一种码垛机器人回程空载势能回收与再利用方法及系统与流程

本发明涉及码垛机器人，尤其涉及一种码垛机器人回程空载势能回收与再利用方法及系统。

背景技术：

1、随着智能制造和自动化仓储技术的快速发展，高位货架重载荷码垛机器人在化工、冶金、建材等工业领域的应用日益广泛。此类机器人通常需在高达10米以上的立体货架间频繁完成数吨重物料的垂直升降与精准码放，其运行具有负载大、行程高、作业频次密集等特点。在传统液压驱动系统中，机器人携带重载下降时，重力势能主要通过节流阀或平衡阀以热能形式耗散，造成大量能量浪费；而在空载或重载回升过程中，液压泵需重新提供全部举升动力，导致系统能耗高、发热量大、能源利用率低下。此外，频繁的高压大流量运行也加剧了液压元件磨损，影响系统稳定性与使用寿命。

2、目前，部分研究尝试引入液压蓄能器进行能量回收，但大多停留在简单的下降储能、上升释能被动模式，缺乏对实际工况动态变化的感知与响应能力，难以实现能量回收与再利用过程的精准匹配与优化控制。尤其在复杂负载切换、加减速频繁的码垛作业场景下，传统控制策略易导致蓄能器压力波动大、能量利用率低，甚至影响臂架运行平稳性与定位精度。同时，现有系统对液压状态监测不足，缺乏对关键参数（如油缸压力、蓄能器储能状态、负载变化趋势）的实时感知与智能分析能力，无法实现基于工况识别的自适应能量管理。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种码垛机器人回程空载势能回收与再利用方法及系统，旨在解决现有高位货架重载荷码垛机器人在垂直往复运动中面临重力势能浪费严重、传统蓄能回收缺乏工况自适应能力导致能量匹配精度低，以及因状态感知缺失而难以实现高效智能能量管理的技术问题。

2、为实现上述目的，本发明提供一种码垛机器人回程空载势能回收与再利用方法，所述方法包括：

3、通过多源感知设备实时采集重载荷码垛机器人垂直升降全行程运动状态数据，采用自适应卡尔曼滤波和三次b样条插值算法，对运动过程状态数据进行降噪与重构；

4、利用边云协同计算分析重构后的状态数据，采用孤立森林算法检测垂直油缸压力、臂架位移、蓄能器油压及伺服泵输出流量，并通过独热向量编码方法，生成不同负载工况的结构化编码信息；

5、将负载工况结构化编码信息和重构后的运动状态数据融合，利用门控循环单元神经网络模型，预测举升作业过程的动力需求变化趋势；

6、基于负载工况结构化编码信息和动力需求预测结果，采用近端策略优化算法优化主液压泵输出流量与蓄能器释油开度；

7、通过运动控制器处理，将优化后的阀组参数转换为比例阀控制指令，并通过profinet工业总线传输，将控制指令下发至液压驱动单元，执行势能回收与辅助举升作业。

8、可选地，所述通过多源感知设备实时采集重载荷码垛机器人垂直升降全行程运动状态数据，包括：

9、通过拉绳位移传感器、压力变送器、惯性测量单元、蓄能器压力传感器及伺服电机编码器，实时采集重载荷码垛机器人下降举升过程中的臂架垂直位移、垂直油缸无杆腔压力、臂架振动加速度、蓄能器油压、驱动电机转速参数，获取垂直升降全行程运动状态数据。

10、可选地，所述采用自适应卡尔曼滤波和三次b样条插值算法，对运动过程状态数据进行降噪与重构，包括：

11、利用自适应卡尔曼滤波算法对实时采集的运动过程状态数据进行递推预测与观测更新，根据过程噪声协方差自适应调整滤波增益，滤除臂架振动带来的随机干扰噪声，输出趋势平滑的运动过程状态数据；

12、采用三次b样条插值算法，对因传感器采样延迟、信号丢包造成的数据缺损进行连续平滑修补；

13、对降噪和修补后的运动过程状态数据通过中位数绝对偏差方法进行异常值抑制，通过最小-最大归一化方法将数据缩放至目标区间，生成精度高、鲁棒性强的重构后状态数据。

14、可选地，所述利用边云协同计算分析重构后的状态数据，采用孤立森林算法检测垂直油缸压力、臂架位移、蓄能器油压及伺服泵输出流量，并通过独热向量编码方法，生成不同负载工况的结构化编码信息，包括：

15、通过边云协同计算实时解析重构后的状态数据，利用时域统计分析提取压力变化特征、速度波动特征、蓄能储能特征，利用无监督k-means聚类算法识别满载下降工况、半载回程工况、空载回升工况、故障卡滞工况；

16、将提取的运动特征和工况模式，通过稀疏编码方法，生成动力状态监测结构化矩阵；

17、基于动力状态监测结构化矩阵，利用孤立森林算法，检测重载荷码垛过程中蓄能器泄漏异常、臂架下落超速异常、液压系统压力异常；

18、依据高位货架重载荷码垛作业安全标准和液压系统额定压力范围，构建动态阈值判定规则体系；

19、根据计算出的异常偏离度，结合动态阈值判定规则确定当前工况层级，利用独热向量编码方法将工况层级转化为全负载范围结构化编码信息。

20、可选地，所述将负载工况结构化编码信息和重构后的运动状态数据融合，利用门控循环单元神经网络模型，预测举升作业过程的动力需求变化趋势，包括：

21、将重构后的历史运动状态数据与历史全负载范围结构化编码信息进行时空对齐融合，构建多变量时间序列样本库；

22、采用滑动窗口分割技术，将构建的多变量时间序列样本库划分为模型训练集、验证集和测试集，并对门控循环单元神经网络模型进行迭代训练与网格搜索超参数寻优；

23、将实时更新的融合后状态数据，输入训练成熟的门控循环单元神经网络模型，输出未来设定时段内的机器人举升作业过程的动力需求变化趋势。

24、可选地，所述基于负载工况结构化编码信息和动力需求预测结果，采用近端策略优化算法优化主液压泵输出流量与蓄能器释油开度，包括：

25、通过负载工况结构化编码信息和举升作业动力需求变化趋势构建多维状态空间；

26、将重载荷码垛节拍效率、单次举升能耗、液压系统发热率作为评价指标，转化为标量化奖励，并引入动态调整机制平衡各控制目标的权重系数，构建奖励函数；

27、基于构建的多维状态空间、动作空间及奖励函数，搭建高位码垛液压系统仿真模拟环境；

28、采用正交初始化方法对策略网络和价值网络中的权重参数进行初始化配置；

29、将搭建的高位码垛液压系统仿真模拟环境与初始化后的智能体进行循环交互训练，通过近端策略优化算法，剪裁更新重要性采样比，防止策略更新步长过大，输出最优主液压泵输出流量与蓄能器释油开度。

30、可选地，所述通过运动控制器处理，将优化后的阀组参数转换为比例阀控制指令，并通过profinet工业总线传输，将控制指令下发至液压驱动单元，执行势能回收与辅助举升作业，包括：

31、根据优化后的主液压泵输出流量与蓄能器释油开度，通过运动控制器内部的位置-压力闭环pid模块生成对应的比例阀电流控制信号；

32、将电流控制信号封装为标准profinet工业报文，映射至工业以太网协议栈并传输至各液压比例阀驱动单元；

33、驱动单元解析接收到的控制信号，调节比例阀开度以匹配指定运行参数，实现重载荷码垛机器人满载下降过程的重力势能回收存储，以及空载或者满载举升过程的回收能量辅助驱动再利用。

34、此外，为实现上述目的，本发明还提供一种码垛机器人回程空载势能回收与再利用系统，所述系统包括：

35、数据重构模块，用于通过多源感知设备实时采集重载荷码垛机器人垂直升降全行程运动状态数据，采用自适应卡尔曼滤波和三次b样条插值算法，对运动过程状态数据进行降噪与重构；

36、工况编码模块，用于利用边云协同计算分析重构后的状态数据，采用孤立森林算法检测垂直油缸压力、臂架位移、蓄能器油压及伺服泵输出流量，并通过独热向量编码方法，生成不同负载工况的结构化编码信息；

37、需求预测模块，用于将负载工况结构化编码信息和重构后的运动状态数据融合，利用门控循环单元神经网络模型，预测举升作业过程的动力需求变化趋势；

38、策略优化模块，用于基于负载工况结构化编码信息和动力需求预测结果，采用近端策略优化算法优化主液压泵输出流量与蓄能器释油开度；

39、指令执行模块，用于通过运动控制器处理，将优化后的阀组参数转换为比例阀控制指令，并通过profinet工业总线传输，将控制指令下发至液压驱动单元，执行势能回收与辅助举升作业。

40、此外，为实现上述目的，本发明还提供一种码垛机器人回程空载势能回收与再利用设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的码垛机器人回程空载势能回收与再利用程序，所述码垛机器人回程空载势能回收与再利用程序配置为实现如上文中任一项所述的码垛机器人回程空载势能回收与再利用方法的步骤。

41、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有码垛机器人回程空载势能回收与再利用程序，所述码垛机器人回程空载势能回收与再利用程序被处理器执行时实现如上文中任一项所述的码垛机器人回程空载势能回收与再利用方法的步骤。

42、本发明提供了一种码垛机器人回程空载势能回收与再利用方法，所述方法通过多源感知与先进信号处理技术实现对重载荷码垛机器人运行状态的高精度感知，有效提升了数据的可靠性与系统稳定性；利用边云协同计算与孤立森林算法实现关键参数异常检测，并结合独热向量编码生成工况结构化信息，增强了系统对复杂负载工况的识别能力；通过融合工况编码与历史状态数据，采用门控循环单元网络对举升动力需求进行精准预测，提高了能量调度的前瞻性与适应性；基于预测结果引入近端策略优化算法动态调节主泵流量与蓄能器释能策略，实现了势能回收与再利用过程的智能优化控制，在保证作业效率和运行平稳性的前提下显著提升能量回收利用率，降低系统能耗与发热；最终通过运动控制器与工业总线实现控制指令的实时下发，确保优化策略在液压系统中的高效执行。整体方案实现了重载码垛机器人在高位频繁作业中下降势能高效回收、上升能量智能辅助的闭环管理，有效解决了传统液压系统能量浪费严重、控制粗放的问题，具有节能降耗、运行平稳、智能化水平高等显著优势。