基于数字孪生的多巷道货位分配与拣选路径动态优化方法与流程
本发明属于仓储智能优化,具体涉及基于数字孪生的多巷道货位分配与拣选路径动态优化方法。
背景技术:
1、随着智能物流与仓储行业的快速发展,多巷道仓储凭借存储容量大、空间利用率高、可支持多任务并行作业等优势,广泛应用于电商、智能制造、物资中转等领域。货位分配与拣选路径规划作为多巷道仓储作业的两大核心环节,直接决定仓储负载均衡水平、资源利用效率与整体作业流转速度,是实现仓储智能化运行的关键技术。
2、当前市面上主流的仓储优化方案仍存在诸多技术短板,难以适配复杂动态的多巷道作业场景。现有技术普遍未引入数字孪生全域建模理念,无法对仓储空间、货品、作业设备等多维度作业要素建立耦合映射关系,缺少具备数据同步、指令交互、状态反馈能力的虚实联动体系,仓储各类数据分散孤立、实体场景与虚拟推演脱节,后续货位分配与路径规划工作难以依托全域实时数据开展,优化结果精准度不足。
3、传统货位分配多采用静态固定布设模式,未结合巷道实时负载状态引入动态权重进行量化分析,也未开展货位前置均衡设计,仅依靠货品基础属性完成货位匹配,极易出现部分巷道负载集中、其余巷道库容闲置的问题;同时现有方案缺少基于现场负载数据的滚动优化机制,货位布设方案长期固化,无法跟随工况变化动态调整,进一步加剧了多巷道整体负载失衡的状况,仓储空间与作业资源利用率偏低。
4、在拣选路径规划方面,常规方法仅依托仓储静态拓扑结构生成通行线路,未针对巷道交汇节点设计干涉博弈推演逻辑,不能对多条备选线路的通行冲突风险进行量化研判,在多拣选设备、多作业任务并行运行时,巷道交叉口极易出现路径干涉、作业拥堵、行进停滞等问题;且路径筛选仅考量单一维度指标,未结合作业通行时效完成综合择优,规划出的拣选路径合理性与运行效率难以保障。
5、现有仓储系统应对现场工况扰动的能力薄弱。当出现货品增减、任务波动、设备状态变化等工况时,无法基于扰动覆盖巷道范围、负载偏移幅度完成扰动等级划分,也没有配套的自适应修正规则库支撑策略调整,只能依靠人工经验分别修改货位分配方案与拣选路径,不仅调整滞后、响应速度慢,还难以实现两类方案的同步联动更新,系统动态适配性与抗干扰能力较差。
6、综上,现有多巷道仓储优化技术存在全域数据联动性差、货位负载均衡效果不佳、拣选路径冲突风险高、工况扰动自适应能力弱等一系列问题。为此,本发明提出一种基于数字孪生的多巷道货位分配与拣选路径动态优化方法,依托全要素孪生建模、动态负载均衡、节点干涉推演、分级扰动修正等技术,解决现有技术存在的各类缺陷。
技术实现思路
1、为解决现有技术中存在的上述问题,本发明提供了基于数字孪生的多巷道货位分配与拣选路径动态优化方法。
2、本发明的目的可以通过以下技术方案实现:基于数字孪生的多巷道货位分配与拣选路径动态优化方法,包括:
3、s1:获取多巷道仓储全域作业要素,建立多维度要素耦合映射关系,基于要素关联特性适配巷道交错拓扑结构,构建全要素耦合孪生模型,构建仓储虚实联动体系;
4、s2:提取货物属性与巷道实时负载数据,基于预设仓储作业约束引入跨巷道动态负载权重系数,进行货位前置均衡布设,基于现场实时负载动态数据迭代更新并滚动优化货位布设方案;
5、s3:基于所述全要素耦合孪生模型搭载的交汇节点干涉博弈推演机制,生成作业备选通行线路,量化备选线路的实时通行冲突风险,基于预设作业通行时效指标筛选输出全局最优拣选路径;
6、s4:基于扰动覆盖巷道范围与负载偏移幅度划分工况扰动等级,调用预设适配扰动等级的自适应修正规则库,联动所述货位布设方案与所述全局最优拣选路径进行同步迭代更新。
7、具体的,所述多维度要素耦合映射关系的具体建立过程为:
8、对所述多巷道仓储全域作业要素进行维度分类与结构化规整,匹配巷道交错拓扑的空间关联特征,界定不同维度作业要素之间的关联约束与联动逻辑,构建要素间双向对应的数据映射规则,进行多维度作业要素的耦合绑定,生成适配多巷道动态作业场景的所述多维度要素耦合映射关系。
9、具体的,所述全要素耦合孪生模型的具体构建过程为:
10、对完成耦合映射关系建立后的全域作业要素进行结构化规整与标准化适配,基于多巷道交错拓扑结构的空间布局特征,统一要素的数据交互标准与关联运算规则,基于所述多维度要素耦合映射关系搭建全域要素协同架构,迭代优化模型拓扑适配性能与虚实联动兼容性,构建具备数据同步、指令可控、状态反馈功能的多巷道仓储全要素耦合孪生模型。
11、具体的,所述仓储虚实联动体系的具体构建过程为:
12、以构建完成的所述全要素耦合孪生模型为虚拟载体,绑定所述多巷道仓储全域作业要素的实时数据源,建立虚拟模型与实体仓储之间的双向数据传输链路,配置标准化数据同步机制、作业指令交互规则与工况状态反馈逻辑,校准虚实场景的时序匹配精度,生成所述仓储虚实联动体系。
13、具体的,所述货物属性与巷道实时负载数据的具体提取过程包括:
14、基于所述全要素耦合孪生模型和所述多维度要素耦合映射关系,基于所述多巷道仓储全域作业要素中划分数据类别,划定所述货物属性与所述巷道实时负载数据的选取范围,对原始数据进行规整处理,分离出对应货品特征信息与巷道负载状态信息。
15、具体的,所述货位前置均衡布设的具体过程为:
16、基于提取的所述货物属性参数与所述巷道实时负载数据,基于所述仓储作业约束划定货位布设合规边界,通过所述跨巷道动态负载权重系数,对不同巷道的实时负载压力、剩余库容承载能力进行差异化量化计算,基于待存储货品的货物属性,进行货品与巷道货位资源的适配性匹配,在作业调度前置阶段对多巷道之间的负载偏差进行整体均衡修正。
17、具体的,所述货位布设方案迭代更新并滚动优化的具体过程为:
18、基于所述全要素耦合孪生模型实时获取仓储现场的负载动态变化数据,持续监测多巷道实际负载分布状态与货品存储适配情况,基于所述跨巷道动态负载权重系数构建方案优化评价标准,对当前所述货位布设方案进行全域合规校核,识别巷道作业缺陷,迭代修正货品巷道归属关系与货位匹配逻辑,基于所述现场实时负载动态数据持续更新方案核心参数。
19、具体的,所述交汇节点干涉博弈推演机制具体包括:
20、基于所述全要素耦合孪生模型进行多巷道交汇节点全域拓扑结构的数字化映射复刻,基于实时工况数据采集链路获取作业载体的空间位置与时序运行参数,基于仓储固有作业约束构建多主体通行博弈判定规则,对不同备选通行线路的节点通行时序与空间占用状态进行仿真推演,量化线路交汇节点的通行冲突概率与风险影响程度。
21、具体的,所述作业备选通行线路的具体生成过程为:
22、基于所述货位布设方案得到拣选作业的起始点位与终止点位,基于巷道实时通行状态划定全域有效通行空间范围,基于所述全要素耦合孪生模型还原多巷道整体拓扑布局,基于所述交汇节点干涉博弈推演机制形成的拓扑映射结果与所述多主体通行博弈判定规则,约束路径途经节点与行进走向,进行差异化路径的拓展排布,同时基于仓储作业约束剔除违规路径分支,生成所述作业备选通行线路。
23、具体的,所述全局最优拣选路径的具体生成过程为:
24、基于备选线路的实时通行冲突风险的量化结果,对所述作业备选通行线路的节点干涉隐患与风险影响范围进行标定,基于仓储固有作业约束进行所述作业备选通行线路的合规性校验,基于所述作业通行时效指标对合规备选线路进行多维度性能评估,综合比对线路通行流畅度、节点时序适配度与作业执行效率,筛选得到所述全局最优拣选路径。
25、具体的,所述工况扰动等级的具体划分过程为:
26、基于所述全要素耦合孪生模型实时监测仓储全域动态作业工况,持续获取现场扰动对应的覆盖巷道范围参数与巷道负载偏移幅度参数,基于仓储固有作业约束量化参数对货位布设与拣选通行作业的干扰程度,基于预设梯度阈值标准对实时扰动工况进行层级归类。
27、具体的,所述货位布设方案与所述全局最优拣选路径进行同步迭代更新的具体过程为:
28、基于所述工况扰动等级,调用所述自适应修正规则库的内置修正参数,校验当前所述货位布设方案与实时仓储工况的适配性,迭代优化多巷道货位负载均衡排布逻辑,更新货位分配策略;基于更新后的货位布设状态与巷道实时通行工况,重新通过所述交汇节点干涉博弈推演机制生成所述作业备选通行线路,基于所述作业通行时效指标生成所述全局最优拣选路径。
29、本发明的有益效果为:
30、基于数字孪生构建全要素耦合孪生模型与仓储虚实联动体系,建立多维度要素耦合映射关系,实现实体仓储与虚拟模型的数据实时同步、指令交互与状态反馈,整合全域作业数据,为货位分配和路径规划提供可靠的数据支撑。
31、结合货物属性与巷道实时负载数据,引入跨巷道动态负载权重系数完成货位前置均衡布设,并基于现场负载数据持续迭代优化方案,有效平衡各巷道负载分布,提升仓储空间与作业资源利用率。
32、利用交汇节点干涉博弈推演机制生成备选通行线路,量化通行冲突风险并结合作业时效筛选最优拣选路径,可有效规避巷道交汇位置的路径干涉与作业拥堵问题,提升拣选作业效率。
33、依据扰动覆盖范围与负载偏移幅度划分工况扰动等级,调用自适应修正规则库,实现货位布设方案与最优拣选路径的同步迭代更新,系统可自主适配工况变化,动态抗干扰能力更强。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com