CN113942515B - Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 - Google Patents
Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN113942515B CN113942515B CN202111246730.6A CN202111246730A CN113942515B CN 113942515 B CN113942515 B CN 113942515B CN 202111246730 A CN202111246730 A CN 202111246730A CN 113942515 B CN113942515 B CN 113942515B
- Authority
- CN
- China
- Prior art keywords
- agv
- historical
- vehicle
- energy consumption
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 title abstract description 18
- 230000001133 acceleration Effects 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000007704 transition Effects 0.000 claims description 19
- 238000013439 planning Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 13
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 238000005381 potential energy Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000208125 Nicotiana Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/10—Weight
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Marketing (AREA)
- Transportation (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种AGV车辆能耗优化方法、装置、设备、存储介质及程序产品,其中所述方法包括:获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;提供所述最优坡度,以使得相关人员可以参考该最优坡度对移动路线所在的道路的坡度进行优化,这样AGV车辆在优化后的移动路线上行进时会减少能源耗费,达到节能的效果。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种AGV车辆的能耗优化方法、一种AGV车辆的能耗优化装置、一种电子设备、一种计算机可读存储介质以及一种计算机程序产品。
背景技术
自动导引小车AGV(Automated Guided Vehicle)的出现推动了智慧园区、智慧楼宇、智慧仓管的交通脚步,AGV作为智慧物流中必不可少的一部分,在智慧楼宇的快速建设扮演着十分重要的角色。AGV小车电源容量不足将会严重制约在智慧园区的快速发展,因此在AGV节能方面的要求将越来越高。
发明内容
本申请提供一种AGV车辆能耗优化方法、装置、设备、存储介质及程序产品,以降低AGV车辆行驶过程中耗费的能源。
第一方面,本申请实施例提供了一种AGV车辆的能耗优化方法,所述方法包括:
获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;
若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;
根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;
提供所述最优坡度,以使得所述目标AGV车辆在根据所述最优坡度优化后的道路上行进时的能耗最小。
第二方面,本申请实施例还提供了一种AGV车辆的能耗优化装置,所述装置包括:
移动路线确定模块,用于获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;
相关参数信息获取模块,用于若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;
最优坡度确定模块,用于根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;
最优坡度提供模块,用于提供所述最优坡度,以使得所述目标AGV车辆在根据所述最优坡度优化后的道路上行进时的能耗最小。
第三方面,本申请实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述第一方面的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一方面的方法。
第五方面,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,所述计算机可执行指令在被执行时用于实现上述第一方面的方法。
本申请所提供的技术方案,具有如下有益效果:
在本实施例中,从道路坡度优化的角度来实现对AGV车辆的节能。当根据AGV车辆的起点位置与终点位置确定其移动路线时,在起点位置与终点位置的海拔高度不同具有一定坡度的前提下,通过获取该移动路线的所有历史AGV车辆的相关参数信息来分析出当前移动路线的最优坡度,并提供该最优坡度给相关人员,使得相关人员可以参考该最优坡度对移动路线所在的道路的坡度进行优化,这样AGV车辆在优化后的移动路线上行进时会减少能源耗费,达到节能的效果。
附图说明
图1是本申请实施例一提供的一种AGV车辆的能耗优化方法实施例的流程图;
图2是本申请实施例二提供的一种AGV车辆的能耗优化方法实施例的流程图;
图3是本申请实施例二提供的AGV车辆在行驶过程中受到的力示意图;
图4是本申请实施例三提供的一种AGV车辆的能耗优化装置实施例的结构框图;
图5是本申请实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种AGV车辆的能耗优化方法实施例的流程图,本实施例可以由一种AGV车辆的能耗优化装置执行。其中,AGV车辆是指装备有电磁或光学等自动导航装置,能够沿规定的导航路径行驶,具有安全保护以及各种移载功能的运输车。在实际应用中,AGV车辆是指不需要驾驶员的搬运车,可以以可充电的蓄电池为其动力来源,可通过控制程序来控制其移动路径以及行为,或利用电磁轨道(electromagnetic path-following system)来设立其移动路径,电磁轨道粘贴于地板上,AGV车辆则依靠电磁轨道所带来的讯息进行移动与动作。
依赖于自动导航装置,AGV车辆可以在不需要人工引航的情况下沿预定的路线自动行驶,将货物或物料自动从起点运送到目的地。AGV的还有一个特点是柔性好,自动化程度高和智能化水平高,AGV的行驶路径可以根据仓储货位要求、生产工艺流程等改变而灵活改变,并且运行路径改变的费用与传统的输送带和刚性的传送线相比较为低廉。AGV还可以配备有装卸机构,可以与其他物流设备自动接口,实现货物和物料装卸与搬运全过程自动化。此外,AGV还具有清洁生产的特点,AGV依靠自带的蓄电池提供动力,运行过程中无噪声、无污染,可以应用在许多要求工作环境清洁的场所。
AGV车辆可以应用于各种行业和场景,多台AGV车辆还可以组成了一个柔性的自动搬运***。例如:仓储业,用于实现出入库货物的自动搬运;制造业,用于完成物料的搬运任务;邮局、图书馆、港口码头和机场等场合实现物品的运送;烟草、医药、食品、化工等场合完成托盘货物的搬运工作;在商场、智能写字楼、智能小区等场所,自动对接有人或无人超市,完成快递的派送等。
如图1所示,本实施例可以包括如下步骤:
步骤110,获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线。
在一种实施例中,可以从目标AGV车辆接收的任务指令中解析出起点位置以及终点位置。其中,该任务指令可以包括静态任务指令或动态任务指令。静态任务指令是指目标AGV车辆每次执行任务时,都是从静态任务指令中获得起点位置以及终点位置,然后从起点位置行进到终点位置进行执行任务,即目标AGV车辆每次执行任务的起点和终点都是相同的。而动态任务指令是指目标AGV车辆每次执行任务时,都需要先接收动态任务指令,然后从动态任务指令中获得起点位置以及终点位置,接着从起点位置行进至终点位置进行执行任务,即目标AGV车辆每次执行任务的起点和终点有可能是不同的。
在实现时,任务指令可以是由其他终端或者服务器通过有线或者无线的方式发送至目标AGV车辆中,也可以是通过目标AGV的交互接口输入任务指令,本实施例对此不作限制。例如,若通过目标AGV的交互接口输入任务指令,则其中一种实现场景为:显示任务输入界面,接收作用于任务输入界面上的起点输入操作和终点输入操作,根据起点输入操作指示的起点位置和终点输入操作指示的终点位置生成行驶任务指令。
得到目标AGV车辆需要行进的起点位置以及终点位置以后,则本实施例还可以确定从该起点位置到终点位置的移动路线,其中,该移动路线为路径最短的移动路线。
在一种实施例中,确定从所述起点位置到所述终点位置的移动路线,包括:
获取所述目标AGV车辆需要执行任务的任务所在地的路线规划图,所述路线规划图包括多个节点;根据所述路线规划图中的节点,计算两两节点之间的距离;根据计算出的距离值构建规划矩阵;采用所述规划矩阵确定从所述起点位置到所述终点位置的最短路线,作为所述移动路线。
示例性地,节点可以包括交通灯、门禁、交通路口、电梯入口等。假设节点总数为n个,则可以计算两两节点之间的距离,并根据计算出的距离值构建一个n×n的矩阵N,并在矩阵N的基础上进行最短路径求解。在实现时,可以采用Floyd算法对矩阵N求解最短路径的最优解,输入起点位置i、终点位置j,得出从i到j的最短路线作为移动路线。
步骤120,若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度。
在该步骤中,当确定起点位置以及终点位置以后,还可以分别获得起点位置与终点位置的海拔高度。如果起点位置的海拔高度与终点位置的海拔高度不同,表示从起点位置到终点位置具有一定的坡度,则本实施例可以确定从起点位置到终点位置的移动路线的最优坡度,使得目标AGV车辆在该最优坡度行进时的能源消耗尽可能的低。
在确定最优坡度时,可以首先考虑当前移动路线的历史车辆数据,该历史车辆数据可以包括过去预设时间段内在该移动路线行进的所有AGV车辆(即本实施例的历史AGV车辆)的相关参数信息。
在一种实施例中,可以将当前移动线路的节点集合,包括起点位置、终点位置以及起点与终点间的中间节点的节点位置等,发送至服务器中,由服务器获取当前移动线路的历史车辆数据。在实现时,服务器可以根据大数据分析的来确定当前移动线路的历史车辆数据。在服务器中,可以采集并记录各AGV车辆的行驶轨迹信息以及车辆其他信息,然后将各AGV车辆的行驶轨迹与当前移动路线进行匹配,并将存在当前移动路线的历史轨迹作为匹配轨迹,接着提取该匹配轨迹对应的AGV车辆、对应于该移动路线的相关参数信息并返回。
示例性地,相关参数信息可以包括但不限于:车辆质量,车辆的正面区域面积,车辆的重力加速度,车辆行驶在该移动路线时的速度轨迹、加速度轨迹以及空气密度,车辆采集的该移动路线的坡度等。
步骤130,根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度。
在该步骤中,当获得当前移动路线的所有历史AGV车辆的相关参数信息以后,可以结合最优坡度算法来求解当前移动路线的最优坡度。例如,可以结合所有历史AGV车辆中的相关参数信息记录的道路坡度和相关能耗情况来确定最优坡度。
步骤140,提供所述最优坡度,以使得所述目标AGV车辆在根据所述最优坡度优化后的道路上行进时的能耗最小。
在该步骤中,当确定当前移动路线的最优坡度以后,可以将当前移动路线的最优坡度提供给相关人员,例如提供给道路设计人员、运维人员等,以便于相关人员可以根据该最优坡度对该移动路线进行优化,从而使得目标AGV车辆在坡度优化后的移动路线上行进时的能耗最小。
在本实施例中,从道路坡度优化的角度来实现对AGV车辆的节能。当根据AGV车辆的起点位置与终点位置确定其移动路线时,在起点位置与终点位置的海拔高度不同具有一定坡度的前提下,通过获取该移动路线的所有历史AGV车辆的相关参数信息来分析出当前移动路线的最优坡度,并提供该最优坡度给相关人员,使得相关人员可以参考该最优坡度对移动路线所在的道路的坡度进行优化,这样AGV车辆在优化后的移动路线上行进时会减少能源耗费,达到节能的效果。
实施例二
图2为本申请实施例二提供的一种AGV车辆的能耗优化方法实施例的流程图,实施例二在实施例一的基础上,对确定移动路线的最优坡度的具体实现进行说明。
本实施例以道路坡度优化作为AGV车辆节能的切入点。经过研究发现,AGV车辆在道路行驶过程中与道路相关的能源减少至少来自如下原因:一方面,如果车辆保持匀速或加速行进,动力装置(发动机和/或电动机)驱动车辆下坡比在平坦道路上消耗的能量更少,此时车辆的势能部分转化为动能。另一方面,如果车辆在平坦的道路上坡或下坡时减速,减少的动能会以热量的形式被制动器浪费掉。另外,如果车辆在上坡时减速,则部分减少的动能还会转化为车辆的势能,制动浪费的动能较少,获得的势能可以在后续下坡时转换回动能。不同道路能耗的主要区别在于制动浪费的能量,适当的设计道路坡度轮廓可以最大限度地减少制动器的使用并将动能转化为势能。因此本实施例将道路坡度作为设计变量,从优化道路坡度的角度实现降低车辆能源消耗的目的。
如图2所示,本实施例可以包括如下步骤:
步骤210,获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线。
在该步骤中,当确定目标AGV车辆的起点位置以及终点位置以后,可以根据路径规划算法,规划出从该起点位置到达终点位置的最优路径,作为目标AGV车辆的移动路线。本实施例对具体的路径规划算法不作限定,本领域技术人员采用任何通用的路径规划算法均是可以的。
当确定移动路线以后,还可以计算该移动路线的长度,即,从起点位置沿着该移动路线到达终点位置的距离。
需要说明的是,如果移动路线是一个圆,意味着起点位置与终点位置相同,此时仍然可以将起点位置与终点位置作为两个不同的位置,这个圆的周长为该移动路线的长度。
步骤220,若所述起点位置与所述终点位置的海拔高度不同,则将所述移动路线离散化成多个目标点。
在该步骤中,目标AGV车辆的起点位置及终点位置的位置信息中还可以包括海拔高度,通过比较起点位置的海拔高度与终点位置的海拔高度来确定当前移动路线是否有坡度。若目标AGV车辆起点位置与所述终点位置的海拔高度不同,则表示该移动路线会存在一定的坡度,然后进一步可以将移动路线进行离散化处理,以便于采用更细的维度进行数据处理。
在对移动路线进行离散化处理时,可以首先将移动路线划分成多个路线片段。在实现中,可以采用预设的划分方式将移动路线划分成多个路线片段。示例性地,预设的划分方式可以包括如下的至少一种:一种方式是,根据预设的路线片段的数量,将移动路线进行平均分;另一种方式是,根据移动路线中除去起点与终点的中间节点进行划分,每个中间节点作为一个分割点。
得到多个路线片段以后,还可以计算每个路线片段的长度。
根据划分的结果,可以将移动路线离散化成多个点,以便于后续的计算处理。
例如,假设移动路线的长度为sf,将移动路线平均划分成Ts个路线片段,则每个路线片段的长度为:Δs=sf/Ts。该移动路线可以被离散化为Ts+1个点,每个点可以表示为sk(k=0,1,2,...,Ts)。
步骤230,获取经过各目标点的所有历史AGV车辆的相关参数信息。
在得到多个目标点以后,则可以以每个目标点作为具***置,分别获取经过每个目标点的所有历史AGV车辆的相关参数信息。
示例性地,相关参数信息可以包括但不限于:车辆质量,车辆的正面区域面积,车辆的重力加速度,车辆在经过各目标点时的速度、加速度以及空气密度,车辆在目标点中采集的坡度等。
在一种实现中,车辆质量、车辆的正面区域面积可以根据车辆的出厂配置参数获得;车辆的速度、加速度以及重力加速度可以根据相关的传感器(包括速度传感器、加速度传感器以及重力加速度传感器)采集的;坡度可以根据车辆的坡度测量装置测量得到;空气密度可以根据车辆的环境传感器获得。
步骤240,针对各历史AGV车辆,分别根据所述历史AGV车辆的相关参数信息确定所述历史AGV车辆在经过各目标点时消耗的能耗值。
在实际中,AGV车辆的能耗值可以与车辆的速度、加速度、道路坡度、牵引力等因素相关,因此可以结合上述多种因素来计算AGV车辆在经过各目标点时消耗的能耗值,其中,能耗值是指能源消耗数值,如电量消耗值等。
在一种实施例中,步骤240进一步可以包括如下子步骤:
步骤240-1,根据所述历史AGV车辆的相关参数信息,采用预设的动力学模型确定所述历史AGV车辆在经过各目标点时的牵引力。
在机械工程中,牵引力是指包括汽车、铁路机车、自行车等轮式车辆载具的传动***对车轮产生的旋转力矩,通过动轮与地面或钢轨之间的相互作用而产生。产生牵引力的过程,首先发动机发动做功,带动了某个连杆运动,因此产生了一个力矩(扭矩)。之后该力矩通过了一个传动装置,期间经历了一些变化(放大或缩小),然后被传导到车轮上。最后车轮在力矩的作用下发生了滚动,最终构成了车辆前进的牵引力。
在本步骤中,可以通过动力学模型计算历史AGV车辆在经过各目标点时的牵引力。
在一种实施例中,步骤240-1进一步可以包括如下步骤:
步骤240-1-1,根据所述车辆质量与所述加速度,确定所述历史AGV车辆在经过所述目标点时的加速度产生的力。
例如,可以将车辆质量与加速度的乘积作为历史AGV车辆在经过某个目标点时的加速度产生的力Facce。
步骤240-1-2,根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的滚动摩擦力。
例如,可以将车辆质量、重力加速度,坡度的cos值、与预设的摩擦力系数的乘积,作为历史AGV车辆在经过某个目标点时的滚动摩擦力Froll。
步骤240-1-3,根据所述空气密度、所述正面区域面积以及所述速度,确定所述历史AGV车辆在经过所述目标点时的空气阻力。
例如,可以将空气密度、正面区域面积、速度的平方与预设的空气阻力系数的乘积的一半,作为历史AGV车辆在经过某个目标点时的空气阻力Faero。
步骤240-1-4,根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的道路坡度产生的力。
例如,可以将车辆质量、重力加速度以及坡度的sin值的乘积,作为历史AGV车辆在经过某个目标点时的道路坡度产生的力Fgrade。
步骤240-1-5,将所述加速度产生的力、所述滚动摩擦力、所述空气阻力以及所述道路坡度产生的力汇总成所述历史AGV车辆在经过所述目标点时的牵引力。
例如,可以将加速度产生的力、滚动摩擦力、空气阻力以及道路坡度产生的力的总和,作为历史AGV车辆在经过某个目标点时的牵引力。
具体的,参考图3所示,AGV车辆在行驶过程中受到的力主要有滚动摩擦力Froll、空气阻力Faero、道路坡度产生的力Fgrade和加速度产生的力Facce,则可以采用如下动力学模型计算车辆的牵引力Ftrac:
其中,Mv为车辆质量,a为加速度,cr为滚动摩擦系数(假定为常数),g为重力加速度,α为坡度,ρa为空气密度,Af为正面区域面积,cd为空气阻力系数,vveh为速度。
步骤240-2,根据所述牵引力,采用预设的车辆能耗模型确定所述历史AGV车辆在经过各目标点时消耗的能耗值。
在一种实现中,假设AGV车辆具有恒定的能量转换效率,则车辆能耗模型可以等效为推动车辆的机械能W。令是AGV车辆的所有相关参数的向量,若给定AGV车辆的相关参数信息且AGV车辆没有能量回收制动的情况下,车辆能耗模型可以表示为:
其中,Ftrac(ξ,vveh,a)就是车辆的牵引力Ftrac。
上述车辆能耗模型中包含的ξ,vveh,a都是随机变量,因此W(ξ,vveh,a)也是随机变量,设定随机变量的概率分布函数为:
pvveh(s):[0,Vmax]→[0,1]
pa(s):[amin,amax]→[0,1]
在实际中,4D概率分布函数pξ是很难获得的,并且相应的期望计算起来也很复杂。而AGV车辆的相关参数和车辆质量具有线性关系,假设车辆质量的变化范围为[Ml,Mu],则可以将4D概率分布函数简化为1D概率分布函数:pM:[Ml,Mu]→[0,1]。
步骤250,汇总所述历史AGV车辆在各目标点消耗的能耗值,获得所述历史AGV车辆的能耗平均值。
针对各历史AGV车辆而言,当得到在各个目标点的能耗值以后,则可以汇总各目标点的能耗值,得到AGV车辆的能耗平均值E[W(ξ)]。
在一种实施方式中,可以采用能耗平均值计算模型来对历史AGV车辆在各目标点消耗的能耗值进行汇总,获得该历史AGV车辆的能耗平均值。
例如,能耗平均值计算模型可以为:
步骤260,根据各历史AGV车辆的能耗平均值,确定最优坡度。
在该步骤中,当得到各历史AGV车辆的能耗平均值以后,则可以通过比较各历史AGV车辆的能耗平均值,从而确定能耗最优的历史AGV车辆,然后将该能耗最优的历史AGV车辆采集的坡度作为最优坡度。
在一种实施例中,步骤260进一步可以包括如下步骤:
步骤260-1,根据所述能耗平均值计算模型确定最优坡度模型。
在实现时,最优坡度的求解可以转换成对优化控制问题的求解,/>就是最优坡度模型,其是根据能耗平均值计算模型E[W(ξ(Mv),vveh,a)]得到的。也就是从所有历史AGV车辆的能耗平均值中,选取最小的能耗平均值对应的AGV车辆采集的道路坡度确定为最优坡度。
其中,对所有的s∈[s0,sf],满足如下条件:
α(s)∈[αl,αu]
h(sf)=hf
在实际中,对的求解过程中,可能包含上坡和下坡之间的频繁振荡,而在实际道路修建过程中需要避免频繁的振荡。为了检测振荡,可以比较当前目标点α(k)和上一目标点α(k-1)的坡度角的符号,可以引入l(k)来记录α(k-1)的符号,即l(k+1)=sign(α(k))。然后引入另一个状态c(k)来计算振荡次数:
步骤260-2,对所述最优坡度模型进行离散化,并采用离散化后的最优坡度模型根据各历史AGV车辆的能耗平均值,确定最优坡度。
具体的,在利用具有马尔科夫链特性的动态规划方法求解最优坡度时,还需要将进行离散化,离散化后的最优坡度模型如下式所示:
其中,对所有的k∈{0,1,...,Ts-1}满足如下条件:
h(k+1)=h(k)+Δs tanα(k)
l(k+1)=sign(α(k))
α(k)∈[αl,αu]
h(Ts)=hf
c(Ts)≤cf
在上述离散化后的最优坡度模型中,表示速度概率,pij(k)表示速度转移概率。该速度概率以及速度转移概率均可以通过速度模型得到。在一种实施例中,速度模型可以采用如下方式生成:
获取经过移动路线的所有历史AGV车辆,在所述移动路线中的速度轨迹;从获取的所有速度轨迹中确定所述移动路线的最小速度以及最大速度;将根据所述最小速度以及所述最大速度构建的速度范围离散化成多个离散速度;统计在目标点k处的速度与离散速度i近似的历史AGV车辆的数量;根据该数量以及速度轨迹的总数,确定离散速度i在目标点k出现的速度概率;基于所述速度概率构建速度转移矩阵,所述速度转移矩阵包括多个速度转移概率。
具体的,车辆行驶在当前移动路线中的速度和加速度轨迹均可被视为随机过程,可采用马尔可夫链(Markov Chain,简称MC)模型对速度建模,得到速度模型。首先可以将连续的速度曲线离散化,在实现过程中,可以先获取经过移动路线的所有历史AGV车辆,在当前移动路线中的速度轨迹,然后汇总获取的所有速度轨迹,从所有速度轨迹中选取最小速度以及最大速度,作为当前移动路线的最小速度Vmin以及最大速度Vmax。接着,对Vmin与Vmax构建的速度范围进行离散化,将该速度范围分成G步(即G个速度点),相邻两个速度点之间的间隔为:Δv=(Vmmax-Vmin)/G。则离散的速度为vi=Vmin+iΔv,(0≤i≤G)。
然后统计在目标点k处的速度与离散速度i近似的历史AGV车辆的数量,以及,根据该数量以及速度轨迹的总数,确定离散速度i在目标点k出现的速度概率。即,每个目标点的速度概率为:
其中,是离散速度vi在目标点k出现的概率,/>表示在目标点k处的速度近似等于vi的速度数量(即在目标点k处的速度与离散速度i近似的历史AGV车辆的数量),有v(k)≈vi,(0≤i≤G)。Ntotal是速度轨迹的总数。
定义在目标点k的速度转移矩阵为:
其中,pij(k)=Pr(v(k+1)≈vj∣v(k)≈vi),(0≤i,j≤G)表示速度转移矩阵的第i行第j列的速度转移概率。
类似于上述的速度模型的构建方法,还可以构建加速度的马尔科夫模型。具体的,首先可以将连续的加速度曲线离散化,在实现过程中,可以先获取经过移动路线的所有历史AGV车辆,在当前移动路线中的加速度轨迹,然后汇总获取的所有加速度轨迹,从所有加速度轨迹中选取最小加速度以及最大加速度,作为当前移动路线的最小加速度以及最大加速度。接着,对最小加速度与最大加速度构建的加速度范围进行离散化,得到多个离散加速度。
然后统计在目标点k处的加速度与对应的离散加速度近似的历史AGV车辆的数量,以及,根据该数量以及加速度轨迹的总数,确定离散速度在目标点k出现的加速度概率。
定义在目标点k的加速度转移矩阵为:
其中,表示加速度转移矩阵的第i行第j列的加速度转移概率。
步骤270,提供所述最优坡度,以使得所述目标AGV车辆在根据所述最优坡度设计的道路上行进时的能耗最小。
在确定最优坡度以后,可以利用模拟仿真或实测的车辆行驶数据评估优化后道路的节能效果。
在本实施例中,在不改变现有的道路施工方法的基础上,通过确定AGV车辆行驶的道路的最优坡度,可以应用于AGV专用车道的修建或优化上,通过优化道路坡度剖面以降低运输能耗,达到AGV车辆的节能效果。
实施例三
图4为本申请实施例三提供的一种AGV车辆的能耗优化装置实施例的结构框图,可以包括如下模块:
移动路线确定模块410,用于获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;
相关参数信息获取模块420,用于若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;
最优坡度确定模块430,用于根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;
最优坡度提供模块440,用于提供所述最优坡度,以使得所述目标AGV车辆在根据所述最优坡度优化后的道路上行进时的能耗最小。
在一种实施例中,所述相关参数信息获取模块420具体用于:
将所述移动路线离散化成多个目标点;
获取经过各目标点的所有历史AGV车辆的相关参数信息。
在一种实施例中,所述最优坡度确定模块430可以包括如下子模块:
能耗值确定子模块,用于针对各历史AGV车辆,分别根据所述历史AGV车辆的相关参数信息确定所述历史AGV车辆在经过各目标点时消耗的能耗值;
能耗平均值确定子模块,用于汇总所述历史AGV车辆在各目标点消耗的能耗值,获得所述历史AGV车辆的能耗平均值;
最优坡度确定子模块,用于根据各历史AGV车辆的能耗平均值,确定最优坡度。
在一种实施例中,所述能耗值确定子模块进一步可以包括如下单元:
牵引力确定单元,用于根据所述历史AGV车辆的相关参数信息,采用预设的动力学模型确定所述历史AGV车辆在经过各目标点时的牵引力;
车辆能耗确定单元,用于根据所述牵引力,采用预设的车辆能耗模型确定所述历史AGV车辆在经过各目标点时消耗的能耗值。
在一种实施例中,所述相关参数信息还包括:车辆质量,车辆的正面区域面积,车辆的重力加速度,车辆行驶在经过各目标点时的速度、加速度以及空气密度,车辆在该目标点中采集的坡度;
所述牵引力确定单元具体用于:
根据所述车辆质量与所述加速度,确定所述历史AGV车辆在经过所述目标点时的加速度产生的力;
根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的滚动摩擦力;
根据所述空气密度、所述正面区域面积以及所述速度,确定所述历史AGV车辆在经过所述目标点时的空气阻力;
根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的道路坡度产生的力;
将所述加速度产生的力、所述滚动摩擦力、所述空气阻力以及所述道路坡度产生的力汇总成所述历史AGV车辆在经过所述目标点时的牵引力。
在一种实施例中,所述能耗平均值确定子模块具体用于:
采用能耗平均值计算模型来对所述历史AGV车辆在各目标点消耗的能耗值进行汇总,获得所述历史AGV车辆的能耗平均值。
在一种实施例中,所述最优坡度确定子模块具体用于:
根据所述能耗平均值计算模型确定最优坡度模型;
对所述最优坡度模型进行离散化,其中,离散化后的最优坡度模型包括速度概率以及速度转移概率;
采用所述离散化后的最优坡度模型根据各历史AGV车辆的能耗平均值,确定最优坡度。
在一种实施例中,所述速度概率以及所述速度转移概率根据速度模型得到,所述速度模型采用如下方式生成:
获取经过移动路线的所有历史AGV车辆,在所述移动路线中的速度轨迹;
从获取的所有速度轨迹中确定所述移动路线的最小速度以及最大速度;
将根据所述最小速度以及所述最大速度构建的速度范围离散化成多个离散速度;
统计在目标点k处的速度与离散速度i近似的历史AGV车辆的数量;
根据该数量以及速度轨迹的总数,确定离散速度i在目标点k出现的速度概率;
基于所述速度概率构建速度转移矩阵,所述速度转移矩阵包括多个速度转移概率。
在一种实施例中,所述移动路线确定模块410具体用于:
从所述目标AGV车辆接收的任务指令中解析出起点位置以及终点位置。
在一种实施例中,所述移动路线确定模块410具体用于:
获取所述目标AGV车辆需要执行任务的任务所在地的路线规划图,所述路线规划图包括多个节点;
根据所述路线规划图中的节点,计算两两节点之间的距离;
根据计算出的距离值构建规划矩阵;
采用所述规划矩阵确定从所述起点位置到所述终点位置的最短路线,作为所述移动路线。
本申请实施例所提供的一种AGV车辆的能耗优化装置可执行本申请实施例一中的一种AGV车辆的能耗优化方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本申请实施例四提供的一种电子设备的结构示意图,如图5所示,该电子设备包括处理器510、存储器520、输入装置530和输出装置540;电子设备中处理器510的数量可以是一个或多个,图5中以一个处理器510为例;电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请实施例中的上述实施例一对应的程序指令/模块。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的方法实施例一中提到的方法。
存储器520可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器520可进一步包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
实施例五
本申请实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述方法实施例一的方法。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本申请任意实施例所提供的方法中的相关操作。
实施例六
本申请实施例六还提供一种计算机程序产品,该计算机程序产品包括计算机可执行指令,所述计算机可执行指令在由计算机处理器执行时用于执行上述方法实施例一的方法。
当然,本申请实施例所提供的一种计算机程序产品,其计算机可执行指令不限于如上所述的方法操作,还可以执行本申请任意实施例所提供的方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是,上述装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (13)
1.一种AGV车辆的能耗优化方法,其特征在于,所述方法包括:
获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;
若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;
根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;
提供所述最优坡度,以使相关人员根据所述最优坡度对所述移动路线的坡度进行优化,进而使所述目标AGV车辆在根据所述最优坡度进行坡度优化后的道路上行进时的能耗最小。
2.根据权利要求1所述的方法,其特征在于,所述获取经过所述移动路线的所有历史AGV车辆的相关参数信息,包括:
将所述移动路线离散化成多个目标点;
获取经过各目标点的所有历史AGV车辆的相关参数信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度,包括:
针对各历史AGV车辆,分别根据所述历史AGV车辆的相关参数信息确定所述历史AGV车辆在经过各目标点时消耗的能耗值;
汇总所述历史AGV车辆在各目标点消耗的能耗值,获得所述历史AGV车辆的能耗平均值;
根据各历史AGV车辆的能耗平均值,确定最优坡度。
4.根据权利要求3所述的方法,其特征在于,所述分别根据所述历史AGV车辆的相关参数信息确定所述历史AGV车辆在经过各目标点时消耗的能耗值,包括:
根据所述历史AGV车辆的相关参数信息,采用预设的动力学模型确定所述历史AGV车辆在经过各目标点时的牵引力;
根据所述牵引力,采用预设的车辆能耗模型确定所述历史AGV车辆在经过各目标点时消耗的能耗值。
5.根据权利要求4所述的方法,其特征在于,所述相关参数信息还包括:车辆质量,车辆的正面区域面积,车辆的重力加速度,车辆行驶在经过各目标点时的速度、加速度以及空气密度,车辆在该目标点中采集的坡度;
所述根据所述历史AGV车辆的相关参数信息,采用预设的动力学模型确定所述历史AGV车辆在经过各目标点时的牵引力,包括:
根据所述车辆质量与所述加速度,确定所述历史AGV车辆在经过所述目标点时的加速度产生的力;
根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的滚动摩擦力;
根据所述空气密度、所述正面区域面积以及所述速度,确定所述历史AGV车辆在经过所述目标点时的空气阻力;
根据所述车辆质量、所述重力加速度以及所述坡度,确定所述历史AGV车辆在经过所述目标点时的道路坡度产生的力;
将所述加速度产生的力、所述滚动摩擦力、所述空气阻力以及所述道路坡度产生的力汇总成所述历史AGV车辆在经过所述目标点时的牵引力。
6.根据权利要求3-5任一项所述的方法,其特征在于,所述汇总所述历史AGV车辆在各目标点消耗的能耗值,获得所述历史AGV车辆的能耗平均值,包括:
采用能耗平均值计算模型来对所述历史AGV车辆在各目标点消耗的能耗值进行汇总,获得所述历史AGV车辆的能耗平均值。
7.根据权利要求6所述的方法,其特征在于,所述根据各历史AGV车辆的能耗平均值,确定最优坡度,包括:
根据所述能耗平均值计算模型确定最优坡度模型;
对所述最优坡度模型进行离散化,其中,离散化后的最优坡度模型包括速度概率以及速度转移概率;
采用所述离散化后的最优坡度模型根据各历史AGV车辆的能耗平均值,确定最优坡度。
8.根据权利要求7所述的方法,其特征在于,所述速度概率以及所述速度转移概率根据速度模型得到,所述速度模型采用如下方式生成:
获取经过移动路线的所有历史AGV车辆,在所述移动路线中的速度轨迹;
从获取的所有速度轨迹中确定所述移动路线的最小速度以及最大速度;
将根据所述最小速度以及所述最大速度构建的速度范围离散化成多个离散速度;
统计在目标点k处的速度与离散速度i近似的历史AGV车辆的数量;
根据该数量以及速度轨迹的总数,确定离散速度i在目标点k出现的速度概率;
基于所述速度概率构建速度转移矩阵,所述速度转移矩阵包括多个速度转移概率。
9.根据权利要求1-5任一项所述的方法,其特征在于,所述获取目标AGV车辆的起点位置以及终点位置,包括:
从所述目标AGV车辆接收的任务指令中解析出起点位置以及终点位置。
10.根据权利要求1-5任一项所述的方法,其特征在于,所述确定从所述起点位置到所述终点位置的移动路线,包括:
获取所述目标AGV车辆需要执行任务的任务所在地的路线规划图,所述路线规划图包括多个节点;
根据所述路线规划图中的节点,计算两两节点之间的距离;
根据计算出的距离值构建规划矩阵;
采用所述规划矩阵确定从所述起点位置到所述终点位置的最短路线,作为所述移动路线。
11.一种AGV车辆的能耗优化装置,其特征在于,所述装置包括:
移动路线确定模块,用于获取目标AGV车辆的起点位置以及终点位置,并确定从所述起点位置到所述终点位置的移动路线;
相关参数信息获取模块,用于若所述起点位置与所述终点位置的海拔高度不同,则获取经过所述移动路线的所有历史AGV车辆的相关参数信息,所述相关参数信息包括道路坡度;
最优坡度确定模块,用于根据所述所有历史AGV车辆的相关参数信息,确定所述移动路线的最优坡度;
最优坡度提供模块,用于提供所述最优坡度,以使相关人员根据所述最优坡度对该移动路线的坡度进行优化,进而使所述目标AGV车辆在根据所述最优坡度进行坡度优化后的道路上行进时的能耗最小。
12.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10任一项所述的方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111246730.6A CN113942515B (zh) | 2021-10-26 | 2021-10-26 | Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111246730.6A CN113942515B (zh) | 2021-10-26 | 2021-10-26 | Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113942515A CN113942515A (zh) | 2022-01-18 |
CN113942515B true CN113942515B (zh) | 2023-08-22 |
Family
ID=79332365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111246730.6A Active CN113942515B (zh) | 2021-10-26 | 2021-10-26 | Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113942515B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107097791A (zh) * | 2017-03-03 | 2017-08-29 | 武汉理工大学 | 基于道路坡度和曲率的四驱电动车速度优化控制方法 |
CN110901648A (zh) * | 2018-09-13 | 2020-03-24 | 通用汽车环球科技运作有限责任公司 | 用于实时生态路线选择和自适应驱动控制的车辆、***和逻辑 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN111806443A (zh) * | 2020-05-22 | 2020-10-23 | 博雷顿科技有限公司 | 一种纯电动重卡无人驾驶能耗优化方法 |
CN113008253A (zh) * | 2019-12-18 | 2021-06-22 | 沈阳美行科技有限公司 | 一种混合动力车辆行驶方法、设备和存储介质 |
-
2021
- 2021-10-26 CN CN202111246730.6A patent/CN113942515B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107097791A (zh) * | 2017-03-03 | 2017-08-29 | 武汉理工大学 | 基于道路坡度和曲率的四驱电动车速度优化控制方法 |
CN110901648A (zh) * | 2018-09-13 | 2020-03-24 | 通用汽车环球科技运作有限责任公司 | 用于实时生态路线选择和自适应驱动控制的车辆、***和逻辑 |
CN113008253A (zh) * | 2019-12-18 | 2021-06-22 | 沈阳美行科技有限公司 | 一种混合动力车辆行驶方法、设备和存储介质 |
CN111806443A (zh) * | 2020-05-22 | 2020-10-23 | 博雷顿科技有限公司 | 一种纯电动重卡无人驾驶能耗优化方法 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113942515A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110450825B (zh) | 城市轨道交通列车运行控制方法 | |
JP5199315B2 (ja) | 列車自動運転における速度制御装置 | |
CN105551337B (zh) | 一种列车司机辅助驾驶方法与*** | |
Liu et al. | Energy-efficient operation of rail vehicles | |
CN109345020A (zh) | 一种完全信息下的无信号交叉口车辆驾驶行为预测模型 | |
CN111474926A (zh) | 一种基于多agv时间窗路径优化算法的废烟回收方法 | |
EP3219572B2 (en) | Method of providing a driving recommendation to a driver of a train and train driver advisory system | |
CN103847749A (zh) | 一种双层多目标优化铁路机车操纵序列生成方法 | |
CN109398426B (zh) | 一种定时条件下基于离散蚁群算法的节能驾驶策略寻优方法 | |
CN104346658A (zh) | 基于改进银行家算法的自动小车存取***动态调度方法 | |
CN103955135B (zh) | 一种基于双层模式曲线的机车优化操纵序列计算方法 | |
JP2021149216A (ja) | 走行制御装置、走行制御方法、及びコンピュータプログラム | |
CN115511412A (zh) | 一种基于数字孪生的智能无人车配送***及配送方法 | |
CN114818349A (zh) | 基于时空网络客流状态估计的节能运行图优化分析方法 | |
CN113942515B (zh) | Agv车辆能耗优化方法、装置、设备、存储介质及程序产品 | |
CN112686609B (zh) | 基于优化效率评价算法的智能无人物流运输方法和*** | |
Liu et al. | Parameter identification of train basic resistance using multi-innovation theory | |
CN110092150B (zh) | 一种用于智能制造的智能物料输送*** | |
EP4246486A1 (en) | Non-selfish traffic lights passing advisory systems | |
Ying et al. | Energy‐efficient train operation with steep track and speed limits: A novel Pontryagin's maximum principle‐based approach for adjoint variable discontinuity cases | |
CN112668973B (zh) | 一种智能无人物流运输方法和*** | |
CN112989553B (zh) | 基于电池容量损失控制的CEBs速度规划模型的构建与应用 | |
CN113493092B (zh) | 输送方法、装置及*** | |
CN112560172B (zh) | 一种面向地铁列车自动驾驶的在线能量混杂反馈控制方法 | |
Cao et al. | Optimisation of recommended speed profile for train operation based on ant colony algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |