-
公开(公告)号：CN112989696A
公开(公告)日：2021-06-18
申请号：CN202110262624.0
申请日：2021-03-11
申请人： 中南大学 , 楚天科技股份有限公司
IPC分类号： G06F30/27 , G06N3/12 , G06Q10/04 , G06Q10/08 , G06F111/06 , G06F111/10
摘要： 本发明公开了一基于移动机器人的自动拣选系统货位优化方法及系统，该方法通过确立自动化仓库的货位优化目标，根据RMFS系统内药品的历史订单数据计算药品出入库频率，建立AGV小车运动数学模型，根据AGV小车运动数学模型、存储策略和药品出入库频率，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有方法只考虑货物周转率和货架稳定性，没有考虑到制药企业药品的特殊性与实际情况，如：药品种类繁多且需频繁地出入库、药品重量较轻且尺寸差别不大、部分药品的时效性很强。从而造成优化结果不理想的问题，且基于多目标货位优化模型运用遗传算法进行求解获得的货位优化结果更理想，货物分布更合理，大大提高了仓储作业效率，降低了仓储操作成本。
-
公开(公告)号：CN108550007B
公开(公告)日：2021-09-28
申请号：CN201810299910.2
申请日：2018-04-04
申请人： 中南大学
IPC分类号： G06Q10/08 , G06Q10/04 , G06F30/27 , G06N3/12 , G06F111/06 , G06F111/10
摘要： 本发明公开了一种制药企业自动化立体仓库的货位优化方法及系统，该方法通过确立自动化立体仓库的货位优化目标，根据自动化立体仓库内药品的历史订单数据计算药品出入库频率，根据每类药品之间的关联程度，得到每类药品之间的关联因子，建立堆垛机运动数学模型，根据堆垛机运动数学模型、药品出入库频率和每类药品之间的关联因子，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的问题，且基于多目标货位优化模型求解获得的货物优化结果更理想，货物分布更合理，大大提高了仓储作业效率，降低了仓储操作成本。
-
公开(公告)号：CN108550007A
公开(公告)日：2018-09-18
申请号：CN201810299910.2
申请日：2018-04-04
申请人： 中南大学
摘要： 本发明公开了一种制药企业自动化立体仓库的货位优化方法及系统，该方法通过确立自动化立体仓库的货位优化目标，根据自动化立体仓库内药品的历史订单数据计算药品出入库频率，根据每类药品之间的关联程度，得到每类药品之间的关联因子，建立堆垛机运动数学模型，根据堆垛机运动数学模型、药品出入库频率和每类药品之间的关联因子，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的问题，且基于多目标货位优化模型求解获得的货物优化结果更理想，货物分布更合理，大大提高了仓储作业效率，降低了仓储操作成本。
-
公开(公告)号：CN112990818A
公开(公告)日：2021-06-18
申请号：CN202110258459.1
申请日：2021-03-10
申请人： 中南大学
IPC分类号： G06Q10/08 , G06Q10/04 , G06F30/20 , G06Q30/08 , G06F111/10
摘要： 本发明公开了一种基于拍卖机制的自动化仓库货位优化方法及系统，通过历史订单数据计算药品出入库频率，建立实验仿真仓库模型，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有自动化仓库货位优化结果不理想的问题，且建立的多目标货位优化数学模型充分考虑了物流企业药品的特殊性、自动化仓库的特点以及实际工况，从而使得基于多目标货位优化数学模型求解获得的货物优化结果更理想，货物分布更合理，提高了仓储作业效率，降低了仓储操作成本。
-
公开(公告)号：CN109738392B
公开(公告)日：2021-03-02
申请号：CN201910087107.7
申请日：2019-01-29
申请人： 中南大学
IPC分类号： G01N21/39
摘要： 本发明公开了一种面向TDLAS在线检测瓶内氧气浓度的压缩感知重构方法及系统，该方法通过将待测样本在稀疏基上进行稀疏表示，通过测量矩阵对进行稀疏表示后的待测样本进行采样，获得采样样本，利用OMP算法对采样样本进行数据重构，获得第一重构样本，利用自定义的稀疏度影响因子，并基于稀疏度影响因子和OMP算法迭代获得最优稀疏度系数以及基于最优稀疏度系数，利用OMP算法对待测样本进行数据重构，获得第二重构样本，解决了现有面向TDLAS在线检测瓶内氧气浓度时难以获得精准度高的重构样本的技术问题，通过引入自定义的稀疏度影响因子可迭代获得最优稀疏度系数，从而使得基于最优稀疏度系数和OMP算法能获得精准度高的重构样本。
-
公开(公告)号：CN109738392A
公开(公告)日：2019-05-10
申请号：CN201910087107.7
申请日：2019-01-29
申请人： 中南大学
IPC分类号： G01N21/39
摘要： 本发明公开了一种面向TDLAS在线检测瓶内氧气浓度的压缩感知重构方法及系统，该方法通过将待测样本在稀疏基上进行稀疏表示，通过测量矩阵对进行稀疏表示后的待测样本进行采样，获得采样样本，利用OMP算法对采样样本进行数据重构，获得第一重构样本，利用自定义的稀疏度影响因子，并基于稀疏度影响因子和OMP算法迭代获得最优稀疏度系数以及基于最优稀疏度系数，利用OMP算法对待测样本进行数据重构，获得第二重构样本，解决了现有面向TDLAS在线检测瓶内氧气浓度时难以获得精准度高的重构样本的技术问题，通过引入自定义的稀疏度影响因子可迭代获得最优稀疏度系数，从而使得基于最优稀疏度系数和OMP算法能获得精准度高的重构样本。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.04 秒)
