一种基于马氏过程的AGV电量状态预测方法及系统技术方案

本发明专利技术公开了一种基于马氏过程的AGV电量状态预测方法及系统。该方法包括：获取第k小时的AGV电量状态分布

【技术实现步骤摘要】
一种基于马氏过程的AGV电量状态预测方法及系统
本专利技术涉及AGV电量状态预测领域，特别是涉及一种基于马氏过程的AGV电量状态预测方法及系统。
技术介绍
受某些工作环境、生产工艺等条件的约束，AGV在设计上往往不允许拆卸电池。在AGV使用过程中，当电量小于某经验设定阈值时，需要限定AGV必须停车进行充电操作。在充电过程中AGV无法继续投入生产。因此，需要避免过多AGV同时低于阈值电量，从而导致AGV物流运输能力低于生产需求。然而针对AGV电量预测，目前并没有有效的技术方法。
技术实现思路
本专利技术的目的是提供一种基于马氏过程的AGV电量状态预测方法及系统。为实现上述目的，本专利技术提供了如下方案：一种基于马氏过程的AGV电量状态预测方法，包括：步骤1，获取第k小时的AGV电量状态分布其中，i∈[1,2,...,m]，Sm-i表示AGV在充满电后连续满负荷工作m-i小时后所处的电量状态，S0状态表示电量不能满足继续工作的状态，表示处于Sm-i状态的AGV的数量；步骤2，根据计算第k小时各AGV电量状态转移概率pk，所述电量状态转移概率为AGV由电量状态Sm-k转入下一电量状态Sm-k-1的概率，其中，taskk为第k小时的任务量，nk为第k小时内能够执行任务的AGV数量，r为单车满负荷运行1小时能够执行任务的平均值；步骤3，根据第k小时各AGV电量状态转移概率以及第k小时的AGV电量状态分布，预测第k+1小时的AGV电量状态分布。可选的，所述方法还包括：获取待预测的时间段，将待预测时间段记为从当前时间段第k小时开始的第k+n小时；重复执行步骤1到步骤3，进行n次迭代，连续预测得到第k+n小时的AGV电量状态分布。可选的，在步骤2之前，还包括：确定电量状态处于S0的AGV数量；根据电量状态处于S0的AGV数量，确定能够继续执行任务的AGV数量。本专利技术还提供了一种基于马氏过程的AGV电量状态预测系统，包括：电量状态获取模块，用于获取第k小时的AGV电量状态分布其中，i∈[1,2,...,m]，Sm-i表示AGV在充电1小时后连续满负荷工作m-i小时后所处的电量状态，S0状态表示电量不能满足继续工作的状态，表示处于Sm-i状态的AGV的数量；电量状态转移概率计算模块，用于根据计算第k小时各AGV电量状态转移概率pk，所述电量状态转移概率为AGV由电量状态Sm-k转入下一电量状态Sm-k-1的概率，其中，taskk为第k小时的任务量，nk为第k小时内能够执行任务的AGV数量，r为单车满负荷运行1小时能够执行任务的平均值；电量状态预测模块，用于根据第k小时各AGV电量状态转移概率以及第k小时的AGV电量状态分布，预测第k+1小时的AGV电量状态分布。可选的，所述系统还包括：待预测时间段获取模块，用于获取待预测的时间段，将待预测时间段记为从当前时间段第k小时开始的第k+n小时。可选的，所述系统还包括：可用AGV数量确定模块，用于确定电量状态处于S0的AGV数量，并根据电量状态处于S0的AGV数量，确定能够执行任务的AGV数量。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于马氏过程的AGV电量状态预测方法及系统，以小时为单位，将AGV充满电后可工作的若干小时分为多个子状态，根据实际物流量和可工作AGV数量估算各时段内AGV电量状态转移概率。根据状态转移概率，预测从某一时段开始后续各时段的AGV电量状态分布，进而实现对后续充电业务决策的指导。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例1提供的基于马氏过程的AGV电量状态预测方法流程图；图2为本专利技术实施例1中24小时任务量分布图；图3为本专利技术实施例2提供的基于马氏过程的AGV电量状态预测系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。实施例1参见图1，本实施例提供了一种基于马氏过程的AGV电量状态预测方法，该方法包括以下步骤：步骤1，获取第k小时的AGV电量状态分布其中，i∈[1,2,...,m]，Sm-i表示AGV在充满电后连续满负荷工作m-i小时后所处的电量状态，S0状态表示电量不能满足继续工作的状态，表示处于Sm-i状态的AGV的数量；步骤2，根据计算第k小时各AGV电量状态转移概率pk，所述电量状态转移概率为AGV由电量状态Sm-k转入下一电量状态Sm-k-1的概率，其中，taskk为第k小时的任务量，nk为第k小时内能够执行任务的AGV数量，r为单车满负荷运行1小时可执行任务的平均值；步骤3，根据第k小时各AGV电量状态转移概率以及第k小时的AGV电量状态分布，预测第k+1小时的AGV电量状态分布。在本实施例中，在计算第k小时各AGV电量状态转移概率pk时，需要先确定能够继续工作的AGV数量，当AGV电量小于设定阈值时则不能再继续工作，此时AGV电量的状态即为S0状态。在本实施例中，一开始的第k小时的AGV电量状态分布是已知的，每个小时的任务量也是已知的。在本实施例中，首先获取待预测的时间段，然后确定待预测时间段是属于从当前时间开始后的第几个小时，比如，要预测的AGV电量状态分布为第k+n小时的AGV电量状态分布，重复执行步骤1到步骤3，进行n次迭代，通过连续预测的方式得到第k+n小时的AGV电量状态分布。在本实施例中，AGV在满负荷状态下运行，经统计可得出单位小时内平均可执行任务数量r。在充满电后可连续工作小时数m，根据AGV在充电后工作小时数，可将AGV电量状态从高到低分为m+1个状态：Sm,Sm-1,...,S0，其中S0表示低电状态，AGV处于该状态必须停车充电；Sm-i,i∈[1,2,...,m]表示AGV在充满电后连续满负荷工作m-i小时后所处的状态。AGV在Si状态下经过1小时满负荷运行，将有100％概率状态转换为Si-1。若AGV不在满负荷状态下工作，则有一定概率p从Si转换到下一状态Si-1，也有一定概率停留在本状态Si，但不会跳转到上一状态Si+1。当i≠0时，状态转移概率如表1所示，因电量随使用逐渐减少，AGV电量状态逐渐下降，车辆每工作单位小时，都有一定概率pi下降到下一电量等级状态，本文档来自技高网...

【技术保护点】
1.一种基于马氏过程的AGV电量状态预测方法，其特征在于，包括：/n步骤1，获取第k小时的AGV电量状态分布

【技术特征摘要】
1.一种基于马氏过程的AGV电量状态预测方法，其特征在于，包括：
步骤1，获取第k小时的AGV电量状态分布其中，i∈[1,2,...,m]，Sm-i表示AGV在充满电后连续满负荷工作m-i小时后所处的电量状态，S0状态表示电量不能满足继续工作的状态，表示处于Sm-i状态的AGV的数量；
步骤2，根据计算第k小时各AGV电量状态转移概率pk，所述电量状态转移概率为AGV由电量状态Sm-k转入下一电量状态Sm-k-1的概率，其中，taskk为第k小时的任务量，nk为第k小时内能够执行任务的AGV数量，r为单车满负荷运行1小时能够执行任务的平均值；
步骤3，根据第k小时各AGV电量状态转移概率以及第k小时的AGV电量状态分布，预测第k+1小时的AGV电量状态分布。


2.根据权利要求1所述的基于马氏过程的AGV电量状态预测方法，其特征在于，所述方法还包括：
获取待预测的时间段，将待预测时间段记为从当前时间段第k小时开始的第k+n小时；
重复执行步骤1到步骤3，进行n次迭代，连续预测得到第k+n小时的AGV电量状态分布。


3.根据权利要求1所述的基于马氏过程的AGV电量状态预测方法，其特征在于，在步骤2之前，还包括：
确定电量状态处于S0的AGV数量；
根据电量状态处于S0的AGV数量，确定能够继续执行任务的AGV数量。

【专利技术属性】
技术研发人员：詹鹏飞，王俊石，娄兵兵，徐丰娟，
申请(专利权)人：华晟青岛智能装备科技有限公司，
类型：发明
国别省市：山东;37