[发明专利]一种立体仓库货位坐标计算方法

权利要求书

1.一种立体仓库货位坐标计算方法，其特征在于：包括，

将实体立体仓库转变为三维立体仓库模型，并基于神经网络构建货位坐标值计算网络；

利用三维立体仓库模型中的货位坐标数据训练所述货位坐标值计算网络，并通过训练机制判断训练是否完成；

若训练完成，则将任意一个货位的位置数据输入至货位坐标值计算网络，从而获得该货位的坐标值。

2.如权利要求1所述的立体仓库货位坐标计算方法，其特征在于：转变为所述三维立体仓库模型包括，

绘制所有货位的仓位边框；

建立实体立体仓库的坐标系；其中，在实体立体仓库中，每个仓位的外边框有四个顶角，任意一个顶角都可以被设置为坐标系原点，水平方向是横轴，从左到右是正方向；竖直方向是纵轴，从下向上是正方向；

标注每个货位的定位点。

3.如权利要求2所述的立体仓库货位坐标计算方法，其特征在于：所述仓位边框包括，

每个仓位内部空间的边沿是仓位的内边框，假设A和B是两个仓位，A仓位在B仓位的左边，则位于A仓位右内边框与B仓位左内边框中间的直线是A仓位的右外边框和B仓位的左外边框；

A仓位与相邻仓位之间都存在一个外边框，所有外边框组成A仓位的外边框；A仓位的所有内边框与外边框共同构成了A仓位的边框。

4.如权利要求2或3所述的立体仓库货位坐标计算方法，其特征在于：标注每个货位的定位点包括，

每个仓位的内部都有一个定位点，所述定位点代表在坐标系中仓位的具体位置，定位点的坐标代表仓位的坐标；

其中，所述定位点在仓位内部空间；所述定位点距离仓位左内边框的距离为147mm；所述定位点距离仓位下内边框的距离为110.5mm。

5.如权利要求4所述的立体仓库货位坐标计算方法，其特征在于：所述货位坐标值计算网络包括4个子神经网络和1个控制大脑；

所述子神经网络包括输入层、隐藏层和输出层；输入层节点数为5，隐藏层节点数为4，输出层节点数为2；

隐藏层的输出表达式为：

输出层的输出表达式为：

权值V的初始取值为：

权值W的初始权值为：

其中，X₁为货位所在象限，X₂为单个货位X轴长度，X₃为单个货位Y轴长度，X₄为目标货位距X轴格子数，X₅为目标货位距Y轴格子数，V_ij为输入层第i个神经元与隐藏层第j个神经元之间的权值，y_j为隐藏层第j个神经元的输出，f(x)为变换函数，net_j为子神经网络第j个隐藏层神经元的激活函数；ω_jk为隐藏层第j个神经元与输出层第k个神经元之间的权值，y_j为隐藏层第j个神经元的输出，o_k为输出层第k个神经元的输出，分别代表目标货位的X、Y坐标，net_k子神经网络第k个输出层神经元的激活函数。

6.如权利要求5所述的立体仓库货位坐标计算方法，其特征在于：还包括，

在将输入参数输入所述子神经网络之前，需将所述输入参数进行归一化处理，并将输出参数进行反归一化处理；

其中，子神经网络的输入参数包括货位所在象限、单个货位X轴长度、单个货位Y轴长度、目标货位距X轴格子数和目标货位距Y轴格子数；子神经网络的输出参数包括目标货位的X坐标和目标货位的Y坐标。