本發(fā)明屬于機器人協(xié)作調(diào)度，具體涉及一種基于多模態(tài)的智能機器人協(xié)作調(diào)度系統(tǒng)及方法。

背景技術(shù)：

1、制造業(yè)既影響著國家經(jīng)濟的走向，也與群眾的日常生活密不可分，只有國家的制造業(yè)以良好的趨勢發(fā)展，其他行業(yè)才能穩(wěn)定地運行，隨著工業(yè)互聯(lián)網(wǎng)平臺體系快速普及到40多個國民經(jīng)濟大類中，產(chǎn)業(yè)規(guī)模也突破到萬億元級別。制造企業(yè)利用數(shù)字化、網(wǎng)絡化、智能化建設智慧工廠的步伐正在快速邁進，離散制造企業(yè)利用新技術(shù)和新理論完成工廠車間的迭代更新，提高工廠車間的制造效率，減少生產(chǎn)成本是企業(yè)生存和發(fā)展的必經(jīng)之路。

2、在傳統(tǒng)的工廠產(chǎn)線生產(chǎn)過程中，生產(chǎn)物料的轉(zhuǎn)運工作往往是由操作員利用手推車、叉車等工具將生產(chǎn)物料自庫房推送至生產(chǎn)現(xiàn)場，由于庫房需要專門的工作人員管理生產(chǎn)物料的出庫入庫，這會導致生產(chǎn)物料運輸效率降低，另一方面，由于作業(yè)現(xiàn)場的不同，生產(chǎn)物料的配送變化多樣，操作員在配送過程中容易出錯，進一步影響了產(chǎn)線生產(chǎn)效率，隨著工廠智慧化的發(fā)展，越來越多的智能機器人進入工廠車間，代替人力勞動，但是目前的智慧工廠普遍存在機器人調(diào)度不及時，導致產(chǎn)線物料異常，降低生產(chǎn)效率。

技術(shù)實現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種基于多模態(tài)的智能機器人協(xié)作調(diào)度系統(tǒng)及方法，通過獲取產(chǎn)線運行數(shù)據(jù)和機器人信息，根據(jù)產(chǎn)線運行數(shù)據(jù)構(gòu)建生產(chǎn)進度的概率分布函數(shù)，根據(jù)概率分布函數(shù)對生產(chǎn)進度進行預測得到物料短缺預測時間并生成物料運輸任務信息，根據(jù)物料短缺預測時間，并通過鎖定生產(chǎn)設備坐標和物料坐標對物料運輸任務信息進行排序得到任務序列，根據(jù)任務序列結(jié)合機器人協(xié)作度對機器人進行任務分配得到任務分配信息，機器人根據(jù)任務分配信息進行作業(yè)，實現(xiàn)了生產(chǎn)物料的事前調(diào)度，提高了生產(chǎn)效率，提高了物料運輸效率，進一步保障了產(chǎn)線運行的穩(wěn)定性和流暢性。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

3、一種基于多模態(tài)的智能機器人協(xié)作調(diào)度方法，具體包括以下步驟：

4、s1：獲取產(chǎn)線運行數(shù)據(jù)和機器人信息，所述機器人信息包括待執(zhí)行任務信息；

5、s2：根據(jù)所述產(chǎn)線運行數(shù)據(jù)構(gòu)建生產(chǎn)進度的概率分布函數(shù)，根據(jù)所述概率分布函數(shù)對生產(chǎn)進度進行預測得到物料短缺預測時間，并生成物料運輸任務信息；

6、s3：根據(jù)所述物料短缺預測時間，并通過鎖定生產(chǎn)設備坐標和所述物料坐標，對物料運輸任務信息進行排序得到任務序列；

7、s4：根據(jù)任務序列結(jié)合機器人協(xié)作度對機器人進行任務分配，得到任務分配信息，機器人根據(jù)任務分配信息進行作業(yè)。

8、優(yōu)選地，所述步驟s2具體包括以下步驟：

9、s201：所述產(chǎn)線運行數(shù)據(jù)包括設備生產(chǎn)效率、物料需求概率和物料剩余數(shù)量；

10、s202：根據(jù)所述物料需求概率構(gòu)建概率分布函數(shù)，所述概率分布函數(shù)表示為：其中，s(v,t)表示生產(chǎn)設備v在預設時間段t內(nèi)的所述概率分布函數(shù)，λt表示預設時間段t內(nèi)物料需求量泊松分布參數(shù)，pt表示所述物料需求概率，k表示預設參數(shù)，根據(jù)所述概率分布函數(shù)和所述產(chǎn)線運行數(shù)據(jù)，通過公式計算得到所述物料短缺預測時間，其中，rt表示物料短缺預測時間，s(c,t)表示所述概率分布函數(shù)，wi表示所述物料剩余數(shù)量，q表示所述設備生產(chǎn)效率；

11、s203：當所述物料短缺預測時間小于預設閾值時，生成所述物料運輸任務信息，所述物料運輸任務信息包括生產(chǎn)設備編號和物料編號。

12、優(yōu)選地，所述步驟s3具體包括以下步驟：

13、s301：根據(jù)所述物料運輸信息得到生產(chǎn)設備坐標和物料坐標；

14、s302：根據(jù)所述生產(chǎn)設備坐標和所述物料坐標，結(jié)合所述物料短缺預測時間，通過公式計算得到任務優(yōu)先因子，其中，as(psj,pmj)表示任務j的起始位置坐標和目標位置坐標之間的距離，psj表示所述起始位置坐標，pmj表示所述目標位置坐標，θj表示任務j的所述任務優(yōu)先因子，t1表示所述物料短缺預測時間，t2表示當前時間，(xs，ys)表示所述生產(chǎn)設備坐標，(xm，ym)表示所述物料坐標，按照所述任務優(yōu)先因子從大到小的順序，依次對物料運輸任務進行排序，得到所述任務序列。

15、優(yōu)選地，所述步驟s4具體包括以下步驟：

16、s401：所述待執(zhí)行任務信息包括待執(zhí)行任務總數(shù)，根據(jù)所述待執(zhí)行任務信息，通過公式計算得到待執(zhí)行任務代價和接受任務代價，其中，gi表示機器人i的所述待執(zhí)行任務代價，hi表示機器人i的所述接受任務代價，o1表示所述待執(zhí)行任務總數(shù)，o2表示任務序列中的任務總數(shù)，表示第j個任務的所述任務優(yōu)先因子，表示第k個任務的所述任務優(yōu)先因子，根據(jù)所述待執(zhí)行任務代價得到第一模態(tài)集合，根據(jù)所述接受任務代價得到第二模態(tài)集合；

17、s402：根據(jù)所述第一模態(tài)集合和所述第二模態(tài)集合，通過極差標準化處理得到待執(zhí)行任務代價指標和接受任務代價指標，根據(jù)所述待執(zhí)行任務代價指標和所述接受任務代價指標得到機器人協(xié)作度；

18、s403：當所述機器人協(xié)作度小于預設閾值時，將對應的機器人標記為不可調(diào)度，當所述機器人協(xié)作度大于預設閾值時，將對應的機器人標記為可調(diào)度，并根據(jù)所述機器人協(xié)作度按照從大到小順序，對可調(diào)度的機器人進行排序，得到可調(diào)度機器人序列，根據(jù)所述任務序列和所述可調(diào)度機器人序列進行任務分配得到所述任務分配信息，機器人根據(jù)所述任務分配信息進行作業(yè)。

19、優(yōu)選地，所述極差標準化處理過程如下：

20、根據(jù)所述待執(zhí)行任務代價和所述接受任務代價，通過公式處理得到待執(zhí)行任務代價指標和接受任務代價指標，其中，表示所述待執(zhí)行任務代價指標，表示所述接受任務代價指標，gi表示所述待執(zhí)行任務代價，gmin表示待執(zhí)行任務代價的最小值，gmax表示待執(zhí)行任務代價的最大值，hi表示所述接受任務代價，hmin表示接受任務代價最小值，hmax表示接受任務代價最大值；

21、所述機器人協(xié)作度的分析計算過程如下：

22、根據(jù)所述待執(zhí)行任務代價指標和所述接受任務代價指標，通過公式計算得到所述機器人協(xié)作度，其中，ai表示機器人i的所述機器人協(xié)作度，α表示權(quán)重因子，表示機器人i的所述待執(zhí)行任務代價指標，表示機器人i的所述接受任務代價指標，表示機器人i的任務均衡因子。

23、一種基于多模態(tài)的智能機器人協(xié)作調(diào)度系統(tǒng)，包括：

24、信息采集模塊，用于獲取產(chǎn)線運行數(shù)據(jù)和機器人信息，所述機器人信息包括待執(zhí)行任務信息；

25、進度預測模塊，用于根據(jù)所述產(chǎn)線運行數(shù)據(jù)構(gòu)建生產(chǎn)進度的概率分布函數(shù)，根據(jù)所述概率分布函數(shù)對生產(chǎn)進度進行預測，得到物料短缺預測時間并生成物料運輸任務信息；

26、任務分配模塊，用于根據(jù)所述物料短缺預測時間，并通過鎖定生產(chǎn)設備坐標和所述物料坐標，對物料運輸任務信息進行排序得到任務序列，根據(jù)任務序列結(jié)合機器人協(xié)作度對機器人進行任務分配，得到任務分配信息，機器人根據(jù)任務分配信息進行作業(yè)。

27、一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上所述的一種基于多模態(tài)的智能機器人協(xié)作調(diào)度方法。

28、一種包含計算機可執(zhí)行指令的存儲介質(zhì)，所述計算機可執(zhí)行指令在由計算機處理器執(zhí)行時用于執(zhí)行如上所述的一種基于多模態(tài)的智能機器人協(xié)作調(diào)度方法。

29、本發(fā)明的有益效果為：

30、1.通過設置有進度預測模塊，根據(jù)產(chǎn)線運行數(shù)據(jù)構(gòu)建生產(chǎn)進度的概率分布函數(shù)，根據(jù)概率分布函數(shù)對生產(chǎn)進度進行預測得到物料短缺預測時間，當所述物料短缺預測時間小于預設閾值時，生成所述物料運輸任務信息，實現(xiàn)了生產(chǎn)設備物料的事前調(diào)度，保障了產(chǎn)線運行的流暢性和穩(wěn)定性，提高了產(chǎn)線生產(chǎn)效率；

31、2.通過設置有任務分配模塊，根據(jù)物料短缺預測時間，并通過鎖定生產(chǎn)設備坐標和物料坐標，對物料運輸任務信息進行排序得到任務序列，根據(jù)任務序列結(jié)合機器人協(xié)作度對機器人進行任務分配，得到任務分配信息，機器人根據(jù)任務分配信息進行作業(yè)，實現(xiàn)了物料運輸任務和機器人高度匹配，提高了物料運輸任務的執(zhí)行效率。