基于智能控制的无人化堆取料控制系统及方法与流程

本发明涉及智能控制，尤其涉及基于智能控制的无人化堆取料控制系统及方法。

背景技术：

1、无人堆场自动化立体仓库普遍采用作业计划—任务分配—设备执行的分层控制架构：上层生产管理系统根据出入库需求生成分时段堆取料作业计划，中层调度系统依据计划将任务按优先级下发给各巷道堆垛机，底层堆垛机控制器负责路径规划与存取动作执行。

2、然而，当出入库任务在短时间内突发性密集到达，或因设备异常、货位分布失衡而导致堆垛机负载分化时，现有控制架构的局限性便集中显现；由于缺乏对实时出入库任务流、堆垛机运行工况与货位占用状态三者的深层解析能力，现有方法无法从任务触发、设备执行和货位变更事件之间的时序因果关系中捕获扰动形成的早期征兆；在此情形下，单一巷道堆垛机因任务积压或频繁等待而出现的局部效率下降，引发跨巷道资源争夺与连锁拥堵，造成无人堆场从局部停滞演化为全场吞吐能力的持续大幅衰减，严重制约自动化立体仓库在复杂动态工况下的作业可靠性与整体运行效率。为此本发明提出了基于智能控制的无人化堆取料控制系统及方法。

技术实现思路

1、本发明的目的是解决背景技术中的问题，而提出的基于智能控制的无人化堆取料控制系统及方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、本发明第一方面提供了基于智能控制的无人化堆取料控制系统，包括：

4、多源数据实时采集模块：获取无人堆场堆取料作业计划，并实时采集自动化立体仓库的货位占用状态数据、巷道堆垛机的运行工况数据以及实时出入库任务流数据；

5、作业扰动趋势判定模块：分析实时出入库任务流、巷道堆垛机运行工况与货位占用状态三者之间的时空耦合响应逻辑，并判定是否出现作业扰动趋势；

6、网络构建与异常识别模块：当判定出现作业扰动趋势时，分别构建有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络；通过比对有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络，识别异变型作业链路与核心扰动节点；

7、拥堵演化模式分析模块：解析核心扰动节点所关联巷道堆垛机的作业队列在扰动趋势下的拥堵演化模式；

8、动态调度与计划更新模块：综合异变型作业链路、核心扰动节点与拥堵演化模式，生成并执行堆取料作业的动态调度控制指令，同步更新无人堆场堆取料作业计划。

9、进一步地，所述获取无人堆场堆取料作业计划，并实时采集自动化立体仓库的货位占用状态数据、巷道堆垛机的运行工况数据以及实时出入库任务流数据，包括：

10、采集无人堆场堆取料作业计划，覆盖分时段作业任务序列、巷道堆垛机负载配额；

11、采集自动化立体仓库各巷道对应货位的占用状态、空间库容数据，汇总形成货位占用状态数据；

12、抓取各巷道堆垛机的实时位置、待执行任务队列数据，生成运行工况数据；

13、接入全链路实时出入库任务申请报文，同步关联任务优先级属性标签，构建实时出入库任务流数据。

14、进一步地，所述分析实时出入库任务流、巷道堆垛机运行工况与货位占用状态三者之间的时空耦合响应逻辑，并判定是否出现作业扰动趋势，包括：

15、从采集的实时出入库任务流数据、巷道堆垛机运行工况数据与货位占用状态数据中，分别对应提取任务流触发事件、堆垛机作业执行事件以及货位状态变更事件；

16、建立任务流触发事件、堆垛机作业执行事件与货位状态变更事件之间的时序映射关系，并生成有向时序关联图；

17、从有向时序关联图中提取耦合响应特征参数；

18、将耦合响应特征参数与预设基准逻辑中的对应预期特征参数进行逐项比对，得到耦合响应特征参数的偏差值与偏差持续时长；

19、对耦合响应特征参数的偏差值进行加权非线性融合，计算得到综合偏差度；

20、当综合偏差度超过预设偏差阈值且至少一类参数的偏差持续时长达到设定预警窗口时，则判定出现作业扰动趋势。

21、进一步地，所述基准逻辑的设定包括：拟合出耦合响应特征参数随时间与巷道负载变化的动态基准响应曲面，并基于该动态基准响应曲面确定耦合响应特征参数的自适应容忍区间，将该动态基准响应曲面与自适应容忍区间共同作为基准逻辑。

22、进一步地，所述构建有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络，包括：

23、以作业扰动趋势的判定时间点为分界节点，划分出历史正常工况数据集与当前扰动工况数据集；

24、分别对历史正常工况数据集与当前扰动工况数据集进行解析处理，生成反映正常工况下各作业环节间因果影响关系的有向加权正常作业传导关系网络，以及反映当前扰动工况下各作业环节间因果影响关系的有向加权扰动作业传导关系网络；网络中每条有向边的传导强度权重即为计算分析得到的传递熵。

25、进一步地，所述通过比对有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络，识别异变型作业链路与核心扰动节点，包括：

26、将有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络进行拓扑与边权联合差异化比对，计算共存有向边的传导强度变化率；

27、基于有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络中的有向边，获取第一作业链路与第二作业链路：识别有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络中共存且传导强度变化率超出预设强度阈值的有向边，标记为第一作业链路；同时，识别仅在扰动作业传导关系网络中新增且通过显著性检验的异常有向边，标记为第二作业链路；

28、将第一作业链路与第二作业链路共同定义为发生传导强度突变的异变型作业链路，并计算各异变型作业链路在有向加权扰动作业传导关系网络中的中介中心性，将多条异变型作业链路交汇且中介中心性最高的环节节点确定为核心扰动节点。

29、进一步地，所述解析核心扰动节点所关联巷道堆垛机的作业队列在扰动趋势下的拥堵演化模式，包括：

30、提取作业扰动趋势出现前后多个连续时间窗口内，核心扰动节点所属巷道堆垛机的作业队列全量数据；

31、基于作业队列全量数据计算队列等待长度、单任务等待时延与任务积压速率，形成拥堵特征指标序列；

32、利用拥堵特征指标序列重构多变量相空间，计算相空间轨迹的最大lyapunov指数以及拥堵扩散速率系数；

33、根据最大lyapunov指数的符号与拥堵扩散速率系数的趋势变化，分析拥堵特征指标序列在扰动趋势出现后的变化走向与波动分布特征；

34、根据变化走向与波动分布特征，识别出拥堵演化模式。

35、进一步地，所述生成并执行堆取料作业的动态调度控制指令，包括：

36、根据异变型作业链路中，第一作业链路和第二作业链路均由连接两个作业环节的有向边表示，提取异变型作业链路所连接的全部作业环节，定位为需优先干预的关键调度环节；

37、基于拥堵演化模式对应的队列积压与时延特征，分析巷道堆垛机负载压力变化趋势；结合该负载压力变化趋势，针对关键调度环节制定动态调度控制指令；

38、将动态调度控制指令同步下发至巷道堆垛机控制器，驱动对应设备执行调整后的堆取料作业流程。

39、进一步地，所述同步更新无人堆场堆取料作业计划，包括：

40、在动态调度控制指令执行后的设定评估周期内，采集对应时段的实际作业数据，评估调度执行效果；

41、分析调度执行效果对作业扰动趋势的缓解程度，以及巷道堆垛机拥堵演化模式的改善情况；

42、基于缓解程度与改善情况的评估结果，对堆取料作业计划中后续时段的作业任务序列、堆垛机负载配额进行调整；

43、将调整后的内容更新至无人堆场堆取料作业计划。

44、本发明第二方面提供了基于智能控制的无人化堆取料控制方法，包括：

45、s1、获取无人堆场堆取料作业计划，并实时采集自动化立体仓库的货位占用状态数据、巷道堆垛机的运行工况数据以及实时出入库任务流数据；

46、s2、分析实时出入库任务流、巷道堆垛机运行工况与货位占用状态三者之间的时空耦合响应逻辑，并判定是否出现作业扰动趋势；

47、s3、当判定出现作业扰动趋势时，分别构建有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络；通过比对有向加权正常作业传导关系网络与有向加权扰动作业传导关系网络，识别异变型作业链路与核心扰动节点；

48、s4、解析核心扰动节点所关联巷道堆垛机的作业队列在扰动趋势下的拥堵演化模式；

49、s5、综合异变型作业链路、核心扰动节点与拥堵演化模式，生成并执行堆取料作业的动态调度控制指令，同步更新无人堆场堆取料作业计划。

50、与现有的技术相比，本发明提供了基于智能控制的无人化堆取料控制系统及方法的有益效果在于：

51、1）通过全维度覆盖作业计划、货位状态、堆垛机工况与出入库任务流四类核心数据，实现多源异构数据的标准化同步采集，为后续扰动分析提供全量原始数据支撑；依托时空耦合响应逻辑分析与预设基准逻辑比对，可自适应不同巷道负载下的工况变化，提前捕捉隐性作业扰动趋势，有效规避突发拥堵风险；

52、2）通过双有向加权网络拓扑与边权联合比对，识别异变型作业链路与核心扰动节点，提升人工排查异常链路的效率；通过基于多变量相空间重构与lyapunov指数计算，实现对堆垛机作业队列拥堵演化趋势的量化预判，可提前识别拥堵扩散方向与积压速率，为动态调度预留充足响应窗口，降低堆垛机作业队列的大面积拥堵概率；通过综合多维度扰动特征生成调度指令，同步更新作业计划，实现堆取料作业全流程的动态自适应优化，提升无人堆场整体作业效率，同时保障作业全流程的稳定性与连续性。