[发明专利]一种送料机器人路径协同优化方法

说明书

本发明公开了一种送料机器人路径协同优化方法，包括提供一车间固定检测端，所述车间固定检测端用于检测所述送料机器人在路径范围内的实时移动信息，记为第一实时移动数据，并发送至所述云计算服务器；提供若干个送料机器人，所述送料机器人用于感知自身在路径范围内的实时移动信息，记为第二实时移动数据，并发送至所述云计算服务器等。本发明通过车间固定检测端、送料机器人和云计算服务器的匹配，进行车间送料路径的全局优化调度，提升了多个送料机器人之间协同条件下全局的运营效率，对某一个单独送料机器人的检测和决策能力要求降低，从而降低了某一个单独送料机器人的检测和数据处理成本，在送料机器人数量增加时，系统总体成本更低。

技术领域

本发明属于智能机器人控制技术领域，具体涉及一种送料机器人路径协同优化方法。

背景技术

随着智能机器人控制技术的不断完善进步和产品的不断推陈出新，在特定场景下的智能机器人控制的应用越来越多，比如企业的生产车间在进行食品加工的过程中，食品原料需求量较大并且不易移动，大多数厂家已经采用了智能机器人送料的方式，解决了需求量较大、不易移动以及人力消耗大等困境，但是存在智能机器人视野范围有限、多个智能机器人协同效率低下等问题，阻碍了智能机器人在特定场景下的应用推广。

因此,现阶段需设计一种送料机器人路径协同优化方法,来解决以上问题。

发明内容

本发明目的在于提供一种送料机器人路径协同优化方法，用于解决上述现有技术中存在的技术问题，如：存在智能机器人视野范围有限、多个智能机器人协同效率低下等问题，阻碍了智能机器人在特定场景下的应用推广等。

为实现上述目的，本发明的技术方案是：

一种送料机器人路径协同优化方法，包括以下步骤：

步骤S1：提供一车间固定检测端，所述车间固定检测端用于检测所述送料机器人在路径范围内的实时移动信息，记为第一实时移动数据，并发送至云计算服务器；

步骤S2：提供若干个送料机器人，所述送料机器人用于感知自身在路径范围内的实时移动信息，记为第二实时移动数据，并发送至云计算服务器；

其中，所述送料机器人包括装置本体、控制器、数据存储器、移动信息采集装置、数据通信装置、步进电机、移动底盘、气缸、机械臂；所述控制器分别与数据存储器、移动信息采集装置、数据通信装置、步进电机、气缸连接，且所述控制器、数据存储器、移动信息采集装置、数据通信装置、步进电机、气缸均设置于所述装置本体上；所述步进电机用于驱动所述移动底盘；所述移动底盘设于所述装置本体底部；所述气缸用于驱动所述机械臂的伸缩和抓取；所述数据存储器用于数据存储；所述移动信息采集装置用于采集所述送料机器人在路径范围内的实时移动信息；所述数据通信装置用于建立所述控制器与所述云计算服务器之间的数据通信；

步骤S3：提供一云计算服务器，所述云计算服务器用于接收所述第一实时移动数据和第二实时移动数据，将所述第一实时移动数据和第二实时移动数据去除重复数据和错误数据，再采用数据融合的方式生成目标优化路径，最后将所述目标优化路径发送至所述送料机器人；

步骤S4：所述送料机器人还用于接收所述目标优化路径，并按照所述目标优化路径进行移动送料；其中，当某一个所述送料机器人的实际移动路径与其目标优化路径不匹配时，所述云计算服务器控制所有的所述送料机器人停止移动。

进一步的，在步骤S3中，采用数据融合的方式生成目标优化路径具体如下：

步骤S301：对所述第一实时移动数据和第二实时移动数据作特征融合处理，使用部分经过特征融合处理的第一实时移动数据和第二实时移动数据建立训练数据集，同样的，使用其余部分经过特征融合处理的第一实时移动数据和第二实时移动数据建立测试数据集；

步骤S302：建立卷积神经网络模型，设置相应的模型参数，包括网络层数和激活函数；所述卷积神经网络模型由多个网络并行搭建构成，每个网络模型的框架为Resnet101，在每个Resnet101网络中最后一层卷积层后级联一层特征融合层，完成网络特征融合，在特征融合层后接一层全连接层，最后将全连接层连接回归层；