买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉龙合智能装备制造有限公司申请的专利智能共享托盘自动化出入库方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120598454B 。

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511107100.9，技术领域涉及：G06Q10/083；该发明授权智能共享托盘自动化出入库方法是由阮烜清;吴伟玲;林伟;杜和钢;彭恩奇;陈庆通;石远芳设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本智能共享托盘自动化出入库方法在说明书摘要公布了：本发明涉及智能物流技术领域，尤其是涉及一种智能共享托盘自动化出入库方法，其包括通过多源感知模块采集托盘运行状态数据并预处理，基于任务解构模型生成任务解构参数，构建多目标规划模型进行全局调度，并通过分级执行控制模型输出执行指令。本发明能够实现共享托盘高效、精准的出入库管理，优化流转效率与资源冲突，提升物流系统的智能化水平和运行效率。

本发明授权智能共享托盘自动化出入库方法在权利要求书中公布了：1.一种智能共享托盘自动化出入库方法，其特征在于，包括： 通过多源感知模块采集共享托盘的运行状态数据，所述多源感知模块包括托盘标识识别单元、托盘位置追踪单元以及托盘负载监测单元；基于分层解析框架对所述共享托盘的运行状态数据进行预处理操作，得到标准化状态集合；将所述标准化状态集合输入预先配置的任务解构模型，所述任务解构模型采用分区调度机制，基于业务逻辑规则对出入库任务进行层级划分，生成任务解构参数； 根据所述任务解构参数构建多目标规划模型，所述多目标规划模型以流转效率最高以及资源冲突最少为优化目标，采用动态分配算法对出入库任务进行全局调度，其中所述动态分配算法引入任务优先级标识和资源适配度评估；基于所述多目标规划模型输出最优调度方案； 根据所述最优调度方案建立分级执行控制模型，所述分级执行控制模型包括策略层、协调层和执行层，其中策略层基于所述任务解构参数进行全局任务规划，协调层基于所述最优调度方案进行局部资源调整，执行层基于负载均衡算法实现物流节点的任务跟踪；通过所述分级执行控制模型输出执行控制指令，实现共享托盘的高效出入库管理； 其中，将所述标准化状态集合输入预先配置的任务解构模型，所述任务解构模型采用分区调度机制，基于业务逻辑规则对出入库任务进行层级划分，生成任务解构参数包括：获取标准化状态集合，所述标准化状态集合包括托盘标识信息、托盘位置信息、托盘负载状态以及跨系统关联标识；基于所述标准化状态集合构建状态特征空间，基于物流平台可分配的运输资源量、存储容量以及网络通信带宽构建资源能力空间；基于所述状态特征空间以及所述资源能力空间构建多维度业务逻辑规则，所述多维度业务逻辑规则包括任务类型匹配项、处理时效要求项、资源适配项以及跨系统协同项，其中所述任务类型匹配项通过任务属性与处理模块的兼容性评估得到，所述处理时效要求项通过任务更新频率与完成时间的匹配度计算得到，所述资源适配项通过任务规模与资源负载均衡度评估得到，所述跨系统协同项通过关联标识与协同处理流程的对应关系确定；构建分区调度机制，所述分区调度机制包括初始任务集、层级划分规则以及关联验证模块，所述初始任务集包含多个出入库任务单元，所述层级划分规则通过业务流程优先级对任务单元进行层级排序，所述关联验证模块基于所述多维度业务逻辑规则对任务单元间的依赖关系进行验证；采用迭代优化方法更新所述初始任务集，通过优先级筛选保留高优先级任务单元，合并低优先级任务单元并拆分复杂任务单元，基于更新后的任务集计算出入库任务的层级分布和资源需求；基于所述分区调度机制输出任务解构参数，所述任务解构参数包括任务层级分布、资源需求清单、任务单元依赖关系以及跨系统协同标识； 根据所述任务解构参数构建多目标规划模型，所述多目标规划模型以流转效率最高以及资源冲突最少为优化目标，采用动态分配算法对出入库任务进行全局调度，基于所述多目标规划模型输出最优调度方案包括：构建规划的多目标函数，所述多目标函数包括流转效率优化目标函数以及资源冲突优化目标函数，其中所述流转效率优化目标函数通过任务单元处理时间与对应资源处理速度的比值求和计算得到，所述资源冲突优化目标函数通过各物流节点的运输资源占用率、存储资源占用率以及网络通信占用率的加权求和计算得到；基于所述多目标函数构建规划约束条件，所述规划约束条件包括时间约束、资源约束、优先级约束以及协同约束，所述时间约束用于限定出入库任务的完成时间范围，所述资源约束用于限定各物流节点的资源使用上限，所述优先级约束用于限定高优先级任务单元的调度顺序，所述协同约束用于保证跨系统任务单元的处理顺序一致性；采用节点序列对出入库任务进行编码，每个节点包含任务单元标识以及对应物流节点信息，基于任务转移代价以及启发式评估值构建任务分配概率，通过所述任务分配概率确定下一个可行节点；其中所述启发式评估值通过节点间处理时间差异以及资源占用差异的加权计算得到；引入自适应任务转移代价机制，所述自适应任务转移代价机制采用时变权重系数，所述时变权重系数随调度迭代次数增加呈线性衰减变化，通过所述时变权重系数对任务转移代价进行动态调整；引入动态启发式评估机制，所述动态启发式评估机制采用时变影响因子，所述时变影响因子随调度迭代次数增加呈线性增长变化，通过所述时变影响因子调节启发式评估值在任务分配概率中的权重；基于所述自适应任务转移代价机制以及所述动态启发式评估机制进行迭代优化，对每次迭代产生的调度方案进行流转代价以及资源代价评估，将非支配解加入帕累托前沿解集；从所述帕累托前沿解集中选取满足流转-资源权衡的最优解作为最优调度方案，对所述最优调度方案进行流程平滑处理，生成最优节点序列以及对应的物流节点资源分配参数； 策略层基于所述任务解构参数进行全局任务规划包括：采用参数化流程描述任务处理路径，将所述任务处理路径表示为流程参数的函数，所述流程参数的取值范围为0至1，所述任务处理路径包括任务输入阶段、中间处理阶段以及结果输出阶段；基于分段线性函数对所述任务处理路径进行描述，通过控制节点坐标与分段权重的乘积求和计算得到所述任务处理路径的时间进度，所述分段权重通过任务单元优先级与处理复杂度的比值计算得到；构建任务处理路径约束条件，所述任务处理路径约束条件包括时间约束、顺序约束、资源约束以及质量约束，所述时间约束用于限定所述任务处理路径的时间进度范围，所述顺序约束用于限定任务单元的执行先后顺序，所述资源约束用于限定各阶段的资源使用上限，所述质量约束用于限定任务处理结果的准确性要求；构建全局多目标优化函数，所述全局多目标优化函数包括流程总时长项、资源使用波动项、顺序偏差项以及质量达标项，通过加权系数对所述全局多目标优化函数中各项进行加权组合；将任务处理路径区间离散为多个流程段，对所述全局多目标优化函数进行离散化处理，构建全局离散化目标函数，所述全局离散化目标函数包括流程段时长、资源使用量、顺序偏差值以及质量达标率；采用梯度下降方法对所述全局离散化目标函数进行迭代优化，通过计算目标函数关于控制节点的梯度值，沿负梯度方向更新控制节点的时间进度；对优化后的所述任务处理路径进行线性插值平滑处理，通过保持插值端点处的时间进度、资源使用量以及顺序关系的连续性，生成光滑连续的任务处理路径，并基于所述光滑连续的任务处理路径生成节点序列以及对应的物流节点处理速度； 协调层基于所述最优调度方案进行局部资源调整包括：基于物流平台的当前负载、当前资源占用以及当前处理进度构建局部调整窗口，通过负载关联系数对所述局部调整窗口的尺寸进行自适应调整，将所述局部调整窗口的尺寸与所述当前负载的大小建立正相关关系；采用实时监控数据构建局部资源模型，对资源使用数据进行归一化处理得到标准化资源占用数据，基于所述标准化资源占用数据更新资源状态表的可用度标识，通过概率累积方法计算每个物流节点的资源可用概率值；采用指数平滑算法对动态资源需求进行预测，通过历史需求数据预测未来资源需求的状态向量，基于实时监控数据对预测状态进行更新，得到资源需求的精确预测与变化趋势；构建资源调整模型，将物流平台的资源分配规则作为状态方程，所述状态方程包括运输资源、存储资源以及网络通信资源，构建状态约束条件以及分配约束条件，所述状态约束条件用于限定资源占用的取值范围以及处理进度的取值范围，所述分配约束条件用于限定资源分配的调整幅度以及调整频率的取值范围；构建多目标代价函数，所述多目标代价函数包括参考调度跟踪项、资源冲突避让项、流程平滑项以及能耗消耗项，通过加权系数对所述多目标代价函数中各项进行加权组合；采用拉格朗日乘数法对所述多目标代价函数进行优化求解，构建拉格朗日函数并引入约束条件，通过求解偏导数方程组得到最优调整量； 执行层基于负载均衡算法实现物流节点的任务跟踪，通过所述分级执行控制模型输出执行控制指令，实现共享托盘的高效出入库管理包括：建立物流平台多节点资源分配模型，所述多节点资源分配模型包括运输资源分配方程与存储资源分配方程，所述运输资源分配方程包含处理任务量、节点运输能力以及任务优先级，所述存储资源分配方程包含数据存储量、节点存储容量以及数据访问频率；将所述多节点资源分配模型构建为状态空间表达式，所述状态空间表达式的状态向量包括运输资源占用率、存储资源占用率、任务处理进度以及节点负载均衡度，所述状态空间表达式的控制向量包括运输资源调整量与存储资源调整量；对所述状态空间表达式进行线性化处理，计算系统状态方程关于状态向量与控制向量的偏导数，构建线性化预测模型；构建任务跟踪预测代价函数，所述任务跟踪预测代价函数包括跟踪误差项、控制量惩罚项以及控制增量惩罚项，通过权重矩阵对各惩罚项进行加权组合；构建状态约束条件，所述状态约束条件包括资源占用率约束以及任务处理进度约束，构建控制约束条件，所述控制约束条件包括运输资源调整量约束与存储资源调整量约束，构建控制增量约束条件，所述控制增量约束条件包括运输资源增量约束与存储资源增量约束；将所述任务跟踪预测代价函数转化为二次规划问题的标准形式，计算二次型矩阵与一次项系数，构建不等式约束矩阵与等式约束矩阵；采用有效集方法求解所述二次规划问题，通过识别有效约束并求解子问题，逐步逼近最优解；基于优化求解结果进行控制量映射，通过运输资源分配矩阵将总运输资源调整量分配至各物流节点，通过存储资源分配矩阵将总存储资源调整量分配至各节点存储单元；对物流节点的资源分配进行限幅处理，根据节点最大运输能力对运输资源分配量进行限幅，根据节点最大存储容量对存储资源分配量进行限幅，生成最终的执行控制指令； 基于分层解析框架对所述共享托盘的运行状态数据进行预处理操作，得到标准化状态集合包括：对托盘标识识别单元、托盘位置追踪单元以及托盘负载监测单元采集的共享托盘运行状态数据分别进行格式转换处理，得到统一数据格式；对各格式数据进行异常值清洗，通过滑动窗口计算数据均值和方差，剔除超出范围的异常数据；采用关键字匹配算法提取各数据的核心业务信息，通过信息关联建立不同系统数据间的对应关系；将关联后的业务信息转换至统一数据模型，通过加权平均法融合多系统数据信息，生成包含时间戳的标准化状态集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人龙合智能装备制造有限公司，其通讯地址为：364101 福建省龙岩市永定区高陂镇环园路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。