本發(fā)明涉及物流管理,尤其涉及基于物料多層碼垛的碼垛優(yōu)化算法。
背景技術(shù):
1、隨著現(xiàn)代物流和制造業(yè)的發(fā)展,物料碼垛作為一項重要的倉儲和運輸操作,越來越受到重視,傳統(tǒng)的碼垛過程通常依賴人工操作,耗時耗力且效率低下,為了解決這一問題,自動化碼垛設(shè)備和系統(tǒng)應(yīng)運而生,通過利用機器人技術(shù)和先進的算法,實現(xiàn)了物料的自動化和智能化碼垛,然而,在實際應(yīng)用中,物料的多樣性和復(fù)雜性使得碼垛過程面臨諸多挑戰(zhàn),例如物料尺寸、重量、形狀和材質(zhì)的多變性,以及碼垛過程中可能出現(xiàn)的傾倒、滑動和形變等問題。
2、現(xiàn)有的碼垛技術(shù)雖然在一定程度上提高了碼垛效率和自動化水平,但仍存在一些顯著的缺點和不足,首先,現(xiàn)有技術(shù)在物料信息采集方面不夠全面和準(zhǔn)確,缺乏對物料特性(如尺寸、重量、形狀和材質(zhì))的精確測量和記錄,導(dǎo)致碼垛方案的基礎(chǔ)數(shù)據(jù)不足,其次,現(xiàn)有的優(yōu)化算法在計算最佳碼垛路徑和穩(wěn)定性校驗方面存在局限,難以有效地應(yīng)對復(fù)雜的物料堆疊情況,容易導(dǎo)致碼垛過程中的不穩(wěn)定和低效,此外,現(xiàn)有技術(shù)缺乏對碼垛過程中物料形變的實時預(yù)測和補償機制,導(dǎo)致碼垛結(jié)構(gòu)在受力變化時容易出現(xiàn)不穩(wěn)定現(xiàn)象,影響碼垛效果和安全性。
3、本發(fā)明的目的在于提供一種基于物料多層碼垛的碼垛優(yōu)化算法,通過全面精確的物料信息采集、優(yōu)化算法和穩(wěn)定性校驗以及自適應(yīng)形變預(yù)測與補償機制,解決現(xiàn)有技術(shù)中的不足,提高碼垛過程的穩(wěn)定性、精確性和效率。
技術(shù)實現(xiàn)思路
1、基于上述目的,本發(fā)明提供了基于物料多層碼垛的碼垛優(yōu)化算法。
2、基于物料多層碼垛的碼垛優(yōu)化算法,包括以下步驟:
3、s1,物料信息采集與數(shù)據(jù)庫存儲:通過傳感器和掃描設(shè)備,采集待碼垛物料信息,包括尺寸、重量、形狀以及材質(zhì),并將物料信息存儲在數(shù)據(jù)庫中;
4、s2,碼垛模型建立與初步方案生成:基于采集的物料信息,建立物料的三維模型,并根據(jù)預(yù)設(shè)的碼垛規(guī)則生成初步的碼垛方案,包含物料的擺放位置、順序以及堆疊層數(shù);
5、s3,優(yōu)化算法計算與穩(wěn)定性校驗:基于初步碼垛方案,利用優(yōu)化算法計算最佳的碼垛路徑,并對生成的碼垛方案進行穩(wěn)定性分析;
6、s4,仿真驗證與方案優(yōu)化:在虛擬環(huán)境中對碼垛方案進行仿真,驗證方案的可行性和穩(wěn)定性,并對仿真結(jié)果進行記錄和分析,基于仿真結(jié)果,通過迭代優(yōu)化算法優(yōu)化碼垛方案;
7、s5,自適應(yīng)形變預(yù)測與補償算法:預(yù)測不同物料在碼垛過程中的形變情況,并通過實時調(diào)整碼垛方案進行補償,具體包括:
8、s51,物料形變特性分析:通過物理仿真和歷史物料信息進行分析,識別不同物料在碼垛過程中發(fā)生的形變特性;
9、s52,實時形變監(jiān)測:在碼垛過程中,利用傳感器實時監(jiān)測物料的形變情況,收集形變數(shù)據(jù);
10、s53,形變預(yù)測:基于實時監(jiān)測的形變數(shù)據(jù)和歷史物流信息,構(gòu)建形變預(yù)測模型,預(yù)測物料的形變趨勢;
11、s54,動態(tài)方案調(diào)整:根據(jù)預(yù)測的形變趨勢,實時調(diào)整碼垛方案,優(yōu)化物料的擺放角度和位置;
12、s55,形變補償執(zhí)行:在實際碼垛操作中,執(zhí)行調(diào)整后的碼垛方案;
13、s6,執(zhí)行碼垛與實時監(jiān)控:將最終優(yōu)化的碼垛方案輸入到碼垛機器人或自動化設(shè)備中,進行實際碼垛操作,并實時監(jiān)控碼垛過程中的異常情況,及時進行調(diào)整;
14、s7,結(jié)果反饋與持續(xù)改進:記錄碼垛過程中的數(shù)據(jù)和結(jié)果,形成碼垛報告,并將反饋信息存儲在數(shù)據(jù)庫中。
15、進一步的,所述s1中的物料信息采集與數(shù)據(jù)庫存儲包括:
16、s11,尺寸采集:利用激光測距儀或3d掃描儀對物料的外部尺寸進行測量,生成物料的三維尺寸數(shù)據(jù);
17、s12,重量采集:通過稱重傳感器測量物料的重量,并將重量數(shù)據(jù)記錄下來;
18、s13,形狀采集:利用3d掃描設(shè)備獲取物料的外形輪廓和表面特征;
19、s14,材質(zhì)采集:通過材質(zhì)識別傳感器(如光譜分析儀或紅外傳感器)分析物料的材質(zhì)特性,并將材質(zhì)信息記錄下來;
20、s15,數(shù)據(jù)存儲:將采集的尺寸、重量、形狀及材質(zhì)信息通過數(shù)據(jù)接口傳輸至數(shù)據(jù)庫中進行存儲。
21、進一步的,所述s2中的碼垛模型建立與初步方案生成包括:
22、s21,三維模型建立:基于采集的物料尺寸、形狀和材質(zhì),利用三維建模軟件建立物料的三維模型;
23、s22,碼垛規(guī)則設(shè)定:根據(jù)物料的特性和預(yù)設(shè)的碼垛規(guī)則(如重物在下、輕物在上,易碎物品放在中間等),設(shè)定碼垛的基本規(guī)則;
24、s23,初步方案生成:基于物料的三維模型和設(shè)定的碼垛規(guī)則,生成初步的碼垛方案,包括物料的擺放位置、碼垛順序以及堆疊層數(shù);
25、s24,方案驗證:對生成的初步碼垛方案進行初步驗證。
26、進一步的,所述s3中的優(yōu)化算法計算與穩(wěn)定性校驗包括:
27、s31,優(yōu)化算法計算:基于初步碼垛方案,利用遺傳算法計算最佳的碼垛路徑;
28、s32,穩(wěn)定性校驗:對生成的碼垛方案進行穩(wěn)定性分析,具體包括:
29、s321,重心計算:計算每一層物料的重心位置,計算公式為:
30、;
31、;
32、其中,和分別為重心的坐標(biāo)和坐標(biāo),為第個物料的重量,和分別為第個物料的坐標(biāo)和坐標(biāo);
33、s322,傾覆分析:利用力矩平衡原理,計算各個物料堆疊后的傾覆力矩,計算公式為:
34、;
35、其中,為總傾覆力矩,為第個物料到支撐面的距離;
36、s323,滑動分析:通過摩擦力分析,計算物料間的摩擦力,計算公式為:
37、;
38、其中,為摩擦力,為摩擦系數(shù),為正向壓力。
39、進一步的,所述s4中的仿真驗證與方案優(yōu)化包括:
40、s41,仿真環(huán)境構(gòu)建:在虛擬環(huán)境中構(gòu)建與實際碼垛場景相符的仿真模型,包括碼垛設(shè)備、物料和碼垛區(qū)域的三維模型;
41、s42,碼垛方案仿真:在仿真環(huán)境中執(zhí)行初步生成的碼垛方案,通過物理引擎模擬物料的擺放、堆疊過程,實時監(jiān)控物料的受力、變形和穩(wěn)定性,驗證方案的可行性和穩(wěn)定性;
42、s43,數(shù)據(jù)記錄:對仿真過程中產(chǎn)生的仿真數(shù)據(jù)進行記錄,包括物料的擺放位置、堆疊層數(shù)、受力情況、變形情況;
43、s44,迭代優(yōu)化算法應(yīng)用:基于仿真結(jié)果,利用迭代優(yōu)化算法對碼垛方案進行優(yōu)化,具體包括:
44、s441,適應(yīng)度函數(shù)更新:根據(jù)仿真結(jié)果調(diào)整適應(yīng)度函數(shù)中的權(quán)重系數(shù)(、、),反映仿真中發(fā)現(xiàn)的問題和優(yōu)化目標(biāo);
45、s442,方案調(diào)整:利用粒子群優(yōu)化算法生成新的碼垛方案,調(diào)整物料的擺放位置、順序和堆疊層數(shù),生成新的方案;
46、s443,多次仿真與優(yōu)化:重復(fù)執(zhí)行碼垛方案仿真、數(shù)據(jù)記錄、迭代優(yōu)化算法應(yīng)用,直至仿真結(jié)果滿足預(yù)設(shè)的穩(wěn)定性、空間利用率和效率要求;
47、s45,方案確定:在多次仿真與優(yōu)化的基礎(chǔ)上,確定最終優(yōu)化的碼垛方案。
48、進一步的,所述s51中的物料形變特性分析包括:
49、s511,物理仿真分析:利用有限元分析方法對物料進行物理仿真,模擬物料在碼垛過程中的受力和變形情況,具體包括:
50、建立物料模型:根據(jù)物料的尺寸、形狀和材質(zhì),建立物料的有限元模型;
51、施加邊界條件和載荷:根據(jù)實際碼垛環(huán)境,施加相應(yīng)的邊界條件和載荷,模擬物料在碼垛過程中的受力狀態(tài);
52、求解變形情況:利用有限元求解器,計算物料在不同受力條件下的變形情況,計算公式為:
53、;
54、其中,是剛度矩陣,是節(jié)點位移向量,是外力載荷向量;
55、s512,歷史物料信息分析:利用歷史物料信息對不同物料的形變特性進行統(tǒng)計分析,具體包括:
56、數(shù)據(jù)收集:收集并整理歷史碼垛過程中記錄的物料形變數(shù)據(jù),包括變形量、受力情況和環(huán)境條件;
57、數(shù)據(jù)建模:基于歷史物料信息,建立物料形變特性的統(tǒng)計模型,計算公式為:
58、;
59、其中,為形變量,為受力,為環(huán)境條件(如溫度、濕度等),、、為常數(shù)系數(shù);
60、特性識別:通過聚類分析識別出不同物料在給定受力和環(huán)境條件下的形變特性,形成形變特性庫,計算公式為:
61、;
62、其中,為目標(biāo)函數(shù)(簇內(nèi)的平方和),為簇的數(shù)量,為數(shù)據(jù)點,為第個簇,為第個簇的質(zhì)心。
63、進一步的,所述s52中的實時形變監(jiān)測包括:
64、s521,傳感器部署:在碼垛設(shè)備和物料上部署多種傳感器,包括位移傳感器、應(yīng)變計和壓力傳感器,用于監(jiān)測物料在碼垛過程中的形變情況;
65、s522,形變數(shù)據(jù)采集:通過位移傳感器實時測量物料的位移變化,通過應(yīng)變計監(jiān)測物料的應(yīng)變情況,通過壓力傳感器監(jiān)測物料表面的應(yīng)力情況。
66、進一步的,所述s53中的形變預(yù)測模型采用人工神經(jīng)網(wǎng)絡(luò)(ann),所述人工神經(jīng)網(wǎng)絡(luò)(ann)包括:
67、s531,輸入層數(shù)據(jù)預(yù)處理:對輸入數(shù)據(jù)進行歸一化處理,計算公式為:
68、;
69、其中,為原始輸入數(shù)據(jù),為歸一化后的輸入數(shù)據(jù),和分別為輸入數(shù)據(jù)的均值和標(biāo)準(zhǔn)差;
70、s532,輸入層:定義輸入層的節(jié)點數(shù),根據(jù)監(jiān)測的形變數(shù)據(jù)(如位移、應(yīng)變和應(yīng)力)和歷史物流信息的特征維度確定輸入層的節(jié)點數(shù),將處理后的輸入特征向量傳遞給下一層,表示為:
71、;
72、其中,為輸入特征向量;
73、s533,時序特征提?。和ㄟ^卷積層提取時間序列特征,捕捉形變數(shù)據(jù)的時序變化,計算公式為:
74、;
75、其中,為第尺度的卷積輸出,為第尺度的卷積核權(quán)重,為第尺度的卷積核大小,為時間的輸入,為偏置;
76、s534,隱藏層結(jié)構(gòu)設(shè)計:通過引入自適應(yīng)激活函數(shù)和跳躍連接,增強網(wǎng)絡(luò)的非線性表達能力和特征捕捉能力,計算公式為:
77、;
78、其中,為第層的激活值,為第層的權(quán)重矩陣,為第層的偏置,為前兩層的激活值;
79、所述自適應(yīng)激活函數(shù)的計算公式為:
80、;
81、其中,和為可學(xué)習(xí)參數(shù);
82、s535,注意力機制:在卷積層中引入注意力機制,注意力機制通過計算注意力權(quán)重來調(diào)整輸入特征的權(quán)重,計算公式為:
83、;
84、其中,、、分別為查詢、鍵和值矩陣,為鍵的維度,為歸一化函數(shù),為注意力輸出;s536,損失函數(shù):定義加權(quán)的均方誤差損失函數(shù),并加入正則化項和注意力機制的損失項,以防止過擬合,計算公式為:
85、;
86、其中,為損失函數(shù),為樣本數(shù),為樣本的權(quán)重,為預(yù)測值,為真實值,為正則化系數(shù),為第層權(quán)重矩陣的范數(shù),為注意力機制的正則化系數(shù),為第層注意力矩陣的范數(shù);
87、s537,輸出層:根據(jù)實際需求確定輸出層節(jié)點數(shù),用于預(yù)測物料的形變量,計算公式為:
88、;
89、其中,為預(yù)測輸出,為輸出層的權(quán)重矩陣,為最后一層隱藏層的激活值,為輸出層的偏置。
90、進一步的,所述s54中的動態(tài)方案調(diào)整包括:
91、s541,形變趨勢預(yù)測:基于人工神經(jīng)網(wǎng)絡(luò)模型,對物料在碼垛過程中的形變趨勢進行預(yù)測,獲取每個物料的預(yù)計形變量;
92、s542,實時調(diào)整擺放位置:根據(jù)預(yù)測的形變趨勢,動態(tài)調(diào)整每個物料的擺放位置,具體包括:
93、計算調(diào)整向量:根據(jù)形變預(yù)測結(jié)果,計算物料的位置調(diào)整向量,計算公式:
94、;
95、其中,為位置調(diào)整向量,為調(diào)整系數(shù),為預(yù)測的形變量;
96、更新擺放位置:將原始擺放位置更新為調(diào)整后的擺放位置,計算公式為:
97、;
98、s543,優(yōu)化擺放角度:根據(jù)物料的形變預(yù)測結(jié)果,優(yōu)化物料的擺放角度,具體包括:
99、計算調(diào)整角度:根據(jù)形變預(yù)測結(jié)果,計算物料的擺放角度調(diào)整量,計算公式為:
100、;
101、其中,為角度調(diào)整量,為調(diào)整系數(shù),為預(yù)測的形變角度變化;
102、更新擺放角度:將原始擺放角度更新為調(diào)整后的擺放角度,計算公式為:
103、。
104、進一步的,所述s6中的執(zhí)行碼垛與實時監(jiān)控包括:
105、s61,輸入優(yōu)化方案:將最終優(yōu)化的碼垛方案傳輸至碼垛機器人或自動化設(shè)備中;
106、s62,執(zhí)行碼垛操作:碼垛機器人或自動化設(shè)備根據(jù)輸入的優(yōu)化方案進行實際碼垛操作,按照優(yōu)化方案中的指令逐一擺放物料;
107、s63,實時監(jiān)控:在碼垛過程中,通過安裝在機器人或自動化設(shè)備上的傳感器(如攝像頭、激光測距儀、應(yīng)變計等)實時監(jiān)控碼垛的每個步驟和物料的狀態(tài);
108、s64,異常檢測與調(diào)整:對實時監(jiān)控的結(jié)果進行分析,檢測碼垛過程中的異常情況(如物料滑動、傾斜、變形等),并及時進行調(diào)整。
109、本發(fā)明的有益效果:
110、本發(fā)明,通過引入一系列精確的物料信息采集與數(shù)據(jù)庫存儲技術(shù),利用激光測距儀、3d掃描儀、稱重傳感器和材質(zhì)識別傳感器,全面采集物料的尺寸、重量、形狀和材質(zhì)信息,并將這些數(shù)據(jù)存儲在中央數(shù)據(jù)庫中,為碼垛模型建立和優(yōu)化算法提供了準(zhǔn)確、詳細的物料特性數(shù)據(jù),顯著提高了碼垛方案的精確性、穩(wěn)定性和效率,確保了初步方案的可靠性和可行性,為后續(xù)的優(yōu)化步驟提供了堅實的數(shù)據(jù)基礎(chǔ)。
111、本發(fā)明,通過優(yōu)化算法計算與穩(wěn)定性校驗,計算最佳的碼垛路徑,并通過有限元分析等方法進行結(jié)構(gòu)穩(wěn)定性分析,確保每一層物料堆疊后不會發(fā)生傾倒或滑動,在仿真驗證與方案優(yōu)化過程中,通過虛擬環(huán)境中的多次仿真和優(yōu)化,生成的最終碼垛方案不僅具有高可行性和穩(wěn)定性,還能在實際應(yīng)用中達到最佳效果,保證了碼垛方案在空間利用率、穩(wěn)定性和操作效率方面的綜合優(yōu)化。
112、本發(fā)明,通過人工神經(jīng)網(wǎng)絡(luò)模型,準(zhǔn)確地預(yù)測物料在碼垛過程中的形變情況,并通過實時調(diào)整碼垛方案進行補償,通過實時形變監(jiān)測、動態(tài)方案調(diào)整和形變補償執(zhí)行,能夠在碼垛過程中實時獲取和調(diào)整物料的形變數(shù)據(jù),確保物料碼垛的穩(wěn)定性和精確性,此外,通過執(zhí)行碼垛與實時監(jiān)控步驟,能夠?qū)崟r識別和處理碼垛過程中的異常情況,確保了碼垛過程的安全性和穩(wěn)定性,并通過動態(tài)調(diào)整提高碼垛效率和質(zhì)量,從而顯著增強了碼垛過程的自動化和智能化水平。