一种基于深度学习的物流小车节能调度系统技术方案

本发明专利技术公开了一种基于深度学习的物流小车节能调度系统，包括辅助模块、传感器模块、电源模块、通信模块、中央计算模块和执行模块；所述电源模块分别与传感器模块、通信模块和中央计算模块连接，所述传感器模块与通信模块连接，所述通信模块与中央计算模块互相连接，所述通信模块还分别与辅助模块和执行模块连接；所述中央计算模块包括STM32芯片，该芯片处于节能模式时，收集物流小车的状态数据作为神经网络模型的训练集和测试集，并采用十折交叉验证法进行训练，采用路径规划算法，构建出最短路径，决策出最为节能的方案，最后使用模拟退火算法检验，避免陷入局部最优，可计算出对于整个系统中最为节能的调度方案。整个系统中最为节能的调度方案。整个系统中最为节能的调度方案。

【技术实现步骤摘要】
一种基于深度学习的物流小车节能调度系统


[0001]本专利技术属于物流运输
，具体涉及一种基于深度学习的物流小车节能调度系统。

技术介绍

[0002]随着物联网的飞速发展，智慧物流趋势下自动化无人仓的AGV调度问题成为业内热点。良好的调度方法不仅能提高生产效率，提高无人仓的经济性，更能节约能耗，体现绿色环保的理念。遗憾的是，本专利技术人经过全面调研发现，现有的技术主要围绕如何提高运输效率而非节能，而其余与节能相关的现有技术为物流小车上搭载太阳能板，仅立足单个物流小车，未考虑到多个物流小车协同作业而产生的能耗。因此，本专利技术人经查阅相关资料，得到使用相近方法应用于相关领域的其他方向专利如下：基于图神经网络和强化学习的物流调度规划方法(CN202110958524.1)、一种基于神经网络遗传算法的智能运输调度管理方法 (CN201911265953.X)。
[0003]现有的物流小车节能的缺点：
[0004]1、仅考虑单个物流小车的能量节约，并未从多物流小车构成的系统出发，设计相应的统筹调度算法节约能耗；
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的物流小车节能调度系统，其特征在于，包括辅助模块、传感器模块、电源模块、通信模块、中央计算模块和执行模块；所述电源模块分别与传感器模块、通信模块和中央计算模块连接，所述传感器模块与通信模块连接，所述通信模块与中央计算模块互相连接，所述通信模块还分别与辅助模块和执行模块连接；所述中央计算模块包括STM32芯片，所述STM32芯片设置有节能模式和高效模式，所述STM32芯片处于节能模式时，收集物流小车的状态数据作为神经网络模型的训练集和测试集，并采用十折交叉验证法进行训练，采用路径规划算法，构建出最短路径，决策出最为节能的方案，最后使用模拟退火算法检验，避免陷入局部最优。2.根据权利要求1所述的基于深度学习的物流小车节能调度系统，其特征在于，所述物流小车的状态数据包括温度、承重、电源消耗速度和当前订单数量。3.根据权利要求2所述的基于深度学习的物流小车节能调度系统，其特征在于，所述电源消耗...

【专利技术属性】
技术研发人员：陈宝星，谭旺卓，谢泽文，卢麒霖，
申请(专利权)人：广州大学，
类型：发明
国别省市：