本發(fā)明涉及物流管理，尤其涉及基于物料多層碼垛的碼垛優(yōu)化算法。

背景技術(shù)：

1、隨著現(xiàn)代物流和制造業(yè)的發(fā)展，物料碼垛作為一項(xiàng)重要的倉(cāng)儲(chǔ)和運(yùn)輸操作，越來(lái)越受到重視，傳統(tǒng)的碼垛過(guò)程通常依賴人工操作，耗時(shí)耗力且效率低下，為了解決這一問(wèn)題，自動(dòng)化碼垛設(shè)備和系統(tǒng)應(yīng)運(yùn)而生，通過(guò)利用機(jī)器人技術(shù)和先進(jìn)的算法，實(shí)現(xiàn)了物料的自動(dòng)化和智能化碼垛，然而，在實(shí)際應(yīng)用中，物料的多樣性和復(fù)雜性使得碼垛過(guò)程面臨諸多挑戰(zhàn)，例如物料尺寸、重量、形狀和材質(zhì)的多變性，以及碼垛過(guò)程中可能出現(xiàn)的傾倒、滑動(dòng)和形變等問(wèn)題。

2、現(xiàn)有的碼垛技術(shù)雖然在一定程度上提高了碼垛效率和自動(dòng)化水平，但仍存在一些顯著的缺點(diǎn)和不足，首先，現(xiàn)有技術(shù)在物料信息采集方面不夠全面和準(zhǔn)確，缺乏對(duì)物料特性（如尺寸、重量、形狀和材質(zhì)）的精確測(cè)量和記錄，導(dǎo)致碼垛方案的基礎(chǔ)數(shù)據(jù)不足，其次，現(xiàn)有的優(yōu)化算法在計(jì)算最佳碼垛路徑和穩(wěn)定性校驗(yàn)方面存在局限，難以有效地應(yīng)對(duì)復(fù)雜的物料堆疊情況，容易導(dǎo)致碼垛過(guò)程中的不穩(wěn)定和低效，此外，現(xiàn)有技術(shù)缺乏對(duì)碼垛過(guò)程中物料形變的實(shí)時(shí)預(yù)測(cè)和補(bǔ)償機(jī)制，導(dǎo)致碼垛結(jié)構(gòu)在受力變化時(shí)容易出現(xiàn)不穩(wěn)定現(xiàn)象，影響碼垛效果和安全性。

3、本發(fā)明的目的在于提供一種基于物料多層碼垛的碼垛優(yōu)化算法，通過(guò)全面精確的物料信息采集、優(yōu)化算法和穩(wěn)定性校驗(yàn)以及自適應(yīng)形變預(yù)測(cè)與補(bǔ)償機(jī)制，解決現(xiàn)有技術(shù)中的不足，提高碼垛過(guò)程的穩(wěn)定性、精確性和效率。

技術(shù)實(shí)現(xiàn)思路

1、基于上述目的，本發(fā)明提供了基于物料多層碼垛的碼垛優(yōu)化算法。

2、基于物料多層碼垛的碼垛優(yōu)化算法，包括以下步驟：

3、s1，物料信息采集與數(shù)據(jù)庫(kù)存儲(chǔ)：通過(guò)傳感器和掃描設(shè)備，采集待碼垛物料信息，包括尺寸、重量、形狀以及材質(zhì)，并將物料信息存儲(chǔ)在數(shù)據(jù)庫(kù)中；

4、s2，碼垛模型建立與初步方案生成：基于采集的物料信息，建立物料的三維模型，并根據(jù)預(yù)設(shè)的碼垛規(guī)則生成初步的碼垛方案，包含物料的擺放位置、順序以及堆疊層數(shù)；

5、s3，優(yōu)化算法計(jì)算與穩(wěn)定性校驗(yàn)：基于初步碼垛方案，利用優(yōu)化算法計(jì)算最佳的碼垛路徑，并對(duì)生成的碼垛方案進(jìn)行穩(wěn)定性分析；

6、s4，仿真驗(yàn)證與方案優(yōu)化：在虛擬環(huán)境中對(duì)碼垛方案進(jìn)行仿真，驗(yàn)證方案的可行性和穩(wěn)定性，并對(duì)仿真結(jié)果進(jìn)行記錄和分析，基于仿真結(jié)果，通過(guò)迭代優(yōu)化算法優(yōu)化碼垛方案；

7、s5，自適應(yīng)形變預(yù)測(cè)與補(bǔ)償算法：預(yù)測(cè)不同物料在碼垛過(guò)程中的形變情況，并通過(guò)實(shí)時(shí)調(diào)整碼垛方案進(jìn)行補(bǔ)償，具體包括：

8、s51，物料形變特性分析：通過(guò)物理仿真和歷史物料信息進(jìn)行分析，識(shí)別不同物料在碼垛過(guò)程中發(fā)生的形變特性；

9、s52，實(shí)時(shí)形變監(jiān)測(cè)：在碼垛過(guò)程中，利用傳感器實(shí)時(shí)監(jiān)測(cè)物料的形變情況，收集形變數(shù)據(jù)；

10、s53，形變預(yù)測(cè)：基于實(shí)時(shí)監(jiān)測(cè)的形變數(shù)據(jù)和歷史物流信息，構(gòu)建形變預(yù)測(cè)模型，預(yù)測(cè)物料的形變趨勢(shì)；

11、s54，動(dòng)態(tài)方案調(diào)整：根據(jù)預(yù)測(cè)的形變趨勢(shì)，實(shí)時(shí)調(diào)整碼垛方案，優(yōu)化物料的擺放角度和位置；

12、s55，形變補(bǔ)償執(zhí)行：在實(shí)際碼垛操作中，執(zhí)行調(diào)整后的碼垛方案；

13、s6，執(zhí)行碼垛與實(shí)時(shí)監(jiān)控：將最終優(yōu)化的碼垛方案輸入到碼垛機(jī)器人或自動(dòng)化設(shè)備中，進(jìn)行實(shí)際碼垛操作，并實(shí)時(shí)監(jiān)控碼垛過(guò)程中的異常情況，及時(shí)進(jìn)行調(diào)整；

14、s7，結(jié)果反饋與持續(xù)改進(jìn)：記錄碼垛過(guò)程中的數(shù)據(jù)和結(jié)果，形成碼垛報(bào)告，并將反饋信息存儲(chǔ)在數(shù)據(jù)庫(kù)中。

15、進(jìn)一步的，所述s1中的物料信息采集與數(shù)據(jù)庫(kù)存儲(chǔ)包括：

16、s11，尺寸采集：利用激光測(cè)距儀或3d掃描儀對(duì)物料的外部尺寸進(jìn)行測(cè)量，生成物料的三維尺寸數(shù)據(jù)；

17、s12，重量采集：通過(guò)稱重傳感器測(cè)量物料的重量，并將重量數(shù)據(jù)記錄下來(lái)；

18、s13，形狀采集：利用3d掃描設(shè)備獲取物料的外形輪廓和表面特征；

19、s14，材質(zhì)采集：通過(guò)材質(zhì)識(shí)別傳感器（如光譜分析儀或紅外傳感器）分析物料的材質(zhì)特性，并將材質(zhì)信息記錄下來(lái)；

20、s15，數(shù)據(jù)存儲(chǔ)：將采集的尺寸、重量、形狀及材質(zhì)信息通過(guò)數(shù)據(jù)接口傳輸至數(shù)據(jù)庫(kù)中進(jìn)行存儲(chǔ)。

21、進(jìn)一步的，所述s2中的碼垛模型建立與初步方案生成包括：

22、s21，三維模型建立：基于采集的物料尺寸、形狀和材質(zhì)，利用三維建模軟件建立物料的三維模型；

23、s22，碼垛規(guī)則設(shè)定：根據(jù)物料的特性和預(yù)設(shè)的碼垛規(guī)則（如重物在下、輕物在上，易碎物品放在中間等），設(shè)定碼垛的基本規(guī)則；

24、s23，初步方案生成：基于物料的三維模型和設(shè)定的碼垛規(guī)則，生成初步的碼垛方案，包括物料的擺放位置、碼垛順序以及堆疊層數(shù)；

25、s24，方案驗(yàn)證：對(duì)生成的初步碼垛方案進(jìn)行初步驗(yàn)證。

26、進(jìn)一步的，所述s3中的優(yōu)化算法計(jì)算與穩(wěn)定性校驗(yàn)包括：

27、s31，優(yōu)化算法計(jì)算：基于初步碼垛方案，利用遺傳算法計(jì)算最佳的碼垛路徑；

28、s32，穩(wěn)定性校驗(yàn)：對(duì)生成的碼垛方案進(jìn)行穩(wěn)定性分析，具體包括：

29、s321，重心計(jì)算：計(jì)算每一層物料的重心位置，計(jì)算公式為：

30、；

31、；

32、其中，和分別為重心的坐標(biāo)和坐標(biāo)，為第個(gè)物料的重量，和分別為第個(gè)物料的坐標(biāo)和坐標(biāo)；

33、s322，傾覆分析：利用力矩平衡原理，計(jì)算各個(gè)物料堆疊后的傾覆力矩，計(jì)算公式為：

34、；

35、其中，為總傾覆力矩，為第個(gè)物料到支撐面的距離；

36、s323，滑動(dòng)分析：通過(guò)摩擦力分析，計(jì)算物料間的摩擦力，計(jì)算公式為：

37、；

38、其中，為摩擦力，為摩擦系數(shù)，為正向壓力。

39、進(jìn)一步的，所述s4中的仿真驗(yàn)證與方案優(yōu)化包括：

40、s41，仿真環(huán)境構(gòu)建：在虛擬環(huán)境中構(gòu)建與實(shí)際碼垛場(chǎng)景相符的仿真模型，包括碼垛設(shè)備、物料和碼垛區(qū)域的三維模型；

41、s42，碼垛方案仿真：在仿真環(huán)境中執(zhí)行初步生成的碼垛方案，通過(guò)物理引擎模擬物料的擺放、堆疊過(guò)程，實(shí)時(shí)監(jiān)控物料的受力、變形和穩(wěn)定性，驗(yàn)證方案的可行性和穩(wěn)定性；

42、s43，數(shù)據(jù)記錄：對(duì)仿真過(guò)程中產(chǎn)生的仿真數(shù)據(jù)進(jìn)行記錄，包括物料的擺放位置、堆疊層數(shù)、受力情況、變形情況；

43、s44，迭代優(yōu)化算法應(yīng)用：基于仿真結(jié)果，利用迭代優(yōu)化算法對(duì)碼垛方案進(jìn)行優(yōu)化，具體包括：

44、s441，適應(yīng)度函數(shù)更新：根據(jù)仿真結(jié)果調(diào)整適應(yīng)度函數(shù)中的權(quán)重系數(shù)（、、），反映仿真中發(fā)現(xiàn)的問(wèn)題和優(yōu)化目標(biāo)；

45、s442，方案調(diào)整：利用粒子群優(yōu)化算法生成新的碼垛方案，調(diào)整物料的擺放位置、順序和堆疊層數(shù)，生成新的方案；

46、s443，多次仿真與優(yōu)化：重復(fù)執(zhí)行碼垛方案仿真、數(shù)據(jù)記錄、迭代優(yōu)化算法應(yīng)用，直至仿真結(jié)果滿足預(yù)設(shè)的穩(wěn)定性、空間利用率和效率要求；

47、s45，方案確定：在多次仿真與優(yōu)化的基礎(chǔ)上，確定最終優(yōu)化的碼垛方案。

48、進(jìn)一步的，所述s51中的物料形變特性分析包括：

49、s511，物理仿真分析：利用有限元分析方法對(duì)物料進(jìn)行物理仿真，模擬物料在碼垛過(guò)程中的受力和變形情況，具體包括：

50、建立物料模型：根據(jù)物料的尺寸、形狀和材質(zhì)，建立物料的有限元模型；

51、施加邊界條件和載荷：根據(jù)實(shí)際碼垛環(huán)境，施加相應(yīng)的邊界條件和載荷，模擬物料在碼垛過(guò)程中的受力狀態(tài)；

52、求解變形情況：利用有限元求解器，計(jì)算物料在不同受力條件下的變形情況，計(jì)算公式為：

53、；

54、其中，是剛度矩陣，是節(jié)點(diǎn)位移向量，是外力載荷向量；

55、s512，歷史物料信息分析：利用歷史物料信息對(duì)不同物料的形變特性進(jìn)行統(tǒng)計(jì)分析，具體包括：

56、數(shù)據(jù)收集：收集并整理歷史碼垛過(guò)程中記錄的物料形變數(shù)據(jù)，包括變形量、受力情況和環(huán)境條件；

57、數(shù)據(jù)建模：基于歷史物料信息，建立物料形變特性的統(tǒng)計(jì)模型，計(jì)算公式為：

58、；

59、其中，為形變量，為受力，為環(huán)境條件(如溫度、濕度等)，、、為常數(shù)系數(shù)；

60、特性識(shí)別：通過(guò)聚類分析識(shí)別出不同物料在給定受力和環(huán)境條件下的形變特性，形成形變特性庫(kù)，計(jì)算公式為：

61、；

62、其中，為目標(biāo)函數(shù)(簇內(nèi)的平方和)，為簇的數(shù)量，為數(shù)據(jù)點(diǎn)，為第個(gè)簇，為第個(gè)簇的質(zhì)心。

63、進(jìn)一步的，所述s52中的實(shí)時(shí)形變監(jiān)測(cè)包括：

64、s521，傳感器部署：在碼垛設(shè)備和物料上部署多種傳感器，包括位移傳感器、應(yīng)變計(jì)和壓力傳感器，用于監(jiān)測(cè)物料在碼垛過(guò)程中的形變情況；

65、s522，形變數(shù)據(jù)采集：通過(guò)位移傳感器實(shí)時(shí)測(cè)量物料的位移變化，通過(guò)應(yīng)變計(jì)監(jiān)測(cè)物料的應(yīng)變情況，通過(guò)壓力傳感器監(jiān)測(cè)物料表面的應(yīng)力情況。

66、進(jìn)一步的，所述s53中的形變預(yù)測(cè)模型采用人工神經(jīng)網(wǎng)絡(luò)（ann），所述人工神經(jīng)網(wǎng)絡(luò)（ann）包括：

67、s531，輸入層數(shù)據(jù)預(yù)處理：對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，計(jì)算公式為：

68、；

69、其中，為原始輸入數(shù)據(jù)，為歸一化后的輸入數(shù)據(jù)，和分別為輸入數(shù)據(jù)的均值和標(biāo)準(zhǔn)差；

70、s532，輸入層：定義輸入層的節(jié)點(diǎn)數(shù)，根據(jù)監(jiān)測(cè)的形變數(shù)據(jù)（如位移、應(yīng)變和應(yīng)力）和歷史物流信息的特征維度確定輸入層的節(jié)點(diǎn)數(shù)，將處理后的輸入特征向量傳遞給下一層，表示為：

71、；

72、其中，為輸入特征向量；

73、s533，時(shí)序特征提?。和ㄟ^(guò)卷積層提取時(shí)間序列特征，捕捉形變數(shù)據(jù)的時(shí)序變化，計(jì)算公式為：

74、；

75、其中，為第尺度的卷積輸出，為第尺度的卷積核權(quán)重，為第尺度的卷積核大小,為時(shí)間的輸入，為偏置；

76、s534，隱藏層結(jié)構(gòu)設(shè)計(jì)：通過(guò)引入自適應(yīng)激活函數(shù)和跳躍連接，增強(qiáng)網(wǎng)絡(luò)的非線性表達(dá)能力和特征捕捉能力，計(jì)算公式為：

77、；

78、其中，為第層的激活值，為第層的權(quán)重矩陣，為第層的偏置，為前兩層的激活值；

79、所述自適應(yīng)激活函數(shù)的計(jì)算公式為：

80、；

81、其中,和為可學(xué)習(xí)參數(shù)；

82、s535，注意力機(jī)制：在卷積層中引入注意力機(jī)制，注意力機(jī)制通過(guò)計(jì)算注意力權(quán)重來(lái)調(diào)整輸入特征的權(quán)重，計(jì)算公式為：

83、；

84、其中，、、分別為查詢、鍵和值矩陣，為鍵的維度，為歸一化函數(shù)，為注意力輸出；s536，損失函數(shù)：定義加權(quán)的均方誤差損失函數(shù)，并加入正則化項(xiàng)和注意力機(jī)制的損失項(xiàng)，以防止過(guò)擬合，計(jì)算公式為：

85、；

86、其中，為損失函數(shù)，為樣本數(shù)，為樣本的權(quán)重，為預(yù)測(cè)值，為真實(shí)值，為正則化系數(shù)，為第層權(quán)重矩陣的范數(shù)，為注意力機(jī)制的正則化系數(shù)，為第層注意力矩陣的范數(shù)；

87、s537，輸出層：根據(jù)實(shí)際需求確定輸出層節(jié)點(diǎn)數(shù)，用于預(yù)測(cè)物料的形變量，計(jì)算公式為：

88、；

89、其中，為預(yù)測(cè)輸出，為輸出層的權(quán)重矩陣，為最后一層隱藏層的激活值，為輸出層的偏置。

90、進(jìn)一步的，所述s54中的動(dòng)態(tài)方案調(diào)整包括：

91、s541，形變趨勢(shì)預(yù)測(cè)：基于人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)物料在碼垛過(guò)程中的形變趨勢(shì)進(jìn)行預(yù)測(cè)，獲取每個(gè)物料的預(yù)計(jì)形變量；

92、s542，實(shí)時(shí)調(diào)整擺放位置：根據(jù)預(yù)測(cè)的形變趨勢(shì)，動(dòng)態(tài)調(diào)整每個(gè)物料的擺放位置，具體包括：

93、計(jì)算調(diào)整向量：根據(jù)形變預(yù)測(cè)結(jié)果，計(jì)算物料的位置調(diào)整向量，計(jì)算公式：

94、；

95、其中，為位置調(diào)整向量，為調(diào)整系數(shù)，為預(yù)測(cè)的形變量；

96、更新擺放位置：將原始擺放位置更新為調(diào)整后的擺放位置，計(jì)算公式為：

97、；

98、s543，優(yōu)化擺放角度：根據(jù)物料的形變預(yù)測(cè)結(jié)果，優(yōu)化物料的擺放角度，具體包括：

99、計(jì)算調(diào)整角度：根據(jù)形變預(yù)測(cè)結(jié)果，計(jì)算物料的擺放角度調(diào)整量，計(jì)算公式為：

100、；

101、其中，為角度調(diào)整量，為調(diào)整系數(shù)，為預(yù)測(cè)的形變角度變化；

102、更新擺放角度：將原始擺放角度更新為調(diào)整后的擺放角度，計(jì)算公式為：

103、。

104、進(jìn)一步的，所述s6中的執(zhí)行碼垛與實(shí)時(shí)監(jiān)控包括：

105、s61，輸入優(yōu)化方案：將最終優(yōu)化的碼垛方案?jìng)鬏斨链a垛機(jī)器人或自動(dòng)化設(shè)備中；

106、s62，執(zhí)行碼垛操作：碼垛機(jī)器人或自動(dòng)化設(shè)備根據(jù)輸入的優(yōu)化方案進(jìn)行實(shí)際碼垛操作，按照優(yōu)化方案中的指令逐一擺放物料；

107、s63，實(shí)時(shí)監(jiān)控：在碼垛過(guò)程中，通過(guò)安裝在機(jī)器人或自動(dòng)化設(shè)備上的傳感器（如攝像頭、激光測(cè)距儀、應(yīng)變計(jì)等）實(shí)時(shí)監(jiān)控碼垛的每個(gè)步驟和物料的狀態(tài)；

108、s64，異常檢測(cè)與調(diào)整：對(duì)實(shí)時(shí)監(jiān)控的結(jié)果進(jìn)行分析，檢測(cè)碼垛過(guò)程中的異常情況（如物料滑動(dòng)、傾斜、變形等），并及時(shí)進(jìn)行調(diào)整。

109、本發(fā)明的有益效果：

110、本發(fā)明，通過(guò)引入一系列精確的物料信息采集與數(shù)據(jù)庫(kù)存儲(chǔ)技術(shù)，利用激光測(cè)距儀、3d掃描儀、稱重傳感器和材質(zhì)識(shí)別傳感器，全面采集物料的尺寸、重量、形狀和材質(zhì)信息，并將這些數(shù)據(jù)存儲(chǔ)在中央數(shù)據(jù)庫(kù)中，為碼垛模型建立和優(yōu)化算法提供了準(zhǔn)確、詳細(xì)的物料特性數(shù)據(jù)，顯著提高了碼垛方案的精確性、穩(wěn)定性和效率，確保了初步方案的可靠性和可行性，為后續(xù)的優(yōu)化步驟提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。

111、本發(fā)明，通過(guò)優(yōu)化算法計(jì)算與穩(wěn)定性校驗(yàn)，計(jì)算最佳的碼垛路徑，并通過(guò)有限元分析等方法進(jìn)行結(jié)構(gòu)穩(wěn)定性分析，確保每一層物料堆疊后不會(huì)發(fā)生傾倒或滑動(dòng)，在仿真驗(yàn)證與方案優(yōu)化過(guò)程中，通過(guò)虛擬環(huán)境中的多次仿真和優(yōu)化，生成的最終碼垛方案不僅具有高可行性和穩(wěn)定性，還能在實(shí)際應(yīng)用中達(dá)到最佳效果，保證了碼垛方案在空間利用率、穩(wěn)定性和操作效率方面的綜合優(yōu)化。

112、本發(fā)明，通過(guò)人工神經(jīng)網(wǎng)絡(luò)模型，準(zhǔn)確地預(yù)測(cè)物料在碼垛過(guò)程中的形變情況，并通過(guò)實(shí)時(shí)調(diào)整碼垛方案進(jìn)行補(bǔ)償，通過(guò)實(shí)時(shí)形變監(jiān)測(cè)、動(dòng)態(tài)方案調(diào)整和形變補(bǔ)償執(zhí)行，能夠在碼垛過(guò)程中實(shí)時(shí)獲取和調(diào)整物料的形變數(shù)據(jù)，確保物料碼垛的穩(wěn)定性和精確性，此外，通過(guò)執(zhí)行碼垛與實(shí)時(shí)監(jiān)控步驟，能夠?qū)崟r(shí)識(shí)別和處理碼垛過(guò)程中的異常情況，確保了碼垛過(guò)程的安全性和穩(wěn)定性，并通過(guò)動(dòng)態(tài)調(diào)整提高碼垛效率和質(zhì)量，從而顯著增強(qiáng)了碼垛過(guò)程的自動(dòng)化和智能化水平。