物流系統(tǒng)是由物流領域中互相關聯(lián),、互相制約,、互相作用的若干組成部分構成的具有某種功能的有機整體,。本文的研究范圍在智能物流的倉儲與分揀部分,。該部分主要由物流公司獨立負責,，屬于人造系統(tǒng)中較為熱門且發(fā)展迅速的一類,。我們在該部分中將設計如何為智能分揀機器人收集信息和進行決策。

傳統(tǒng)性立體倉儲環(huán)境

整個系統(tǒng)的外部交互點來自于出入庫請求,，智能分揀機器人代替的是以往分揀員和取貨車駕駛員的工作,。收到任務數(shù)據(jù)后，在后臺貨物數(shù)據(jù)庫檢索貨物是否存在,、其對應位置,。然后調(diào)用機器人去執(zhí)行相應操作，并在操作結束后給相應物流單以記錄和狀態(tài)反饋。

分揀操作的動態(tài)規(guī)劃和環(huán)境信息相關,，環(huán)境變量主要有：其他揀選機器人的當前位置和預計的時空信息,、暫存區(qū)的狀態(tài)和位置、倉庫布局形狀等諸多因素,。本文會提及這些因素對于揀選機器人可能造成的影響,，并將控制這些因素的變化，在確認有可行性的基礎下,，主要研究揀選機器人在單寬度通道倉儲模型下的統(tǒng)一路徑規(guī)劃問題,。

物流倉儲模型圖

定位（Positioning）

仿真系統(tǒng)很容易利用坐標系中點的位置的離散型變化模擬機器人移動，畢竟所有機器人的移動模式都基于對應的動作算法,。而現(xiàn)實中給機器人定位則需要一定方法,，常用的方法有zigbee信號定位、GPS定位,、紅外識別,、聲學識別等方式。

對于本文中仿真系統(tǒng)的應用場景,，應用zigbee或其他通信方式進行多點通信定位,，或結合一些其他方式進行，例如RFID（射頻識別技術）較為有利,，在信號獲取的同時進行信號除雜降低噪聲的干擾。GPS定位由于對于室內(nèi)環(huán)境的定位能力較弱,、而紅外識別對透明物體無法識別等原因,，并不適用，可以結合聲學識別等方式進行定位和避障,，也可以使用地面畫線和節(jié)點光學條碼等一系列方式進行位置信息同步,。
 

調(diào)度方式（Scheduling method）

當機器人進入倉儲空間，勢必會遭遇沖突問題,，即兩機器人預計在同一時間到達同一位置,，或新的貨物揀選需求出現(xiàn)。我們在此采用非匿名的統(tǒng)一調(diào)度方式來處理這類問題,，將所有機器人的位置數(shù)據(jù)以及任務數(shù)據(jù)和環(huán)境的時間數(shù)據(jù)與路網(wǎng)狀態(tài)數(shù)據(jù)結合,，進行多維度的綜合運籌。

通信方式（way of communication）

鑒于物流揀選機器人的應用場景,，有線的通訊方式非常不利于大范圍移動的機器人的活動,，我們需要使用無線通訊方式。而無線通訊常有的信號,、糾錯,、握手等一系列問題，均可以參照仿照PC上常用的TCP/IP協(xié)議得到解決，借此完成系統(tǒng)中上位機和下位機之間的通訊,。即首先通過一系列數(shù)據(jù)互通確認數(shù)據(jù)連接暢通,，其次通過建立通訊和校驗機制，確保數(shù)據(jù)的正確傳遞,。

使用普通的通訊協(xié)議會產(chǎn)生大量輪詢,，對整個系統(tǒng)中的通訊芯片的性能和網(wǎng)絡質(zhì)量會有很高要求，同時也不能很好的完成需求,。因此對于數(shù)據(jù)包的發(fā)送,，我們可以借鑒人工神經(jīng)網(wǎng)絡的機制，即僅在與目標終端建立連接的發(fā)報端發(fā)送數(shù)據(jù)包,。同時建立簽名機制,，為發(fā)報端和終端建立物理地址和虛擬地址的對應池。通?？梢允褂肐BM的MQTT協(xié)議,，就能初步完成消息發(fā)布與訂閱式的信息傳遞。

包傳遞（package-swap）

即貨物在分揀機器人之間傳遞的問題,。分揀機器人可以交換貨物一定程度上可以解決分揀機器人同時空沖突的問題,。但由于包傳遞會增加流程中的不穩(wěn)定性、機器人的設計難度以及時間上也會有不小損耗,，故本文不采用包傳遞模式進行算法模型設計,，但此方法也是一種解決方案，故列舉出來以供比較,。

背包容量（Backpack capacity）

即一個機器人能夠裝下多少貨物的問題,。通常我們可以以件數(shù)、大小等多種方式控制,，混合性倉庫甚至會需要多種不同分揀機器人去適配不同類型的貨物,，在此我們將問題簡化為同一類型的貨物和分揀機器人來討論，將背包容量設置為一常數(shù)b,。

原子性（Atomicity）

即操作的顆粒度,，通常顆粒度越細，上位機計算壓力越大,，而優(yōu)化效果越好,。在此我們采用單位時間概念，以一車寬為一單位長度n,，則車移動n的時間為單位時間t,。每一個單位時間我們都假設能完成通信指令的傳遞。暫時忽略停車和轉彎的實際用時,。

倉儲貨架位置（storage rack position）

不同的貨架擺放方式也會直接影響到揀選機器人的效率,，本文使用下圖所示的擺放方式進行設計,。該方法對于其他路網(wǎng)模型的兼容性較高，研究成果擴展性較強,，同時該模型可以大化倉儲空間,，也是物流車輛和倉儲快速對接的一種大化空間利用模型。


如今,在倉庫里作業(yè)的不再是倉庫分揀員,，而是一個個承載著貨架運行的智能倉儲機器人,。在未來，你能想象幾萬平米的倉庫中不再需要人力作業(yè)嗎,？

倉庫社區(qū)