CN119443750A 一种充电桩自动化装配线的智能调度方法及系统 （广东正品智慧科技股份有限公司）

一种充电桩自动化装配线的智能调度方法一种充电桩自动化装配线的智能调度方法及系根据不同阶段的装配需求特征数据对每一条装2步骤S2：基于充电桩装配生产日志提取每一条装配线步骤S3：采集装配线全方位实时监测图像；对装配线步骤S5：基于装配线全方位实时监测图像得到装配步骤S6：基于产能欠缺装配线对动态装配孪生模型进行步骤S25：基于多个时间窗口日志段对每一条装配线的产能特征进行对应时间段产能步骤S26：基于多个时段的需求预测数据对对应时段的装配线产能进行需求供应偏差4.根据权利要求3所述的充电桩自动化装配线的智能调度对不同阶段的装配需求特征数据进行装配线需求量分布统计，得到3对每一条装配线的需求特征数据进行周期需求波动分析，以得到基于装配需求趋势演化规律对时间标准化生产日志进行多时段7.根据权利要求1所述的充电桩自动化装配线的根据位置点停留次数及多个轨迹点停留时间对轨迹密度分布数据进行潜在障碍物分基于多个潜在障碍物轨迹点对全局增强监测图像进行边界框分割，4需求特征模块，用于获取充电桩装配生产日志；对充电桩装需求偏差预测模块，用于基于充电桩装配生产日志提取每一条装配线的实时生产进运行逻辑模块，用于采集装配线全方位实时监测图像；对装配路径规划模块，用于根据多阶段工序运行逻辑对全局增强监测图动态孪生模块，用于基于装配线全方位实时监测图像得动态协同调度模块，用于基于产能欠缺装配线对动态装配5步骤S4：根据多阶段工序运行逻辑对全局增强监测图像进行潜在障碍物推断处步骤S6：基于产能欠缺装配线对动态装配孪生模型进行动态协同调度迭代分析，6步骤S25：基于多个时间窗口日志段对每一条装配线的产能特征进行对应时间段步骤S26：基于多个时段的需求预测数据对对应时段的装配线产能进行需求供应7调度计划提供数据支持，得到每条装配线的需求特征数据帮助进行装配资源的合理配置，提高生产效率和快速响应需求变化，周期需求波动分析揭示装配需求的周期性变化规律，8步骤S44：基于多阶段工序运行逻辑对物件光流移动轨迹进行阶段工序运行耗时步骤S45：根据每一个阶段的工序耗时预测值对障碍物节点进行动态避让路径规根据位置点停留次数及多个轨迹点停留时间对轨迹密度分布数据进行潜在障碍[0019]本发明通过轨迹密度分布分析帮助了解物件在装配线上9步骤S54：基于动态工序行为演变数据对全局场景点云模型进行动态行为映射处模型帮助系统更直观地理解装配线的空间结构和布局，为智能调度和路径规划提供基础，应不同生产情况的变化，动态行为映射处理将动态工序行为与全局场景点云模型相结合，实现装配线状态的实时更新和反映，构建动态装配孪生模型帮助系统模拟和优化装配过步骤S66：对动态装配微调引擎进行装配线集群协同控制，构建动态集群调度模步骤S4：根据多阶段工序运行逻辑对全局增强监测图像进行潜在障碍物推断处步骤S6：基于产能欠缺装配线对动态装配孪生模型进行动态协同调度迭代分析，[0034]步骤S4：根据多阶段工序运行逻辑对全局增强监测图像进行潜在障碍物推断处[0036]步骤S6：基于产能欠缺装配线对动态装配孪生模型进行步骤S25：基于多个时间窗口日志段对每一条装配线的产能特征进行对应时间段步骤S26：基于多个时段的需求预测数据对对应时段的装配线产能进行需求供应步骤S44：基于多阶段工序运行逻辑对物件光流移动轨迹进行阶段工序运行耗时步骤S45：根据每一个阶段的工序耗时预测值对障碍物节点进行动态避让路径规标记出装配设备及零部件对象，选择适合的光流追踪算法，如Lucas_Kanade算法或根据位置点停留次数及多个轨迹点停留时间对轨迹密度分布数据进行潜在障碍步骤S54：基于动态工序行为演变数据对全局场景点云模型进行动态行为映射处步骤S66：对动态装配微调引擎进行装配线集群协同控制，构建动态集群调度模[0057]如上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发