本發(fā)明涉及廂式貨車裝車，尤其是涉及一種廂式貨車裝車填充物填充的優(yōu)化控制方法及系統(tǒng)。

背景技術(shù)：

1、貨運行業(yè)是一個關(guān)鍵的經(jīng)濟領域，負責貨物的運輸和分配。它對全球經(jīng)濟的發(fā)展和運轉(zhuǎn)起著重要的作用。貨運行業(yè)不僅涵蓋了道路、鐵路、航空和海運等多個領域，還包括了倉儲、物流、供應鏈管理等相關(guān)行業(yè)。隨著全球經(jīng)濟的不斷發(fā)展，商品和貨物的運輸需求不斷發(fā)展，貨運行業(yè)成為銜接生產(chǎn)和消費之間的紐帶，促進了各種產(chǎn)品和服務的流通和交換。其中，在貨運的運輸過程中，因為各個箱體之間有縫隙，顛簸導致貨物與箱體碰撞，會造成貨物受損和外觀劃傷。

技術(shù)實現(xiàn)思路

1、鑒于以上問題，本發(fā)明提供了一種廂式貨車裝車填充物填充的優(yōu)化控制方法及系統(tǒng)，不僅能夠在各個箱體之間增加填充物，防止貨物在運輸過程中，因為顛簸導致貨物與箱體碰撞，造成貨物受損和外觀劃傷，而且根據(jù)貨物堆碼的尺寸的變化，對填充物的填充進行優(yōu)化控制，降低能源消耗，從而降低運輸成本，提高運輸效率。

2、為了實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供的技術(shù)方案如下：

3、一種廂式貨車裝車填充物填充的優(yōu)化控制方法，所述方法包括：

4、r1.基于貨物的訂單數(shù)據(jù)信息，構(gòu)建貨物的整體堆碼模型，對貨物的堆碼尺寸進行表征，得到貨物的第一堆碼尺寸數(shù)據(jù)信息，基于掃描3d相機對整體堆碼物料進行全面掃描，得到堆碼物料的3d掃描圖像數(shù)據(jù)信息；

5、r2.基于所述堆碼物料的3d掃描圖像數(shù)據(jù)信息，采用改進的sam圖像分割算法對堆碼物料的堆碼尺寸進行推算，得到貨物的第二堆碼尺寸數(shù)據(jù)信息；

6、r3.基于所述貨物的第二堆碼尺寸數(shù)據(jù)信息和所述貨物的第一堆碼尺寸數(shù)據(jù)信息，采用基于傅里葉級數(shù)擬合一維概率密度函數(shù)的貨物堆碼尺寸差異算法對貨物堆碼尺寸的偏差值進行推算，得到貨物堆碼尺寸的偏差值數(shù)據(jù)信息；

7、r4.基于所述貨物堆碼尺寸的偏差值數(shù)據(jù)信息，構(gòu)建貨車裝車填充物的填充模型，對填充物的填充位置點進行預測，得到預測后的填充物的填充位置點矩陣數(shù)據(jù)信息；

8、r5.基于所述預測后的填充物的填充位置點矩陣數(shù)據(jù)信息，采用基于自適應權(quán)重的粒子群優(yōu)化算法對填充物的填充位置點進行優(yōu)化，得到優(yōu)化后的填充物的填充位置點數(shù)據(jù)信息。

9、進一步的，所述方法還包括：

10、r6.基于所述優(yōu)化后的填充物的填充位置點數(shù)據(jù)信息，建立填充物填充的優(yōu)化控制函數(shù)f，

11、

12、其中，x為優(yōu)化后的填充物的填充位置點數(shù)據(jù)信息，α1、α2和α3為填充物填充的優(yōu)化控制因子，對填充物的填充進行優(yōu)化控制，得到貨車裝車填充物填充的優(yōu)化控制數(shù)據(jù)信息。

13、進一步的，所述填充物填充的優(yōu)化控制因子α1、α2和α3為，

14、

15、

16、

17、其中，x為優(yōu)化后的填充物的填充位置點數(shù)據(jù)信息。

18、進一步的，在步驟r1中，所述構(gòu)建貨物的整體堆碼模型，對貨物的尺寸進行表征包括：

19、r11.基于所述貨物的訂單數(shù)據(jù)信息，建立貨物堆碼函數(shù)q，

20、

21、其中，y為貨物的訂單數(shù)據(jù)信息，σ1和σ2為貨物堆碼轉(zhuǎn)化因子，對貨物堆碼數(shù)據(jù)集進行表征，得到貨物堆碼數(shù)據(jù)集數(shù)據(jù)信息；

22、r12.將所述貨物堆碼數(shù)據(jù)集數(shù)據(jù)信息輸入貨物的整體堆碼模型進行訓練和學習，確定貨物堆碼的尺寸表征函數(shù)w，

23、

24、其中，z為貨物堆碼數(shù)據(jù)集數(shù)據(jù)信息，β1、β2和β3為貨物整體堆碼的尺寸轉(zhuǎn)化因子，得到訓練好的貨物的整體堆碼模型；

25、r13.基于所述訓練好的貨物的整體堆碼模型，輸入貨物的訂單數(shù)據(jù)信息，對貨物的堆碼尺寸進行表征，得到貨物的第一堆碼尺寸數(shù)據(jù)信息。

26、進一步的，所述貨物整體堆碼的尺寸轉(zhuǎn)化因子β1、β2和β3的約束函數(shù)f為，

27、

28、其中，約束函數(shù)f的取值范圍(0,1)。

29、進一步的，在步驟r2中，所述采用改進的sam圖像分割算法對堆碼物料的堆碼尺寸進行推算包括：

30、r21.基于所述堆碼物料的3d掃描圖像數(shù)據(jù)信息，構(gòu)建堆碼物料的像素點矩陣，得到堆碼物料的像素點矩陣數(shù)據(jù)信息；

31、r22.基于所述堆碼物料的像素點矩陣數(shù)據(jù)信息，構(gòu)建堆碼物料的特征像素點提取函數(shù)u，

32、

33、其中，a為堆碼物料的像素點矩陣數(shù)據(jù)信息，δ1、δ2和δ3為堆碼物料的特征像素點提取因子，對堆碼物料的特征像素點進行提取，得到提取后的堆碼物料的特征像素點矩陣數(shù)據(jù)信息；

34、r23.基于所述提取后的堆碼物料的特征像素點矩陣數(shù)據(jù)信息，建立堆碼物料的圖像分割函數(shù)p，

35、

36、其中，b為提取后的堆碼物料的特征像素點矩陣數(shù)據(jù)信息，γ1和γ2為圖像分割決定因子，對堆碼物料的圖像進行分割，得到分割后的堆碼物料的圖像數(shù)據(jù)信息；

37、r24.基于所述分割后的堆碼物料的圖像數(shù)據(jù)信息，建立堆碼物料的堆碼尺寸表征函數(shù)s，

38、

39、其中，c為分割后的堆碼物料的圖像數(shù)據(jù)信息，η1、η2和η3為堆碼物料的堆碼尺寸協(xié)方量常量參數(shù)，對堆碼物料的堆碼尺寸進行推算，得到貨物的第二堆碼尺寸數(shù)據(jù)信息。

40、進一步的，在步驟r3中，所述采用基于傅里葉級數(shù)擬合一維概率密度函數(shù)的貨物堆碼尺寸差異算法對貨物堆碼尺寸的偏差值進行推算包括：

41、r31.基于所述貨物的第二堆碼尺寸數(shù)據(jù)信息，建立貨物第二堆碼尺寸的傅里葉級數(shù)擬合一維概率密度函數(shù)g1，

42、

43、其中，r2為貨物的第二堆碼尺寸數(shù)據(jù)信息，λ1和λ2為貨物第二堆碼尺寸的概率密度分布因子，對貨物第二堆碼尺寸的概率分布進行表征，得到貨物第二堆碼尺寸的概率分布數(shù)據(jù)信息；

44、r32.基于所述貨物的第一堆碼尺寸數(shù)據(jù)信息，建立貨物第一堆碼尺寸的傅里葉級數(shù)擬合一維概率密度函數(shù)g2，

45、

46、其中，r1為貨物的第一堆碼尺寸數(shù)據(jù)信息，μ1、μ2和μ3為貨物第一堆碼尺寸的概率密度分布因子，對貨物第一堆碼尺寸的概率分布進行表征，得到貨物第一堆碼尺寸的概率分布數(shù)據(jù)信息；

47、r33.基于所述貨物第一堆碼尺寸的概率分布數(shù)據(jù)信息和所述貨物第二堆碼尺寸的概率分布數(shù)據(jù)信息，建立貨物堆碼尺寸的差異函數(shù)g，

48、

49、

50、其中，m1為貨物第一堆碼尺寸的概率分布數(shù)據(jù)信息，m2為貨物第二堆碼尺寸的概率分布數(shù)據(jù)信息，θ1、θ2和θ3為貨物堆碼尺寸的懲罰權(quán)重，對貨物堆碼尺寸的偏差值進行推算，得到貨物堆碼尺寸的偏差值數(shù)據(jù)信息。

51、進一步的，在步驟r4中，所述構(gòu)建貨車裝車填充物的填充模型，對填充物的填充位置點進行預測包括：

52、r41.基于所述貨物堆碼尺寸的偏差值數(shù)據(jù)信息，構(gòu)建貨物堆碼尺寸的偏差值數(shù)據(jù)集，得到貨物堆碼尺寸的偏差值數(shù)據(jù)集；

53、r42.將所述貨物堆碼尺寸的偏差值數(shù)據(jù)集輸入貨車裝車填充物的填充模型進行訓練和學習，確定填充物的填充位置點預測函數(shù)h，

54、

55、其中，h為貨物堆碼尺寸的偏差值數(shù)據(jù)集，ρ1、ρ2和ρ3為模型的偏置常量參數(shù)，得到訓練好的貨車裝車填充物的填充模型；

56、r43.基于所述訓練好的貨車裝車填充物的填充模型，輸入貨車堆碼尺寸的偏差值數(shù)據(jù)信息，對填充物的填充位置點進行預測，得到預測后的填充物的填充位置點矩陣數(shù)據(jù)信息。

57、進一步的，在步驟r5中，所述采用基于自適應權(quán)重的粒子群優(yōu)化算法對填充物的填充位置點進行優(yōu)化包括：

58、r51.基于所述預測后的填充物的填充位置點矩陣數(shù)據(jù)信息，對粒子種群的種群參數(shù)進行初始化，確定最大迭代次數(shù)，得到初始化后的粒子種群數(shù)據(jù)信息；

59、r52.基于所述初始化后的粒子種群數(shù)據(jù)信息，建立種群個體的適應度函數(shù)j，

60、

61、其中，q為初始化后的粒子種群數(shù)據(jù)信息，ω1和ω2為種群個體的適應度決定因子，對種群個體的適應度值進行推算，得到種群個體的適應度值數(shù)據(jù)信息；

62、r53.基于所述種群個體的適應度值數(shù)據(jù)信息，建立目標優(yōu)化函數(shù)z，

63、

64、其中，v為種群個體的適應度值數(shù)據(jù)信息，ε1、ε2和ε3為種群個體的自適應權(quán)重，對填充物的填充位置點進行優(yōu)化，得到優(yōu)化后的填充物的填充位置點數(shù)據(jù)信息。

65、為了實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明還提供了一種廂式貨車裝車填充物填充的優(yōu)化控制系統(tǒng)，包括計算機設備，該計算機設備被編程或配置以執(zhí)行任意一項所述的廂式貨車裝車填充物填充的優(yōu)化控制方法的步驟。

66、本發(fā)明具有以下積極效果：

67、1.本發(fā)明通過構(gòu)建貨物的整體堆碼模型，對貨物的堆碼尺寸進行表征，并結(jié)合采用改進的sam圖像分割算法對堆碼物料的堆碼尺寸進行推算，不僅能夠?qū)Χ汛a物料的的堆碼尺寸進行精確的分析，而且為后續(xù)堆碼物料的縫隙的填充提供精確的數(shù)據(jù)支持。

68、2.本發(fā)明通過采用基于傅里葉級數(shù)擬合一維概率密度函數(shù)的貨物堆碼尺寸差異算法對貨物堆碼尺寸的偏差值進行推算，并結(jié)合構(gòu)建貨車裝車填充物的填充模型，對填充物的填充位置點進行預測和采用基于自適應權(quán)重的粒子群優(yōu)化算法對填充物的填充位置點進行優(yōu)化，不僅能夠在各個箱體之間增加填充物，防止貨物在運輸過程中，因為顛簸導致貨物與箱體碰撞，造成貨物受損和外觀劃傷，而且根據(jù)貨物堆碼的尺寸的變化，對填充物的填充進行優(yōu)化控制，降低能源消耗，從而降低運輸成本，提高運輸效率。