物流系统是由物流领域中互相关联、互相制约、互相作用的若干组成部分构成的具有某种功能的有机整体。本文的研究范围在智能物流的仓储与分拣部分。该部分主要由物流公司独立负责，属于人造系统中较为热门且发展迅速的一类。我们在该部分中将设计如何为智能分拣机器人收集信息和进行决策。

定位

仿真系统很容易利用坐标系中点的位置的离散型变化模拟机器人移动，毕竟所有机器人的移动模式都基于对应的动作算法。而现实中给机器人定位则需要一定方法，常用的方法有zigbee信号定位、GPS定位、红外识别、声学识别等方式。

对于仿真系统的应用场景，应用zigbee或其他通信方式进行多点通信定位，或结合一些其他方式进行，例如RFID（射频识别技术）较为有利，在信号获取的同时进行信号除杂降低噪声的干扰。GPS定位由于对于室内环境的定位能力较弱、而红外识别对透明物体无法识别等原因，并不适用，可以结合声学识别等方式进行定位和避障，也可以使用地面画线和节点光学条码等一系列方式进行位置信息同步。

通信方式

鉴于物流拣选机器人的应用场景，有线的通讯方式非常不利于大范围移动的机器人的活动，我们需要使用无线通讯方式。而无线通讯常有的信号、纠错、握手等一系列问题，均可以参照仿照PC上常用的TCP/IP协议得到解决，借此完成系统中上位机和下位机之间的通讯。即首先通过一系列数据互通确认数据连接畅通，其次通过建立通讯和校验机制，确保数据的正确传递。

使用普通的通讯协议会产生大量轮询，对整个系统中的通讯芯片的性能和网络质量会有很高要求，同时也不能很好的完成需求。因此对于数据包的发送，我们可以借鉴人工神经网络的机制，即仅在与目标终端建立连接的发报端发送数据包。同时建立签名机制，为发报端和终端建立物理地址和虚拟地址的对应池。通常可以使用IBM的MQTT协议，就能初步完成消息发布与订阅式的信息传递。

背包容量

即一个机器人能够装下多少货物的问题。通常我们可以以件数、大小等多种方式控制，混合性仓库甚至会需要多种不同分拣机器人去适配不同类型的货物，在此我们将问题简化为同一类型的货物和分拣机器人来讨论，将背包容量设置为一常数b。

原子性

即操作的颗粒度，通常颗粒度越细，上位机计算压力越大，而优化效果越好。在此我们采用单位时间概念，以一车宽为一单位长度n，则车移动n的时间为单位时间t。每一个单位时间我们都假设能完成通信指令的传递。暂时忽略停车和转弯的实际用时。

仓储货架位置

不同的货架摆放方式也会直接影响到拣选机器人的效率，本文使用下图所示的摆放方式进行设计。该方法对于其他路网模型的兼容性较高，研究成果扩展性较强，同时该模型可以最大化仓储空间，也是物流车辆和仓储快速对接的一种最大化空间利用模型。

包传递

即货物在分拣机器人之间传递的问题。分拣机器人可以交换货物一定程度上可以解决分拣机器人同时空冲突的问题。但由于包传递会增加流程中的不稳定性、机器人的设计难度以及时间上也会有不小损耗，故本文不采用包传递模式进行算法模型设计，但此方法也是一种解决方案，故列举出来以供比较。

传统性立体仓储环境

整个系统的外部交互点来自于出入库请求，智能分拣机器人代替的是以往分拣员和取货车驾驶员的工作。收到任务数据后，在后台货物数据库检索货物是否存在、其对应位置。然后调用机器人去执行相应操作，并在操作结束后给相应物流单以记录和状态反馈。

分拣操作的动态规划和环境信息相关，环境变量主要有：其他拣选机器人的当前位置和预计的时空信息、暂存区的状态和位置、仓库布局形状等诸多因素。本文会提及这些因素对于拣选机器人可能造成的影响，并将控制这些因素的变化，在确认有可行性的基础下，主要研究拣选机器人在单宽度通道仓储模型下的统一路径规划问题。

如今，在仓库里作业的不再是仓库分拣员，而是一个个承载着货架运行的智能仓储机器人。在未来，你能想象几万平米的仓库中不再需要人力作业吗？

（如有雷同请联系工作人员修改，）