CN117711987A - Oht轨道行车交通控制***及其控制方法 - Google Patents
Oht轨道行车交通控制***及其控制方法 Download PDFInfo
- Publication number
- CN117711987A CN117711987A CN202311843381.5A CN202311843381A CN117711987A CN 117711987 A CN117711987 A CN 117711987A CN 202311843381 A CN202311843381 A CN 202311843381A CN 117711987 A CN117711987 A CN 117711987A
- Authority
- CN
- China
- Prior art keywords
- oht
- traffic
- intersection
- trolley
- control
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 12
- 230000008859 change Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000012417 linear regression Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229940095676 wafer product Drugs 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种OHT轨道行车交通控制***及其控制方法，属于OHT轨道行车交通控制领域。该***通过学***，从而使得OHT轨道行车在物料搬运过程中更为高效、安全，并且能够更好地适应实时变化的环境。
Description
技术领域
本发明涉及OHT轨道行车交通控制领域，特别涉及一种OHT轨道行车交通控制***及其控制方法。
背景技术
在半导体行业中，自动化物料搬送***(AMHS)非常关键，是提高半导体制造产率、成品率以及设备利用率的重要保证。尤其是对于实现了生产设备与设备之间自动搬送的全自动化半导体工厂，一个安全且高效自动化物料搬送***可以大幅缩短在制品的等待时间，进而缩短晶圆产品的生产周期。轨道是自动化物料搬送***的重要组成部分，由于晶圆厂内设置了成百上千道的加工工艺，需要依赖AMHS***中的多个物料搬送小车(OHT)通过轨道将物料在不同设备之间进行安全且精准传送，尤其是OHT在经过交汇，分歧，弯道路口时，需要对这些关键交通路口进行合理的交通控制，在保证安全的条件下，提高这些交通路口的通行效率，对提高AMHS***的整体搬运效率则显得至关重要。
在半导体工厂中，OHT的安全与高效行驶直接影响到整个半导体制造产线的运行效率。尤其是在关键路口处，传统的控制方法存在很多问题，如控制精度低、响应时间长、容易发生碰撞等，因此本发明提出一种基于机器学习的OHT轨道行车交通控制***来解决上述问题。
发明内容
本发明提供了一种OHT轨道行车交通控制***及其控制方法，能够解决传统控制方法存在的上述问题，如控制精度低、如控制精度低、响应时间长、容易发生碰撞等问题。所述技术方案如下：
一方面，提供了一种OHT轨道行车交通控制***，所述***适用于AMHS***，所述***包括：
交通数据采集模块，用于采集OHT小车的目标交通数据，所述目标交通数据包括历史交通数据和实时交通状态；
交通状态分析模块，用于利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态,还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况,所述预测交通状况用于为交通规则生成模块提供决策支撑；
所述交通规则生成模块，用于根据所述当前交通状态分析结果并生成相应的交通规则；
交通控制逻辑模块，用于根据所述交通规则，对OHT小车进行交通控制。
可选的，所述交通规则，包括：
速度控制规则，OHT小车在路口处需要遵守预设的速度控制规则，以保证行驶的安全性；
路口控制规则，当OHT小车接近路口时，***会根据交通规则计算出其应该行驶的速度，当OHT小车进入路口后，其速度将被控制在预设的范围内，以确保行驶的安全性，当OHT小车离开路口后，其速度可以逐渐加速，直到达到规定的最大速度；
优先级控制规则，所述优先级控制规则包括交汇路口、分歧路口和拐弯路口三种情况；在交汇路口处，OHT小车遵守预设的优先级控制规则，当两个OHT小车到达交汇路口时，***会根据其优先级确定谁先通过路口，当优先级相同时，***根据各个OHT小车的当前位置和朝向来决定谁先通过路口，如果有两个以上OHT小车通过路口，***根据各个OHT小车的当前位置和朝向按照预设的顺序排列指示各个OHT小车依次通过路口；在分歧路口处，***根据OHT小车的当前位置和朝向，确定各个OHT小车依序通过路口；在拐弯路口处，***根据各个OHT小车的当前速度和路线，计算出各个OHT小车需要转弯的角度和时间。
可选的，在交汇路口处，所述交通控制逻辑模块的逻辑过程，包括：
当两个OHT小车到达交汇路口时，***根据交通规则生成相应的优先级指令，让优先级高的OHT小车先通过路口；
如果两个OHT小车的优先级相同，则根据各个OHT小车的当前位置和朝向来决定谁先通过路口。
可选的，在分歧路口处，所述交通控制逻辑模块的逻辑过程，包括：
当一个OHT小车到达分歧路口时，***根据所述交通规则生成相应的转向指令，让OHT小车按照指定方向行驶；
响应于有其他OHT小车同时到达所述分歧路口，则***根据各个OHT小车的当前位置和朝向来决定谁先通过路口；
响应于有多个OHT小车需要转向同一个方向，则***会根据各个OHT小车的当前位置和朝向，控制各个OHT小车依次通过路口。
可选的，在拐弯路口处，所述交通控制逻辑模块的逻辑过程，包括：
当一个OHT小车到达拐弯路口时，***根据所述交通规则生成相应的转向指令，控制所述OHT小车按照指定的路线拐弯行驶；
响应于有其他OHT小车同时到达拐弯路口，则***根据各个OHT小车的当前位置和朝向来决定谁先通过路口；
响应于有多个OHT小车需要拐弯到同一个方向，则***会根据各个OHT小车的当前位置和朝向，控制各个OHT小车依次通过路口。
可选的，在路口处，OHT小车沿着指定的路线行驶进行行车。
另一方面，提供了一种OHT轨道行车交通控制方法，所述方法适用于上述所述的OHT轨道行车交通控制***，所述方法包括：
通过交通数据采集模块采集OHT小车的目标交通数据，所述目标交通数据包括历史交通数据和实时交通状态；
通过交通状态分析模块利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态,还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况,所述预测交通状况用于为交通规则生成模块提供决策支撑；
通过交通规则生成模块根据所述当前交通状态分析结果并生成相应的交通规则；
通过交通控制逻辑模块根据所述交通规则，对OHT小车进行交通控制。
另一方面，提供了一种终端，所述终端包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现上述所述的OHT轨道行车交通控制方法。
本申请实施例提供的一种OHT轨道行车交通控制***的方案，有益效果包括以下几点。
交通流优化，通过分析OHT小车的历史和实时交通数据，***可以优化交通流，提高OHT小车在AMHS***中的运输效率。
安全性提升，速度控制规则和交叉口优先级规则等功能有助于确保OHT小车在路口处遵守安全规定，减少交通事故的发生。
机器学习预测，利用机器学习算法对交通数据进行分析和预测，***能够更准确地预测关键路口的交通状况，为交通规则生成提供更精准的决策支撑。
路径规划支持，提供AMHS路径规划所需的数据参数支持，使得路径规划更为智能和高效。
交叉口控制逻辑，在交叉口处通过优先级控制规则，有效地协调OHT小车的通行顺序，提高路口通过效率。
实时响应，***实时采集数据并进行分析，可以快速响应交通状况的变化，提高***的实时性和灵活性。
自动化控制，交通控制逻辑模块通过自动化方式对OHT小车进行交通控制，降低了对人工干预的需求，提高***的自动化水平。
综合上述效果，本申请实施例提出的OHT轨道行车交通控制***有助于提升整个AMHS***的效能，该***通过学***，从而使得OHT轨道行车在物料搬运过程中更为高效、安全，并且能够更好地适应实时变化的环境。
附图说明
图1示出了本申请一个示例性实施例示出的OHT轨道行车交通控制方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参考图1，其示出了本申请一个示例性实施例示出的OHT轨道行车交通控制***的结构示意图，该方法适用于AMHS***，该***包括交通数据采集模块、交通状态分析模块、交通规则生成模块和交通控制逻辑模块，分别对各个模块作如下介绍。
交通数据采集模块，用于采集OHT小车的目标交通数据。
其中，目标交通数据包括OHT小车的历史交通数据和实时交通状态，如包括OHT小车的历史位置、当前位置、历史速度、当前速度、历史行驶方向和当前行驶方向等信息，其中历史相关数据可以是一定时间段或根据采样频率得到，对此不作限定。
在一种可能的实施方式中，交通数据采集模块实现的技术手段可以包括传感器技术、RFID技术和通信技术。
传感器技术中，使用各种传感器(如激光雷达、摄像头、编码器等)获取OHT小车的位置、速度、方向等信息。
RFID技术中，利用RFID标签贴附在OHT小车上，通过RFID读写器收集小车的标识信息。
通信技术中，利用通信模块(如Wi-Fi、蓝牙)实时获取OHT小车的状态信息。
对于计算过程包括位置计算、速度计算和方向计算。
位置计算中，利用传感器测量的数据，可以使用三角测量法或三维定位算法计算OHT小车的精确位置。
在一个示例中，利用多个传感器的测距数据，通过三角测量法计算OHT小车的精确位置。假设有三个传感器A、B、C，它们与OHT的夹角分别为α、β、γ，测得的距离分别为dA、dB、dC。则OHT的位置坐标(x,y)可通过以下公式计算：
x＝[(dA2-dB2+DC2)/(2DC)]*cos(α)；
y＝[(dA2+dB2-DC2)/(2DC)]*sin(α)。
若需要考虑OHT小车的高度(z坐标)，可以使用三维定位算法，其中的传感器数据和高度信息会更全面。
速度计算中，利用位置信息的变化率计算OHT小车的速度，常用的是差分运算或滑动窗口法。采用一定时间窗口内的位置数据，通过拟合曲线或差分运算计算速度，以平滑噪音和提高精度。
方向计算中，利用传感器测得的方向信息，可以得到OHT小车的行驶方向。在一个示例中，利用传感器测得的方向信息，可以直接得到OHT小车的行驶方向。例如，若传感器提供方向角度θ，OHT的方向即为θ。
交通状态分析模块，用于利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态,还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况,所述预测交通状况用于为交通规则生成模块提供决策支撑。
其中，当前交通状态包括OHT小车的数量、位置、速度等信息。
在一种可能的实施方式中，交通状态分析模块实现的技术手段包括机器学习算法和深度学习技术。
常用的机器学习算法有线性回归，逻辑回归，K近邻，朴素贝叶斯，决策树和随机森林等等，通过历史数据对交通状态进行学习和预测。同时也为AMHS路径规划提供数据参数支持,常用的路径规划算法包括A*算法、Dijkstra算法、贪心算法。
常用的深度学习技术有应用神经网络，特别是卷积神经网络(CNN)和循环神经网络(RNN)，以提高对复杂交通状态的建模能力。
其中，通过线性回归公式用于建模线性关系，K临近用于分类问题，决策树用于利用树结构对交通状态进行分类和预测。
在一个示例中，线性回归的应用举例，在交通状态分析中，可以使用线性回归建模OHT小车的速度和位置之间的线性关系。假设速度v是位置坐标x的线性函数，可以使用线性回归拟合速度与位置之间的关系：v＝mx+b。
其中，m是斜率，b是截距。通过线性回归拟合可以得到最佳拟合直线，从而更好地理解OHT小车的运动特性。
在一个示例中，K近邻算法的应用举例，K近邻算法可用于分类问题，例如预测OHT小车在不同路口的交通状态。通过对历史交通数据进行训练，可以使用K近邻算法判断当前OHT小车所处路口的交通状况。具体过程包括：
收集历史数据，包括OHT小车在不同路口的位置、速度等信息；
训练K近邻算法模型，使其能够根据当前位置等信息判断路口的交通状态；
针对新的OHT小车数据点，通过K近邻算法判定其所处路口的交通状态。
在一个示例中，决策树的应用举例，决策树可以用于根据不同条件生成交通规则。在交通规则生成模块中，决策树可以根据OHT小车的位置、速度等特征生成相应的规则。例如：
如果OHT小车接近交叉路口且速度较快，生成相应的速度控制规则；
如果OHT小车所处路口的历史交通状态表明拥堵，生成优先级控制规则。
上述举例说明了如何结合线性回归、K近邻算法和决策树等机器学习算法，通过对交通数据进行分析和预测，为交通规则生成和控制提供支持。这样的方法可以更好地适应复杂的交通环境，提高***的自适应性和智能性。
交通规则生成模块，用于根据当前交通状态分析结果并生成相应的交通规则。
其中交通规则包括路口的优先级、转向指令、速度限制等。
在一种可能的实施方式中，交通规则生成模块实现的技术手段包括逻辑编程和优化算法。使用规则引擎，如Drools，将交通状态的分析结果转化为具体的交通规则。利用优化算法，如遗传算法或蚁群算法，生成使交通流最优化的规则。
对于计算过程，采用规则引擎，利用条件-动作规则(if-then规则)来生成交通规则，例如，如果OHT小车数量较多，则降低速度限制。
在一个示例中，对利用条件-动作规则作举例。
条件部分：
条件1：OHT小车数量较多。
条件2：OHT小车即将进入交叉路口。
条件3：预测交叉路口附近的交通状况拥堵。
动作部分：
动作1：降低OHT小车速度限制。
动作2：调整交叉路口优先级规则，以便更好地协调OHT小车通过路口。
生成过程：
数据采集：交通数据采集模块收集OHT小车的历史数据和实时状态，包括数量、位置、速度等信息。
状态分析：交通状态分析模块利用机器学习算法对采集到的数据进行分析，得出当前交通状态，同时预测即将进入的交叉路口的交通状况。
规则生成：根据条件-动作规则，规则引擎判断当前条件是否满足。如果OHT小车数量较多、即将进入交叉路口且预测交通状况拥堵，触发相应规则生成。
交通规则生成：交通规则生成模块生成相应的规则，包括降低OHT小车速度限制和调整交叉路口优先级规则。
具体的生成过程可以通过定义一系列的条件和相应的动作来实现。例如，通过设定阈值来定义“OHT小车数量较多”的条件，通过预测模型来判断“交叉路口附近的交通状况拥堵”，以此触发相应的动作。生成的规则可以直接应用于交通控制逻辑模块，从而实现实时的交通控制策略。
这个例子说明了如何通过规则引擎结合具体条件和动作，根据实时交通状态生成灵活的交通规则，以提高***的适应性和智能性。
交通控制逻辑模块，用于根据所述交通规则，对OHT小车进行交通控制。
在一种可能的实施方式中，交通控制逻辑模块实现的技术手段包括反馈控制***和通信协议。反馈控制***中，利用OHT小车的实时状态信息，通过PID控制算法等实现对小车速度和方向的调控。使用标准的通信协议，如MQTT或ROS，实现与OHT小车的实时通信和控制。
在一个示例中，对完整的反馈控制***作示例。
实时状态信息采集：交通数据采集模块负责采集OHT小车的实时状态信息，包括当前位置、速度、方向等。
PID控制算法：反馈控制***利用PID控制算法对OHT小车的速度和方向进行调控。
比例(P)部分：根据当前位置与目标位置的误差，调整小车的速度和方向。例如，如果小车偏离预定路径，比例控制会根据偏离的距离调整速度和方向。
积分(I)部分：累积位置误差，用于消除静态误差。这可以帮助小车更准确地遵循规划路径。
微分(D)部分：根据位置误差的变化率来调整速度和方向，以避免震荡或过冲。
反馈控制逻辑：交通控制逻辑模块结合PID控制算法的输出，制定具体的交通控制策略。
如果OHT小车需要在交叉路口转弯，反馈控制***可以根据PID输出调整转弯速度和方向，确保平稳转弯。
如果OHT小车需要减速或加速，反馈控制***可以根据PID输出调整速度，使其适应当前交通状况。
在路口处，反馈控制***可以根据实时位置信息和PID输出，控制小车遵循生成的交通规则，确保安全通行。
进一步的，在OHT轨道行车交通控制***中，PID控制算法可以应用于实现对OHT小车的速度控制。以下是一个简化的例子，展示如何使用PID控制算法调整OHT小车的速度。
定义参数，设定目标速度为V_target；设定采样时间为Δt；定义比例系数Kp；积分系数Ki和微分系数Kd。
初始化，初始误差e(0)＝V_target-V_actual，其中V_actual为当前实际速度。
PID计算，计算比例部分为P＝Kp*e(t)；计算积分部分为I＝I+Ki*e(t)*Δt；计算微分部分为D＝Kd*(e(t)-e(t-Δt))/Δt；控制输出为u(t)＝P+I+D。
调整速度，根据控制输出u(t)，调整OHT小车的速度。
循环更新，更新误差e(t)。重复步骤PID计算和步骤调整速度。
这个例子描述了PID控制算法的基本步骤。在实际应用中，需要根据具体情况调整参数(Kp、Ki、Kd)以及采样时间Δt，以实现***的稳定性和性能。
通过这样的反馈控制***，OHT小车可以实时调整速度和方向，适应复杂的交通环境，保证安全、高效地完成搬运任务。整个***的灵活性和实时性得到提高，对于不同情境的应对能力也更强。
综上所述，本申请实施例提供的一种OHT轨道行车交通控制***的方案，有益效果包括以下几点。
交通流优化，通过分析OHT小车的历史和实时交通数据，***可以优化交通流，提高OHT小车在AMHS***中的运输效率。
安全性提升，速度控制规则和交叉口优先级规则等功能有助于确保OHT小车在路口处遵守安全规定，减少交通事故的发生。
机器学习预测，利用机器学习算法对交通数据进行分析和预测，***能够更准确地预测关键路口的交通状况，为交通规则生成提供更精准的决策支撑。
路径规划支持，提供AMHS路径规划所需的数据参数支持，使得路径规划更为智能和高效。
交叉口控制逻辑，在交叉口处通过优先级控制规则，有效地协调OHT小车的通行顺序，提高路口通过效率。
实时响应，***实时采集数据并进行分析，可以快速响应交通状况的变化，提高***的实时性和灵活性。
自动化控制，交通控制逻辑模块通过自动化方式对OHT小车进行交通控制，降低了对人工干预的需求，提高***的自动化水平。
综合上述效果，本申请实施例提出的OHT轨道行车交通控制***有助于提升整个AMHS***的效能，从而更有效地完成物料搬运任务，减少运输时间和成本。实现智能化和自动化水平，从而使得OHT轨道行车在物料搬运过程中更为高效、安全，并且能够更好地适应实时变化的环境。
进一步的，通过下述实施例对交通规则生成模块生成的交通规则内容作进一步阐述。
在本申请实施例中，交通规则包括速度控制规则、路口控制规则和优先级控制规则。
对于速度控制规则，OHT小车在路口处需要遵守预设的速度控制规则，以保证行驶的安全性。
其中，预设的速度控制规则是指在***中定义的规则，用于控制OHT小车在不同路口、区域或交通情境下的速度行为。
例如，可以设定在接近路口时降低速度，进入路口后限制速度在一个安全范围内，离开路口后逐渐加速。
路口控制规则，当OHT小车接近路口时，***会根据交通规则计算出其应该行驶的速度，当OHT小车进入路口后，其速度将被控制在预设的范围内，以确保行驶的安全性，当OHT小车离开路口后，其速度可以逐渐加速，直到达到规定的最大速度。
其中，预设的范围是指在***中定义的OHT小车在不同操作状态下允许的速度、位置或其他参数的范围。
例如，可以设定OHT小车在路口附近的速度范围为特定数值，确保在路口处行驶时能够满足安全要求。
优先级控制规则，包括交汇路口、分歧路口和拐弯路口情况。
在交汇路口处，OHT小车遵守预设的优先级控制规则，当两个OHT小车到达交汇路口时，***会根据其优先级确定谁先通过路口，当优先级相同时，***根据各个OHT小车的当前位置和朝向来决定谁先通过路口，如果有两个以上OHT小车通过路口，***根据各个OHT小车的当前位置和朝向按照预设的顺序排列指示各个OHT小车依次通过路口。
其中，预设的顺序是指在***中确定的OHT小车通过交叉口、分歧口或拐弯口的优先级或顺序规则。
例如，在交叉口处可以设定OHT小车按照优先级依次通过，或者根据其当前位置和朝向决定通过顺序。
在一种可能的实施方式中，通过交通控制逻辑模块实现在交汇路口处的交通规则控制。当两个OHT小车到达交汇路口时，***根据交通规则生成相应的优先级指令，让优先级高的OHT小车先通过路口。如果两个OHT小车的优先级相同，则根据其当前位置和朝向来决定谁先通过路口。
在分歧路口处，***根据OHT小车的当前位置和朝向，确定各个OHT小车依序通过路口。
在一种可能的实施方式中，通过交通控制逻辑模块实现在分歧路口处的交通规则控制。当一个OHT小车到达分歧路口时，***根据交通规则生成相应的转向指令，让OHT小车按照指定方向行驶。如果有其他OHT小车同时到达分歧路口，则根据各个OHT小车的当前位置和朝向来决定谁先通过路口。如果有多个OHT小车需要转向同一个方向，则***会根据各个OHT小车的当前位置和朝向，将它们按照预设的顺序排列，依次通过路口。
在拐弯路口处，***根据各个OHT小车的当前速度和路线，计算出各个OHT小车需要转弯的角度和时间。
当一个OHT小车到达拐弯路口时，***会根据交通规则生成相应的转向指令，让OHT小车按照指定的路线拐弯行驶；如果有其他OHT小车同时到达拐弯路口，则***会根据其当前位置和朝向来决定谁先通过路口；如果有多个OHT小车需要拐弯到同一个方向，则***会根据其位置和朝向，将它们按照预设的顺序排列，依次通过路口。
可选的，在路口处，OHT小车沿着指定的路线行驶进行行车。
另一方面，提供了一种OHT轨道行车交通控制方法，所述方法适用于AMHS***，所述方法包括：
步骤一，通过交通数据采集模块采集OHT小车的目标交通数据。
步骤二，通过交通状态分析模块利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态,还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况,预测交通状况用于为交通规则生成模块提供决策支撑。
步骤三，通过交通规则生成模块根据当前交通状态分析结果并生成相应的交通规则。
步骤四，通过交通控制逻辑模块根据交通规则，对OHT小车进行交通控制。
综上所述，本申请实施例提供的一种OHT轨道行车交通控制方法，具有如下有益效果。
交通流优化，通过分析OHT小车的历史和实时交通数据，***实现交通流的优化，提高OHT小车在AMHS***中的搬运效率。这有助于缩短制品等待时间，从而减少晶圆产品的生产周期。
安全性提升，传统的交通控制方法存在精度低、响应时间长、容易碰撞等问题。基于机器学习的***可以更准确地分析和预测交通状况，提高安全性，减少交通事故发生的可能性。
机器学习预测，通过机器学习算法对目标交通数据的分析，***能够更精准地预测关键路口的交通状况。这种预测有助于为交通规则生成提供更可靠的决策支撑。
路径规划支持，提供了路径规划所需的数据参数支持，使得AMHS路径规划更为智能和高效，进一步提升***整体的效能。
交叉口控制逻辑，通过交通规则生成模块，***能够实现对交叉口的合理控制，包括优先级控制规则、转向指令等。这有助于提高交叉口的通行效率。
实时响应，通过实时采集和分析数据，***可以迅速响应交通状况的变化，提高***的实时性和灵活性。
自动化控制，交通控制逻辑模块通过自动化方式对OHT小车进行交通控制，降低了对人工干预的需求，提高了***的自动化水平。
整体效能提升，通过综合上述效果，该***有助于提升整个AMHS***的效能，使其更有效地完成物料搬运任务，减少运输时间和成本。
总体而言，该方案在半导体工厂中的应用将为生产流程带来更高的效率、更低的风险，从而提高半导体制造的产率和成品率。
本发明还提供了一种计算机可读介质，该计算机可读介质存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的OHT轨道行车交通控制方法。
本发明还提供了一种终端，该终端包括处理器和存储器；存储器存储有至少一条指令，至少一条指令用于被处理器执行以实现OHT轨道行车交通控制方法。
本发明还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上各个实施例所述的OHT轨道行车交通控制方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种OHT轨道行车交通控制***，其特征在于，所述***适用于AMHS***，所述***包括：
交通数据采集模块，用于采集OHT小车的目标交通数据，所述目标交通数据包括历史交通数据和实时交通状态；
交通状态分析模块，用于利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态, 还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况, 所述预测交通状况用于为交通规则生成模块提供决策支撑；
所述交通规则生成模块，用于根据所述当前交通状态分析结果并生成相应的交通规则；
交通控制逻辑模块，用于根据所述交通规则，对OHT小车进行交通控制。
2.根据权利要求1所述的OHT轨道行车交通控制***，其特征在于，所述交通规则，包括：
速度控制规则，OHT小车在路口处需要遵守预设的速度控制规则，以保证行驶的安全性；
路口控制规则，当OHT小车接近路口时，***会根据交通规则计算出其应该行驶的速度，当OHT小车进入路口后，其速度将被控制在预设的范围内，以确保行驶的安全性，当OHT小车离开路口后，其速度可以逐渐加速，直到达到规定的最大速度；
优先级控制规则，所述优先级控制规则包括交汇路口、分歧路口和拐弯路口三种情况；在交汇路口处，OHT小车遵守预设的优先级控制规则，当两个OHT小车到达交汇路口时，***会根据其优先级确定谁先通过路口，当优先级相同时，***根据各个OHT小车的当前位置和朝向来决定谁先通过路口，如果有两个以上OHT小车通过路口，***根据各个OHT小车的当前位置和朝向按照预设的顺序排列指示各个OHT小车依次通过路口；在分歧路口处，***根据OHT小车的当前位置和朝向，确定各个OHT小车依序通过路口；在拐弯路口处，***根据各个OHT小车的当前速度和路线，计算出各个OHT小车需要转弯的角度和时间。
3.根据权利要求1所述的OHT轨道行车交通控制***，其特征在于，在交汇路口处，所述交通控制逻辑模块的逻辑过程，包括：
当两个OHT小车到达交汇路口时，***根据交通规则生成相应的优先级指令，让优先级高的OHT小车先通过路口；
如果两个OHT小车的优先级相同，则根据各个OHT小车的当前位置和朝向来决定谁先通过路口。
4.根据权利要求1所述的OHT轨道行车交通控制***，其特征在于，在分歧路口处，所述交通控制逻辑模块的逻辑过程，包括：
当一个OHT小车到达分歧路口时，***根据所述交通规则生成相应的转向指令，让OHT小车按照指定方向行驶；
响应于有其他OHT小车同时到达所述分歧路口，则***根据各个OHT小车的当前位置和朝向来决定谁先通过路口；
响应于有多个OHT小车需要转向同一个方向，则***会根据各个OHT小车的当前位置和朝向，控制各个OHT小车依次通过路口。
5.根据权利要求1所述的OHT轨道行车交通控制***，其特征在于，在拐弯路口处，所述交通控制逻辑模块的逻辑过程，包括：
当一个OHT小车到达拐弯路口时，***根据所述交通规则生成相应的转向指令，控制所述OHT小车按照指定的路线拐弯行驶；
响应于有其他OHT小车同时到达拐弯路口，则***根据各个OHT小车的当前位置和朝向来决定谁先通过路口；
响应于有多个OHT小车需要拐弯到同一个方向，则***会根据各个OHT小车的当前位置和朝向，控制各个OHT小车依次通过路口。
6.根据权利要求1所述的OHT轨道行车交通控制***，其特征在于，在路口处，OHT小车沿着指定的路线行驶进行行车。
7.一种OHT轨道行车交通控制方法，其特征在于，所述方法适用于权利要求1至6任一所述的OHT轨道行车交通控制***，所述方法包括：
通过交通数据采集模块采集OHT小车的目标交通数据，所述目标交通数据包括历史交通数据和实时交通状态；
通过交通状态分析模块利用机器学习算法对采集到的目标交通数据进行分析得出当前交通状态, 还用于基于历史交通状况数据使用机器学习算法来预测关键路口的预测交通状况, 所述预测交通状况用于为交通规则生成模块提供决策支撑；
通过交通规则生成模块根据所述当前交通状态分析结果并生成相应的交通规则；
通过交通控制逻辑模块根据所述交通规则，对OHT小车进行交通控制。
8.一种终端，其特征在于，所述终端包括处理器和存储器；所述存储器存储有至少一条指令，所述至少一条指令用于被所述处理器执行以实现如权利要求7所述的OHT轨道行车交通控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311843381.5A CN117711987A (zh) | 2023-12-29 | 2023-12-29 | Oht轨道行车交通控制***及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311843381.5A CN117711987A (zh) | 2023-12-29 | 2023-12-29 | Oht轨道行车交通控制***及其控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117711987A true CN117711987A (zh) | 2024-03-15 |
Family
ID=90149839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311843381.5A Pending CN117711987A (zh) | 2023-12-29 | 2023-12-29 | Oht轨道行车交通控制***及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117711987A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109141422A (zh) * | 2018-07-24 | 2019-01-04 | 苏州溥诺斯智能科技有限公司 | 一种基于路边单元机器学习的车辆定位方法及*** |
| CN110577082A (zh) * | 2018-06-08 | 2019-12-17 | 徽拓真空阀门有限公司 | 晶片传送单元和晶片传送*** |
| US20200201334A1 (en) * | 2018-12-20 | 2020-06-25 | Volkswagen Aktiengesellschaft | Method And Driver Assistance System For Assisting A Driver Of A Vehicle With Driving Of The Vehicle |
| US20210335630A1 (en) * | 2020-04-28 | 2021-10-28 | Korea Advanced Institute Of Science And Technology | Dynamic routing method and apparatus for overhead hoist transport system |
| US20220292954A1 (en) * | 2019-12-19 | 2022-09-15 | Ningbo Geely Automotive Research & Development Co., Ltd. | System and method for providing decision suggestions to an operator of a vehicle and a computer program product |
| US20220348415A1 (en) * | 2021-04-30 | 2022-11-03 | Taiwan Semiconductor Manufacturing Company, Ltd. | Automated material handling system (amhs) rail methodology |
-
2023
- 2023-12-29 CN CN202311843381.5A patent/CN117711987A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110577082A (zh) * | 2018-06-08 | 2019-12-17 | 徽拓真空阀门有限公司 | 晶片传送单元和晶片传送*** |
| CN109141422A (zh) * | 2018-07-24 | 2019-01-04 | 苏州溥诺斯智能科技有限公司 | 一种基于路边单元机器学习的车辆定位方法及*** |
| US20200201334A1 (en) * | 2018-12-20 | 2020-06-25 | Volkswagen Aktiengesellschaft | Method And Driver Assistance System For Assisting A Driver Of A Vehicle With Driving Of The Vehicle |
| US20220292954A1 (en) * | 2019-12-19 | 2022-09-15 | Ningbo Geely Automotive Research & Development Co., Ltd. | System and method for providing decision suggestions to an operator of a vehicle and a computer program product |
| US20210335630A1 (en) * | 2020-04-28 | 2021-10-28 | Korea Advanced Institute Of Science And Technology | Dynamic routing method and apparatus for overhead hoist transport system |
| US20220348415A1 (en) * | 2021-04-30 | 2022-11-03 | Taiwan Semiconductor Manufacturing Company, Ltd. | Automated material handling system (amhs) rail methodology |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230072997A1 (en) | Intelligent horizontal transportation system and method for automatic side-loading/unloading container tarminal | |
| Stahl et al. | Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios | |
| Martínez-Barberá et al. | Autonomous navigation of an automated guided vehicle in industrial environments | |
| US11840256B2 (en) | Global multi-vehicle decision making system for connected and automated vehicles in dynamic environment | |
| CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度*** | |
| CN109782757A (zh) | 一种基于分段调度的多agv***的路径调度方法 | |
| Li et al. | Trajectory planning for autonomous modular vehicle docking and autonomous vehicle platooning operations | |
| US11860621B2 (en) | Travel control device, travel control method, travel control system and computer program | |
| Zhao et al. | Design and implementation of a multiple AGV scheduling algorithm for a job-shop. | |
| Sadigh et al. | Verifying robustness of human-aware autonomous cars | |
| Eilbrecht et al. | Cooperative driving using a hierarchy of mixed-integer programming and tracking control | |
| Au et al. | Setpoint scheduling for autonomous vehicle controllers | |
| Aizat et al. | A survey on navigation approaches for automated guided vehicle robots in dynamic surrounding | |
| CN114527720B (zh) | 一种基于养蚕设备的agv远程监控*** | |
| López et al. | A new approach to local navigation for autonomous driving vehicles based on the curvature velocity method | |
| CN111832816A (zh) | 一种基于调度算法的医用agv群体物流调控***及方法 | |
| Bader et al. | Balancing centralised control with vehicle autonomy in AGV systems for industrial acceptance | |
| Cavanini et al. | Lpv-mpc path planning for autonomous vehicles in road junction scenarios | |
| Klaas et al. | Simulation aided, knowledge based routing for AGVs in a distribution warehouse | |
| CN117711987A (zh) | Oht轨道行车交通控制***及其控制方法 | |
| Liu et al. | Path scheduling for multi-AGV system based on two-staged traffic scheduling scheme and genetic algorithm | |
| Zhang | A hybrid reactive navigation strategy for a non-holonomic mobile robot in cluttered environments | |
| Behjat et al. | Training detection-range-frugal cooperative collision avoidance models for quadcopters via neuroevolution | |
| Duhautbout et al. | Generic trajectory planning algorithm for urban autonomous driving | |
| Ge et al. | Distributed model predictive control of connected multi-vehicle systems at unsignalized intersections |
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 |