩余电量相同的情况下对AGV充电至满电,初始投入使用AGV时需要消耗充电桩800mAh的电量,而当前时间需要消耗1000mAh的电量,则电池效率可以是800/1000=80%。
在一些实施例中,消耗预测层426的输入还包括顶升数据。此时,训练样本可以是样本AGV在第一历史时间段的电量信息序列、任务执行数据、状态数据以及顶升数据。
顶升数据是指与AGV的顶升操作相关的数据。例如,顶升数据可以包括顶升次数、每次顶升的时长、载重等。在一些实施例中,顶升数据可以人工输入获取。在一些实施例中,顶升数据可以基于AGV上配置的各类传感器获取,例如,压力传感器、位移传感器等。
将电池效率和顶升数据作为电量消耗模型的输入,可以充分考虑影响电量消耗的各类因素,使预测的预估电量消耗数据更加准确。
在一些实施例中,电量评估模块230可以基于电量偏移数据动态修正预估电量消耗数据。
电量偏移数据是指预估电量消耗数据与对应时段的实际电量消耗数据之间的差异,可以通过计算实际电量消耗数据与预估电量消耗数据之间的差值获得。在一些实施例中,电量评估模块230可以基于电量消耗模型预测预设时间段的预估电量消耗数据,基于该预设时间段实际消耗的电量计算实际电量消耗数据。关于预设时间段的说明参见前述内容。电量偏移数据反映实际电量消耗数据与预估电量消耗数据的差异。例如,当实际电量消耗数据大于预估电量消耗数据,电量偏移数据为正。
在一些实施例中,电量评估模块230可以计算电量偏移数据与对应的本次预测得到的预估电量消耗数据的比值;根据比值对下一次的预估电量消耗数据进行等比例调整。例如,电量偏移数据为正,电量偏移数据与对应的预估电量消耗数据的比值为5%,则将下一次的预估电量消耗数据调高5%。
每完成一个待执行任务时,就基于完成该任务时的实际电量偏移数据对后续的预估电量消耗数据进行修正,可以使后续预测的预估电量消耗数据更加准确。
在一些实施例中,响应于电量偏移数据超过预设偏移阈值的次数达到更新阈值,电量评估模块230可以获取强化训练数据,基于强化训练数据对电量消耗模型进行强化训练。
预设偏移阈值是指电量偏移数据的阈值。预设偏移阈值可以通过数字、百分比等形式表示。例如,预设偏移阈值可以为200mAh、10%等。更新阈值是指电量偏移数据超过预设偏移阈值的次数的阈值。例如,更新阈值可以为5次、7次等。对所有AGV的电量偏移数据进行统计,每有一个AGV出现一次电量偏移数据超过预设偏移阈值,则记为1次。在一些实施例中,预设偏移阈值和更新阈值可以预设得到。在一些实施例中,预设偏移阈值和更新阈值可以基于历史数据设置。
强化训练数据是指用于强化训练电量消耗模型的训练样本及标签。在一些实施例中,对于电量偏移数据超过预设偏移阈值的预估电量消耗数据,可以将预测该预估电量消耗数据时,电量消耗模型的输入作为训练样本,用对应的实际电量消耗数据作为训练标签,组成强化训练数据。
在一些实施例中,电量评估模块230可以基于强化训练数据对电量消耗模型进行强化训练。强化训练过程可以参考上述得到训练好的电量消耗模型的过程。
如果多次预测的预估电量消耗数据与实际电量消耗数据的差距过大,则说明电量消耗模型预测准确度下降,此时对电量消耗模型进行强化训练,可以提高电量消耗模型的准确度。
本说明书的一些实施例,通过电量消耗模型预测电量消耗数据,可以提高计算效率以及预估电量消耗数据的准确性,便于后续根据电量需求对待执行任务清单进行合理分配。
图5是根据本说明书一些实施例所示的确定至少一个AGV充电参数的示例性流程图。如图5所示,流程500可以包括下述内容。
步骤510,基于待执行任务清单,为一个或多个充电桩配置充电安排序列。
充电安排序列是指一个或多个充电桩的充电时段的划分安排。例如,充电安排序列可以包括多个连续时间段中一个或多个充电桩的充电安排。在一些实施例中,充电桩的充电安排包括充电桩在每个时间段对应的充电状态以及所充电的AGV的编号。例如,充电状态包括待机和给AGV充电中等。
在一些实施例中,充电安排序列对应的连续时间段中每个时间段的时长可以随机生成。在一些实施例中,充电调度单元241可以根据充电桩的充电功率,确定待执行任务清单中各个待执行任务所需电量的最大值对应的充电时长,将该时长作为每个时间段的时长。
例如,待执行任务清单中各个待执行任务所需电量的最大值为20mAh,充电桩为AGV充电20mAh需要20分钟,则充电安排序列的每个时间段长度为20分钟。关于待执行任务清单的说明可以参见图4的相关内容。
步骤520,基于至少一个AGV的电量消耗数据,确定充电安排序列中的一个或多个充电时段的充电拥挤度。
充电拥挤度是指每个充电时段内充电需求的拥挤程度。充电拥挤度可以通过任意可行的方式表示。例如,可以通过文字、数值等方式表示。
在一些实施例中,充电拥挤度可以通过每个充电时段内,需要充电的AGV数量与充电桩数量的比值来表示。例如,在某一充电时段内,需要充电的AGV的数量为5个,充电桩数量为10个,则充电拥挤度为5/10=0.5。仅作为示例的,充电调度单元241可以基于多个AGV的任务序列,确定多个AGV的预估充电时段;基于多个AGV的预估充电时段,确定多个充电时段的充电拥挤度。
假设AGV电量消耗到电量警戒值的时候就需要充电,则可以根据AGV的任务序列中每个待执行任务的需求电量以及AGV的当前电量,计算AGV的电量消耗到电量警戒值时所在的时段,作为预估充电时段。充电调度单元241也可以基于AGV的任务序列及每个任务所需的电量,在AGV的剩余电量不足以完成下一个待执行任务时,判定该AGV需要充电,且将AGV完成充点前最后一个待执行任务的时间所在的时段,作为预估充电时段。
对多个AGV的任务序列按照上述判断过程,即可预估每个充电时段内需要充电的AGV的数量,进而可以预估每个充电时段的充电拥挤度。
步骤530,基于一个或多个充电时段的充电拥挤度,确定至少一个AGV的充电参数。
充电参数是指与AGV充电过程相关的参数。例如,充电参数至少包括充电时段和充电位置。
充电时段是指AGV实际进行充电时的时段。在一些实施例中,充电时段可以基于步骤620中确定预估充电时段的方式确定。充电位置可以包括对AGV进行充电的充电桩所处的位置。在一些实施例中,充电调度单元241可以将充电时段内空闲的充电桩,或距离AGV当前位置最近的充电桩作为对该AGV进行充电的充电桩,将该充电桩所处位置作为AGV的充电位置。
在一些实施例中,当充电时段对应的充电拥挤度较大时,充电调度单元241可以调整AGV的充电时段,生成新的充电参数。
例如,充电调度单元241可以基于多个充电时段的充电拥挤度,通过拥挤度过滤区间选择待协调充电时段。待协调充电时段包括高拥挤度时段和低拥挤度时段。
拥挤度过滤区间是指用于筛选出需要对该时段内充电的AGV进行调整的区间。拥挤度过滤区间包括上界和下界。高拥挤度时段是指拥挤度大于拥挤度过滤区间上界的充电时段。低拥挤度时段是指拥挤度小于拥挤度过滤区间下界的充电时段。
例如,如果拥挤度过滤区间是[0.8,1.0],则位于该区间左侧的区间,如,(0,0.8),表示拥挤度较小,其对应的充电时段为低拥挤度充电时段,位于该区间右侧的区间,如,(1.0,2.0),表示拥挤度较大,其对应的充电时段为高拥挤度时段。
在一些实施例中,拥挤度过滤区间可以通过预设得到。关于充电拥挤度的确定方式,可以参见步骤520的内容。
充电调度单元241可以基于待协调充电时段,将在高拥挤度时段充电的至少一个AGV的充电时间调整到低拥挤度充电时段。例如,若存在高拥挤度时段,将高拥挤度时段内充电的AGV,调整到位于该时段前面的低拥挤度时段,以对相应AGV进行提前充电。其中,被调整的AGV数量可以基于高拥挤度时段的拥挤度确定,标准为调整后不再出现高拥挤度时段。
将位于高拥挤度时段的AGV调整到低拥挤度时段进行充电,减少了排队等待所浪费的时间成本,同时可以提高充电效率。
充电调度单元241可以通过多种方式确定需要调整充电时段的AGV。在一些实施例中,充电调度单元241可以从位于高拥挤度时段的AGV中随机选择一定数量的AGV作为需要调整充电时段的AGV。
在一些实施例中,充电调度单元241可以基于在高拥挤度时段充电的至少一个AGV的电量消耗数据矩阵,根据相似度匹配电量曲线库中的预设电量曲线;通过预设电量曲线评估将该AGV调到不同低拥挤度时段的不同电量增幅;基于不同电量增幅确定需要调整充电时段的AGV。
AGV在不同工作状态下的电量消耗数据不同,在不同时间段的电量消耗数据也可以不同,电量消耗数据矩阵表示AGV在不同工作状态以及不同工作时段的电量消耗数据。例如,电量消耗数据矩阵可以表示为{(A1,A2,……,An),(B1.B2,……,Bn),(C1,C2,……,Cn)},其中A、B、C分别表示AGV的不同工作状态,An、Bn、Cn分别表示不同工作状态下,不同时间段对应的电量消耗数据。电量消耗数据矩阵可以表示AGV的电池特性,例如,可以反映AGV的电池效率。
预设电量曲线是指电池在充电时的电量变化曲线。电池特性不同,预设向量曲线也不同。在一些实施例中,预设电量曲线的纵坐标为电池电量,其范围可以是0-电池容量;横坐标为充电所需的时长。例如,预设电量曲线中的某一点坐标为(20,20mAh),则表示从0开始为AGV充电至20mAh需要20分钟。不同的电量消耗数据矩阵对应不同的电量变化曲线。在一些实施例中,充电调度单元241可以基于不同AGV在实际充电时的电量变化,绘制多条电量变化曲线构成电量曲线库。
由于对电池充电时,并不是整个过程充电速度都是相同的,通常电量低时充电快,电量高时充电慢,因此充电时电池的电量不同,相同时段能够补充的电量不同。由此,可以优先选择电量增幅高的时段对AGV进行充电,以提高充电效率。
在一些实施例中,充电调度单元241可以从电量曲线库中选出目标电量变化曲线作为AGV的电量变化曲线。目标电量变化曲线对应的电量消耗数据矩阵与该AGV的电量消耗数据矩阵的相似度最高。仅作为示例的,充电调度单元241可以分别计算AGV的电量消耗数据矩阵与电量曲线库中的多条电量变化曲线对应的电量消耗数据矩阵的向量距离,向量距离越小,相似度越高。其中,向量距离可以是欧式距离、余弦距离等。
电量增幅是指从低拥挤度时段的开始时间点到结束时间点计算的AGV的电量增幅。在一些实施例中,充电调度单元241可以根据AGV的任务序列计算在各低拥挤度时段的开始时间点时的AGV的剩余电量,基于该开始时间点时的剩余电量,从对应的电量变化曲线中寻找结束时间点时的剩余电量。将结束时间点时的剩余电量与开始时间点时的剩余电量作差,即可得到AGV的电量增幅。
AGV的电量增幅越大,表示在该低拥挤度时段充电的充电速度越快,充得的电量越多。在一些实施例中,充电调度单元241可以调整AGV的充电时段至电量增幅最大的低拥挤度时段。例如,对于某一AGV,其在低拥挤度时段1、低拥挤度时段2、低拥挤度时段3、低拥挤度时段4的电量增幅分别为20%、21%、25%、23%,则可以将该AGV调整至低拥挤度时段3进行充电。
在一些实施例中,充电调度单元241可以通过多种方式确定待协调充电时段里实际调整的AGV的个数。例如,对于多个候选AGV,充电调度单元241可以选择对应的最大电量增幅超过电量增幅阈值的候选AGV执行调整。候选AGV是指可以调整至低拥挤度时段以增大电量增幅的AGV。在一些实施例中,候选AGV可以基于将AGV调入低拥挤度时段时电量增幅是否增大确定。例如,若AGV调整至低拥挤度时段可以增大电量增幅,则该AGV可以作为一个候选AGV。
仅作为示例的,在多个低拥挤度时段里,1号候选AGV调整至低拥挤度时段2时的电量增幅最大,为25%,2号候选AGV调整至低拥挤度时段1时的电量增幅最大,为20%,3号候选AGV调整至低拥挤度时段3时的电量增幅最大,为22%,若电量增幅阈值为23%,则实际调整的AGV的个数为1。其中,电量增幅阈值可以预设得到。
又例如,对于多个候选AGV,充电调度单元241可以基于最大电量增幅对候选AGV进行排序,并选择排序靠前的若干个候选AGV进行实际调整。实际调整的AGV个数和候选AGV的个数成正比。仅作为示例的,实际调整的AGV个数可以是候选AGV的个数的50%。
在一些实施例中,基于充电调度单元241确定的实际调整的AGV的个数对AGV进行调整后,不再有高拥挤度时段。
在一些实施例中,每个待协调充电时段里实际调整的AGV的个数可以基于低拥挤度时段的空闲充电桩个数确定。例如,每个低拥挤度时段实际调入的AGV的个数不能超过该低拥挤度时段的空闲充电桩个数。
仅作为示例的,某一低拥挤度时段的空闲充电桩有3个,则该低拥挤度时段实际调入的AGV的个数不能超过3个。又例如,每个高拥挤度时段实际调出的AGV个数应满足不超出可调入的低拥挤度时段的空闲充电桩数量之和。仅作为示例的,对于某一高拥挤度时段的多个AGV,可以调整至低拥挤度时段1和3进行充电以增大电量增幅,低拥挤度时段1和3的空闲充电桩数量之和为2,则该高拥挤度时段实际调出的AGV个数不超过2个。当高拥挤度时段需要调整的AGV数量大于可调入的低拥挤度时段的空闲充电桩数量之和时,充电调度单元241可以基于最大电量增幅对需要调整的AGV进行排序,优先将电量增幅较大的AGV调入对应的低拥挤度时段以达到最大的电量增幅,之后可以将剩余需要调整的AGV调入其他有空闲充电桩的低拥挤度时段以消除高拥挤度时段。
由于电池充电时,整个过程的充电速度并不相同,基于电量增幅确定需要调整充电时段的AGV,可以使相同时间内的充电量最大,提高充电效果。
本说明书的一些实施例,基于待执行任务清单,为一个或多个充电桩配置充电安排序列,基于不同充电时段的充电拥挤度,对需要充电的AGV进行协调,可以减少排队等待的时间成本,提高充电桩的利用率,进而提升充电效率。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种AGV机动调度系统,其特征在于,所述系统包括:通讯模块、电量统计模块、电量评估模块、调度模块和显示模块;
所述通讯模块被配置为与至少一个AGV通信连接;
所述电量统计模块被配置为基于所述通讯模块获取所述至少一个AGV的电量信息;
所述电量评估模块被配置为基于所述电量信息评估电量消耗数据;
所述调度模块被配置为基于所述电量信息和所述电量消耗数据,确定至少一个AGV调度参数;以及
所述显示模块被配置为显示所述至少一个AGV的状态信息,所述状态信息包括所述至少一个AGV的工作状态、充电状态、所述电量信息中的至少一种。
2.根据权利要求1所述的AGV机动调度系统,其特征在于,所述电量评估模块还被配置为:
读取电量信息序列;以及
基于所述电量信息序列、任务执行数据和状态数据,通过电量消耗模型循环预测所述至少一个AGV的预估电量消耗数据,所述电量消耗模型为机器学习模型,其中,所述电量消耗模型包括特征层和消耗预测层;
所述特征层被配置为对所述电量信息序列进行处理,确定电池损耗特征;以及
所述消耗预测层被配置为对所述电量损耗特征、所述任务执行数据以及所述状态数据进行处理,确定所述预估电量消耗数据。
3.根据权利要求1所述的AGV机动调度系统,其特征在于,所述调度模块还被配置为:
基于所述电量信息和预估电量消耗数据,评估所述至少一个AGV的剩余续航;以及
基于所述剩余续航和待执行任务清单,确定所述至少一个AGV调度参数。
4.根据权利要求3所述的AGV机动调度系统,其特征在于,所述调度模块包括充电调度单元,所述充电调度单元被配置为:
基于所述待执行任务清单,为一个或多个充电桩配置充电安排序列;
基于所述至少一个AGV的所述电量消耗数据,确定所述充电安排序列中的一个或多个充电时段的充电拥挤度;以及
基于所述一个或多个充电时段的所述充电拥挤度,确定所述至少一个AGV的充电参数,所述充电参数至少包括充电时段和充电位置。
5.一种AGV机动调度方法,其特征在于,包括:
与至少一个AGV建立通信连接;
获取所述至少一个AGV的电量信息;
基于所述电量信息评估电量消耗数据;
基于所述电量信息和所述电量消耗数据,确定至少一个AGV调度参数;以及
显示所述至少一个AGV的状态信息,所述状态信息包括所述至少一个AGV的工作状态、充电状态、所述电量信息中的至少一种。
6.根据权利要求5所述的AGV机动调度方法,其特征在于,所述基于所述电量信息评估电量消耗数据包括:
读取电量信息序列;以及
基于所述电量信息序列、任务执行数据和状态数据,通过电量消耗模型循环预测所述至少一个AGV的预估电量消耗数据,所述电量消耗模型为机器学习模型,其中,所述电量消耗模型包括特征层和消耗预测层;
所述特征层被配置为对所述电量信息序列进行处理,确定电池损耗特征;以及
所述消耗预测层被配置为对所述电量损耗特征、所述任务执行数据以及所述状态数据进行处理,确定所述预估电量消耗数据。
7.根据权利要求5所述的AGV机动调度方法,其特征在于,所述基于所述电量信息和所述电量消耗数据,确定至少一个AGV调度参数包括:
基于所述电量信息和预估电量消耗数据,评估所述至少一个AGV的剩余续航;以及
基于所述剩余续航和待执行任务清单,确定所述至少一个AGV调度参数。
8.根据权利要求7所述的AGV机动调度方法,其特征在于,所述方法还包括:
基于所述待执行任务清单,为一个或多个充电桩配置充电安排序列;
基于所述至少一个AGV的所述电量消耗数据,确定所述充电安排序列中的一个或多个充电时段的充电拥挤度;以及
基于所述一个或多个充电时段的所述充电拥挤度,确定所述至少一个AGV的充电参数,所述充电参数至少包括充电时段和充电位置。
9.一种AGV机动调度装置,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求5~8中任意一项所述的AGV机动调度方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求5-8任一项所述的AGV机动调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726586.5A CN117707077A (zh) | 2023-12-15 | 2023-12-15 | 一种agv机动调度系统、方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726586.5A CN117707077A (zh) | 2023-12-15 | 2023-12-15 | 一种agv机动调度系统、方法、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117707077A true CN117707077A (zh) | 2024-03-15 |
Family
ID=90152835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311726586.5A Pending CN117707077A (zh) | 2023-12-15 | 2023-12-15 | 一种agv机动调度系统、方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117707077A (zh) |
-
2023
- 2023-12-15 CN CN202311726586.5A patent/CN117707077A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108140157B (zh) | 用于评估和调节工业车辆性能的计算机执行的处理和系统 | |
US10423934B1 (en) | Automated vehicle diagnostics and maintenance | |
CN102707718B (zh) | 自动制导系统控制工业车辆的通信方法 | |
CN110245890A (zh) | 货品分拣方法及货品分拣系统 | |
JP2019531990A (ja) | 倉庫におけるパレットの品物の自動まとめ | |
EP3492873B1 (en) | Battery pack optimization transport planning method | |
CN109377084A (zh) | 调度服务器及基于该调度服务器的智能物流调度服务系统 | |
JP2013508645A (ja) | 燃料供給管理のためのシステムおよび方法 | |
US20140278823A1 (en) | Normalizing performance data across industrial vehicles | |
CN110654807B (zh) | 物料运输系统及其控制方法 | |
CN117707077A (zh) | 一种agv机动调度系统、方法、装置及介质 | |
CN112465219A (zh) | 一种基于近场通信的飞机总装物料配送网络的构建方法 | |
CN116451949A (zh) | 一种基于云平台的换电智能监控管理系统 | |
CN114662853A (zh) | 一种运输车的分配方法、设备、产品及介质 | |
CN113902197A (zh) | 一种基于大数据运用的提高集装箱使用效率的方法与系统 | |
CN114707820A (zh) | 货物运输方法、装置、终端设备及可读存储介质 | |
JP7332268B2 (ja) | 荷役システム、荷役割当方法およびプログラム | |
CN115046563A (zh) | 行驶路线分配方案生成方法、设备、存储介质及程序产品 | |
CN117273606B (zh) | 一种基于智能仓库的无人搬运车调度方法及系统 | |
JP7396781B2 (ja) | 空調システム、当該空調システムを備えたフォークリフト制御システムおよび制御プログラム | |
EP4292836A1 (en) | Tire managing device and tire managing method | |
CN113487108B (zh) | 一种车辆充电调度方法、装置、设备及存储介质 | |
CN117252495A (zh) | 无人车的配送方法、装置和无人车 | |
CN116452096A (zh) | 叫料方法及相关设备 | |
CN117973626A (zh) | 数字月台车辆调度规划实现方法 |
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 |