CN116804847A - 一种集装箱搬运小车控制方法 - Google Patents

Abstract

本发明公开了一种集装箱搬运小车控制方法，涉及仓储技术领域，本发明所提供的集装箱搬运小车控制方法利用感知和数据采集、自适应控制策略，使得小车能够智能地适应不同情境和负载，提高了整体的适应性和灵活性；通过聚类分析、交通模拟和遗传算法针对堆场内的交通瓶颈和拥堵情况进行分析和优化，显著提升交通流的畅通性和效率；自适应控制策略和动态路径规划允许小车根据负载、高度、速度需求信息实时调整路径和速度，使得小车运行更加灵活和高效；通过数据处理和决策制定步骤，对实时采集的数据进行分析，能够更加精确地识别问题、制定决策，并优化小车的控制参数，从而提高了决策的准确性和效果。

Description

一种集装箱搬运小车控制方法

技术领域

本发明涉及仓储技术领域，具体为一种集装箱搬运小车控制方法。

背景技术

集装箱搬运小车是一种用于搬运、装卸和运输集装箱的机动车辆，通常被用于港口、货运站点、物流中心等地方。这些小车通常设计成能够容纳标准尺寸的集装箱，并且具有适当的升降和搬运机制，使其能够有效地将集装箱从一个位置移动到另一个位置，或者将其装卸到陆上运输工具如卡车、火车或船只上。

而随着设备自动化的发展，逐步发展出可操控的集装箱搬运小车，操作员可以通过遥控器或者控制面板，远程控制小车的移动、升降、转向，一些现代集装箱搬运小车已经实现了自动化控制，通过使用传感器、摄像头、激光导航等技术，实现自动化导航和搬运功能，这些小车可以在预定路径上自主行驶，避开障碍物，并在需要时自动进行装卸操作，少有的一些高级的集装箱搬运小车可以通过编程控制实现复杂的任务，操作员可以预先编写任务指令，让小车按照特定的路径和动作序列执行任务，这对于需要进行复杂、多步骤操作的场景非常有用。

然而传统的搬运小车控制方法基于固定的控制策略，无法根据实时数据和环境变化进行自适应调整，同时传统方法往往忽视了交通流畅性的优化，导致堆场内的拥堵、冲突问题发生，因此亟需一种可以根据不同情景负载自适应控制的集装箱搬运小车控制方法来解决此类问题。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种集装箱搬运小车控制方法，解决现有技术中存在的固定的控制策略无法根据实时数据和环境变化进行自适应调整，忽视了交通流畅性的优化，导致堆场内的拥堵、冲突的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种集装箱搬运小车控制方法，包括：

感知和数据采集，在集装箱堆场安装传感器网络，感知小车、集装箱和环境信息，进行实时数据采集；

数据处理和决策制定，对感知和数据采集步骤中收集到的数据进行处理和分析，指定小车行动计划；

控制和执行，包括数据传输系统，基于数据处理和决策制定步骤中的动态路径规划和自适应控制策略，生成小车的控制指令，数据传输系统将生成的控制指令传递给小车的控制系统。

本发明进一步地设置为：所述感知和数据采集步骤中安装传感器网络具体为：

在集装箱堆场内布置传感器，包括激光传感器、摄像头、负载传感器；

实时数据采集具体为采集小车位置、速度、负载、交通情况、堆场布局的实时数据；

本发明进一步地设置为：所述数据处理和决策制定步骤具体包括：

对采集到的数据进行预处理，包括噪声过滤、数据插值，获取准确的数据；

基于数据分析，识别堆场内的交通瓶颈、拥堵情况和优化机会；

采用MATLAB Simulink根据收集到的数据建立堆场模型，设计不同的交通流策略；

基于交通模拟和数据分析结果，采用遗传算法优化集装箱搬运小车的路径、速度和任务分配；

基于PID控制器，自动调整控制参数，根据小车负载、高度、速度需求信息，设计自适应控制策略；

本发明进一步地设置为：所述识别堆场内的交通瓶颈、拥堵情况和优化机会步骤中采用聚类分析识别堆场内的交通瓶颈和拥堵情况，具体的：

采用K均值聚类算法分析识别集装箱堆场内的拥堵情况；

首先从传感器获取小车在堆场内的位置和速度数据；

对特征数据进行标准化，聚类中心计算公式：；

其中为簇的中心，为属于簇的样本集合，为样本；

距离计算公式：；

其中为是样本到簇中心的欧氏距离，为特征数量；

采用轮廓系数确定最佳的聚类数目；

分析聚类结果，采用簇内距离指标识别哪些簇对应于拥堵情况；

根据聚类结果和分析，识别出拥堵区域所对应的簇；

将聚类结果可视化在堆场地图上，根据拥堵区域的位置，调整路径、速度和任务分配策略；

本发明进一步地设置为：所述采用MATLAB Simulink建立堆场模型模拟评估效果具体步骤包括：

将收集的小车位置和速度数据导入Simulink模型，用作模拟输入；

根据需求，设计不同的交通流策略，包括基于优先级的路径选择、动态速度调整；

添加控制逻辑，配置Simulink模型的仿真参数，包括仿真时间步长、停止时间；

模拟小车在堆场内按照设计的交通流策略运行，并收集仿真数据，包括小车位置、速度、路径选择；

分析小车运行效果，包括平均速度、时间延迟、路径冲突；

采用MATLAB的数据可视化工具，绘制图表展示交通流策略的效果；

根据效果评估，调整设计的交通流策略的参数，优化模型性能；

根据调整后的策略，重新运行Simulink模型的仿真，评估优化后的效果；

本发明进一步地设置为：所述采用遗传算法优化集装箱搬运小车的路径、速度和任务分配的具体步骤包括：

设优化的目标是最小化冲突、减少拥堵和时间成本，此处定义综合指标为加权的冲突次数、拥堵程度和时间成本；

目标函数公式：；

其中、、为权重，根据实际情况调整，为冲突次数，为拥堵程度，为时间成本；

随机生成初始种群，每个个体代表一组路径、速度、任务分配变量；

计算每个个体的适应度值，根据目标函数进行评估；

根据适应度值选择个体作为父代，用于生成下一代种群；

对选中的父代个体进行交叉操作，生成新的子代个体；

对子代个体进行变异操作；

将产生的子代个体与父代个体合并；

达到预设阈值时，停止迭代；

本发明进一步地设置为：所述控制和执行步骤中，控制指令包括速度、方向、高度；

数据传输系统根据自适应控制策略，实时调整小车的速度和高度。

（三）有益效果

本发明提供了一种集装箱搬运小车控制方法。具备以下有益效果：

本发明所提供的集装箱搬运小车控制方法提升集装箱搬运小车的控制效率和优化交通流畅性，通过感知和数据采集、数据处理和决策制定、控制和执行步骤来实现，具体的：

在感知和数据采集阶段，通过在集装箱堆场安装传感器网络，包括激光传感器、摄像头和负载传感器，实现对小车、集装箱和环境信息的实时数据采集，传感器网络提供了丰富的数据，包括小车位置、速度、负载、交通情况和堆场布局，在数据处理和决策制定阶段，对收集到的数据进行预处理和分析，通过数据分析识别堆场内的交通瓶颈、拥堵情况和优化机会，基于收集到的数据，使用MATLAB Simulink建立堆场模型，并设计不同的交通流策略，通过模拟在堆场内的运行情况，评估其效果优化交通流畅性，基于交通模拟和数据分析的结果，采用遗传算法对集装箱搬运小车的路径、速度和任务分配进行优化，实现最小化冲突、减少拥堵和时间成本，有效地提高小车运行的效率和效果。

此外，通过采用PID控制器，自动调整控制参数，并根据小车负载、高度、速度需求信息设计自适应控制策略，实现对小车运行的实时调整和优化，确保小车根据不同的工作条件进行灵活的控制，提高了整体的适应性和性能，在识别堆场内的交通瓶颈、拥堵情况和优化机会的步骤中，采用聚类分析来识别堆场内的拥堵情况，使用K均值聚类算法进行分析，从传感器获取小车位置和速度数据，通过聚类中心计算来识别拥堵情况，并在堆场地图上可视化拥堵区域，以调整路径、速度和任务分配策略，从而避开拥堵区域，提高运行效率。

综上所述，本发明所提供的集装箱搬运小车控制方法利用感知和数据采集、自适应控制策略，使得小车能够智能地适应不同情境和负载，提高了整体的适应性和灵活性；通过聚类分析、交通模拟和遗传算法针对堆场内的交通瓶颈和拥堵情况进行分析和优化，显著提升交通流的畅通性和效率；自适应控制策略和动态路径规划允许小车根据负载、高度、速度需求信息实时调整路径和速度，使得小车运行更加灵活和高效；通过数据处理和决策制定步骤，对实时采集的数据进行分析，能够更加精确地识别问题、制定决策，并优化小车的控制参数，从而提高了决策的准确性和效果。

解决了现有技术中存在的固定的控制策略无法根据实时数据和环境变化进行自适应调整，忽视了交通流畅性的优化，导致堆场内的拥堵、冲突的问题。

附图说明

图1为本发明的集装箱搬运小车控制方法流程图。

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、完整的描述，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

请参阅图1，本发明提供一种集装箱搬运小车控制方法，包括如下步骤：

S1、感知和数据采集，在集装箱堆场安装传感器网络，感知小车、集装箱和环境信息，进行实时数据采集；

感知和数据采集步骤中安装传感器网络具体为：在集装箱堆场内布置传感器，包括激光传感器、摄像头、负载传感器；

实时数据采集具体为采集小车位置、速度、负载、交通情况、堆场布局的实时数据；

S2、数据处理和决策制定，对感知和数据采集步骤中收集到的数据进行处理和分析，指定小车行动计划；

数据处理和决策制定步骤具体包括：

对采集到的数据进行预处理，包括噪声过滤、数据插值，获取准确的数据；

基于数据分析，识别堆场内的交通瓶颈、拥堵情况和优化机会；

采用MATLAB Simulink根据收集到的数据建立堆场模型，设计不同的交通流策略，模拟每种策略在堆场内的运行情况，评估其效果；

基于交通模拟和数据分析结果，采用遗传算法优化集装箱搬运小车的路径、速度和任务分配；

基于PID控制器，自动调整控制参数，根据小车负载、高度、速度需求信息，设计自适应控制策略；

识别堆场内的交通瓶颈、拥堵情况和优化机会步骤中采用聚类分析识别堆场内的交通瓶颈和拥堵情况，具体的：

采用K均值聚类算法分析识别集装箱堆场内的拥堵情况；

首先从传感器获取小车在堆场内的位置和速度数据；

对特征数据进行标准化，聚类中心计算公式：；

其中为簇的中心，为属于簇的样本集合，为样本；

距离计算公式：；

其中为是样本到簇中心的欧氏距离，为特征数量；

采用轮廓系数确定最佳的聚类数目；

分析聚类结果，采用簇内距离指标识别哪些簇对应于拥堵情况；

根据聚类结果和分析，识别出拥堵区域所对应的簇；

将聚类结果可视化在堆场地图上，根据拥堵区域的位置，调整路径、速度和任务分配策略；

根据拥堵区域，重新规划小车的路径，避开拥堵区域；

在接近拥堵区域时，降低小车速度，以减少冲突和拥堵；

将任务分配到不同的小车，使其避开拥堵区域，提高整体效率；

采用MATLAB Simulink建立堆场模型模拟评估效果具体步骤包括：

将收集的小车位置和速度数据导入Simulink模型，用作模拟输入；

根据需求，设计不同的交通流策略，包括基于优先级的路径选择、动态速度调整；

添加控制逻辑，配置Simulink模型的仿真参数，包括仿真时间步长、停止时间；

模拟小车在堆场内按照设计的交通流策略运行，并收集仿真数据，包括小车位置、速度、路径选择；

分析小车运行效果，包括平均速度、时间延迟、路径冲突；

采用MATLAB的数据可视化工具，绘制图表展示交通流策略的效果；

根据效果评估，调整设计的交通流策略的参数，优化模型性能；

根据调整后的策略，重新运行Simulink模型的仿真，评估优化后的效果；

采用遗传算法优化集装箱搬运小车的路径、速度和任务分配的具体步骤包括：

设优化的目标是最小化冲突、减少拥堵和时间成本，此处定义综合指标为加权的冲突次数、拥堵程度和时间成本；

目标函数公式：；

其中、、为权重，根据实际情况调整，为冲突次数，为拥堵程度，为时间成本；

随机生成初始种群，每个个体代表一组路径、速度、任务分配变量；

计算每个个体的适应度值，根据目标函数进行评估；

根据适应度值选择个体作为父代，用于生成下一代种群；

对选中的父代个体进行交叉操作，生成新的子代个体；

对子代个体进行变异操作；引入随机性，增加搜索空间的多样性

将产生的子代个体与父代个体合并；更新种群；

达到预设阈值时，停止迭代；

S3、控制和执行，包括数据传输系统，基于数据处理和决策制定步骤中的动态路径规划和自适应控制策略，生成小车的控制指令，数据传输系统将生成的控制指令传递给小车的控制系统；

控制和执行步骤中，控制指令包括速度、方向、高度；

数据传输系统根据自适应控制策略，实时调整小车的速度和高度；以适应不同负载和环境条件；

根据交通流优化策略，执行动态路径规划，调整速度和路线，以优化堆场交通流畅性。

综合以上内容，在本申请中：

本发明所提供的集装箱搬运小车控制方法提升集装箱搬运小车的控制效率和优化交通流畅性，通过感知和数据采集、数据处理和决策制定、控制和执行步骤来实现，具体的：

在感知和数据采集阶段，通过在集装箱堆场安装传感器网络，包括激光传感器、摄像头和负载传感器，实现对小车、集装箱和环境信息的实时数据采集，传感器网络提供了丰富的数据，包括小车位置、速度、负载、交通情况和堆场布局，在数据处理和决策制定阶段，对收集到的数据进行预处理和分析，通过数据分析识别堆场内的交通瓶颈、拥堵情况和优化机会，基于收集到的数据，使用MATLAB Simulink建立堆场模型，并设计不同的交通流策略，通过模拟在堆场内的运行情况，评估其效果优化交通流畅性，基于交通模拟和数据分析的结果，采用遗传算法对集装箱搬运小车的路径、速度和任务分配进行优化，实现最小化冲突、减少拥堵和时间成本，有效地提高小车运行的效率和效果。

此外，通过采用PID控制器，自动调整控制参数，并根据小车负载、高度、速度需求信息设计自适应控制策略，实现对小车运行的实时调整和优化，确保小车根据不同的工作条件进行灵活的控制，提高了整体的适应性和性能，在识别堆场内的交通瓶颈、拥堵情况和优化机会的步骤中，采用聚类分析来识别堆场内的拥堵情况，使用K均值聚类算法进行分析，从传感器获取小车位置和速度数据，通过聚类中心计算来识别拥堵情况，并在堆场地图上可视化拥堵区域，以调整路径、速度和任务分配策略，从而避开拥堵区域，提高运行效率。

综上所述，本发明所提供的集装箱搬运小车控制方法利用感知和数据采集、自适应控制策略，使得小车能够智能地适应不同情境和负载，提高了整体的适应性和灵活性；通过聚类分析、交通模拟和遗传算法针对堆场内的交通瓶颈和拥堵情况进行分析和优化，显著提升交通流的畅通性和效率；自适应控制策略和动态路径规划允许小车根据负载、高度、速度需求信息实时调整路径和速度，使得小车运行更加灵活和高效；通过数据处理和决策制定步骤，对实时采集的数据进行分析，能够更加精确地识别问题、制定决策，并优化小车的控制参数，从而提高了决策的准确性和效果。

在本发明的实施例的描述中，对于本领域的普通技术人员而言，可以理解在不脱离本发明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，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种集装箱搬运小车控制方法，其特征在于，包括：

感知和数据采集，在集装箱堆场安装传感器网络，感知小车、集装箱和环境信息，进行实时数据采集；

数据处理和决策制定，对感知和数据采集步骤中收集到的数据进行处理和分析，指定小车行动计划；

控制和执行，包括数据传输系统，基于数据处理和决策制定步骤中的动态路径规划和自适应控制策略，生成小车的控制指令，数据传输系统将生成的控制指令传递给小车的控制系统。

2.根据权利要求1所述的一种集装箱搬运小车控制方法，其特征在于，所述感知和数据采集步骤中安装传感器网络具体为：

在集装箱堆场内布置传感器，包括激光传感器、摄像头、负载传感器；

实时数据采集具体为采集小车位置、速度、负载、交通情况、堆场布局的实时数据。

3.根据权利要求1所述的一种集装箱搬运小车控制方法，其特征在于，所述数据处理和决策制定步骤具体包括：

对采集到的数据进行预处理，包括噪声过滤、数据插值，获取准确的数据；

基于数据分析，识别堆场内的交通瓶颈、拥堵情况和优化机会；

采用MATLAB Simulink根据收集到的数据建立堆场模型，设计不同的交通流策略；

基于交通模拟和数据分析结果，采用遗传算法优化集装箱搬运小车的路径、速度和任务分配；

基于PID控制器，自动调整控制参数，根据小车负载、高度、速度需求信息，设计自适应控制策略。

4.根据权利要求3所述的一种集装箱搬运小车控制方法，其特征在于，所述识别堆场内的交通瓶颈、拥堵情况和优化机会步骤中采用聚类分析识别堆场内的交通瓶颈和拥堵情况，具体的：

采用K均值聚类算法分析识别集装箱堆场内的拥堵情况；

首先从传感器获取小车在堆场内的位置和速度数据；

对特征数据进行标准化，聚类中心计算公式：；

其中为簇的中心，为属于簇的样本集合，为样本；

距离计算公式：；

其中为是样本到簇中心的欧氏距离，为特征数量；

采用轮廓系数确定最佳的聚类数目；

分析聚类结果，采用簇内距离指标识别哪些簇对应于拥堵情况；

根据聚类结果和分析，识别出拥堵区域所对应的簇；

将聚类结果可视化在堆场地图上，根据拥堵区域的位置，调整路径、速度和任务分配策略。

5.根据权利要求3所述的一种集装箱搬运小车控制方法，其特征在于，所述采用MATLABSimulink建立堆场模型模拟评估效果具体步骤包括：

将收集的小车位置和速度数据导入Simulink模型，用作模拟输入；

根据需求，设计不同的交通流策略，包括基于优先级的路径选择、动态速度调整；

添加控制逻辑，配置Simulink模型的仿真参数，包括仿真时间步长、停止时间；

模拟小车在堆场内按照设计的交通流策略运行，并收集仿真数据，包括小车位置、速度、路径选择；

分析小车运行效果，包括平均速度、时间延迟、路径冲突；

采用MATLAB的数据可视化工具，绘制图表展示交通流策略的效果；

根据效果评估，调整设计的交通流策略的参数，优化模型性能；

根据调整后的策略，重新运行Simulink模型的仿真，评估优化后的效果。

6.根据权利要求3所述的一种集装箱搬运小车控制方法，其特征在于，所述采用遗传算法优化集装箱搬运小车的路径、速度和任务分配的具体步骤包括：

设优化的目标是最小化冲突、减少拥堵和时间成本，此处定义综合指标为加权的冲突次数、拥堵程度和时间成本；

目标函数公式：；

其中、、为权重，根据实际情况调整，为冲突次数，为拥堵程度，为时间成本；

随机生成初始种群，每个个体代表一组路径、速度、任务分配变量；

计算每个个体的适应度值，根据目标函数进行评估；

根据适应度值选择个体作为父代，用于生成下一代种群；

对选中的父代个体进行交叉操作，生成新的子代个体；

对子代个体进行变异操作；

将产生的子代个体与父代个体合并；

达到预设阈值时，停止迭代。

7.根据权利要求1所述的一种集装箱搬运小车控制方法，其特征在于，所述控制和执行步骤中，控制指令包括速度、方向、高度；

数据传输系统根据自适应控制策略，实时调整小车的速度和高度。