【技术实现步骤摘要】
本专利技术属于智能控制领域，特别是涉及一种基于人工智能的转运机器人管理方法。
技术介绍
1、转运机器人管理方法的现状涵盖了多个方面，包括控制、导航、任务分配、监控和维护等。转运机器人能够持续运行，无需休息，从而提高生产效率。它们可以在24/7的操作中保持一致的速度和精度。同时，机器人能够自动执行任务，减少了对人力的依赖，降低了工资和培训成本。
2、但是，虽然对于转运机器人的路径规划算法在不断完善，但是机器人通常是为特定任务或工作流程设计的，它不具有灵活性来适应新任务或变化，在风险发生时，若转运机器人依旧按照算法生成的路径来运行，很容易发生事故。
技术实现思路
1、本专利技术的目的是提供一种基于人工智能的转运机器人管理方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种基于人工智能的转运机器人管理方法，包括：
3、获取转运机器人的任务数据；
4、对所述任务数据进行分析处理，获得处理数据；
5、基于遗传算法和模糊逻辑构建神经网络模型，对所述神经网络模型进行训练，获得调度模型；
6、将所述处理数据输入至所述调度模型中计算，获得总体调度数据，基于所述总体调度数据对转运机器人进行管理。
7、优选的，所述获取转运机器人的任务数据的过程包括：
8、获取转运需求，对所述转运需求进行分类，获得分类需求；
9、将所述分类需求进行转运路径相关度分析，获得转运相关度；>
10、基于所述转运相关度确定任务数据；
11、所述任务数据包括货物类型和特性、容量、速度和环境条件。
12、优选的，所述获得处理数据的过程包括：
13、获取转运机器人的任务数据，将所述转运机器人的任务数据进行统计分析后进行正态性检验，获得检验数据；
14、将所述检验数据进行标准化处理并进行整合，获得所述处理数据。
15、优选的，所述获得检验数据的过程包括：
16、将所述转运机器人的任务数据进行正态性检验，获得正态分布数据和非正态分布数据；
17、将所述正态分布数据进行t检验，将所述非正态分布数据进行参数秩和检验，获得所述检验数据。
18、优选的，所述基于遗传算法和模糊逻辑构建神经网络模型的过程包括：
19、基于模糊逻辑构建模糊推理神经网络模型；
20、基于转运机器人的逻辑规则对所述模糊推理神经网路的模糊规则进行优化，获得优化神经网络模型；
21、将所述优化神经网路模型通过遗传算法进行网络结构和权重参数寻优，获得所述神经网络模型。
22、优选的，对所述神经网络模型进行训练的过程包括：
23、基于历史转运数据对所述神经网络模型进行训练；
24、定义适应性函数，基于所述适应性函数对神经网络模型中转运寻优的性能进行评估，获得评估结果；
25、基于所述评估结果对所述神经网络模型重复进行选择、组合、变异操作，最后进行微调，获得所述调度模型。
26、优选的，所述获得评估结果的过程包括：
27、定义适应性函数，通过所述适应性函数的值选择父代个体；
28、将两个父代个体的信息进行组合，生成新的个体；
29、对所述新的个体进行变异操作，获得多样性个体，将所述多样性个体进行评估，获得所述评估结果。
30、优选的，所述获得总体调度数据的过程包括：
31、将所述处理数据输入至所述调度模型中进行计算，获得路径规划数据；
32、对所述路径规划数据进行优先度分析，获得优先级别；
33、基于所述优先级别对转运机器人进行调度处理，获得所述总体调度数据。
34、优选的，基于所述总体调度数据对转运机器人进行管理的过程包括：
35、通过所述总体调度数据对转运机器人进行模拟调度，记录调度结果；
36、对所述调度结果和所述总体调度数据进行误差分析，获得误差值；
37、将所述误差值反馈至所述调度模型中进行再次寻优，获得调度优化模型；
38、基于所述调度优化模型再次获取总体调度数据；
39、基于所述总体调度数据对转运机器人进行管理。
40、本专利技术的技术效果为：
41、本专利技术通过模糊逻辑和遗传算法结合的形式对转运机器人的路径进行规划，模糊逻辑可以有效地处理不确定性和模糊性。在转运机器人管理中，许多因素如环境条件、需求变化等都具有模糊性，模糊逻辑可以更好地处理这些情况。遗传算法通过模拟自然选择和遗传遗传信息的方式，可以自适应地改进解决方案。遗传算法可以并行化处理多个候选解，从而加速问题的求解过程。这对于大规模的转运机器人管理的问题尤其有用。将两者结合可以使得转运机器人灵活性来适应新任务或变化。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的转运机器人管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获取转运机器人的任务数据的过程包括：
3.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得处理数据的过程包括：
4.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得检验数据的过程包括：
5.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述基于遗传算法和模糊逻辑构建神经网络模型的过程包括：
6.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，对所述神经网络模型进行训练的过程包括：
7.根据权利要求6所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得评估结果的过程包括：
8.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得总体调度数据的过程包括：
9.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，基于所
...【技术特征摘要】
1.一种基于人工智能的转运机器人管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获取转运机器人的任务数据的过程包括：
3.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得处理数据的过程包括：
4.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述获得检验数据的过程包括：
5.根据权利要求1所述的基于人工智能的转运机器人管理方法，其特征在于，所述基于遗传算法和模...
【专利技术属性】
技术研发人员：黎思源，王帅，龚长华，奚晓鹏，迟海鹏，
申请(专利权)人：北京戴纳实验科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。