27、智能制造中的资源动态调度与云机器人技术应用

智能制造中的资源动态调度与云机器人技术应用

1. 边缘计算与机器人调度方法讨论

实验结果表明，边缘计算使机器人具备终端智能，能根据产品信息快速响应。机器人的招投标模式对多任务、多目标系统中的复杂调度问题有显著效果。由于代理的离散性，调度系统具有良好的可移植性，整个作业集群也具备良好的可扩展性。此外，ELBS方法在设备故障诊断和任务转移方面有一定适用性。

不过，在机器人能源感知方面，虽然ELBS方法有良好的应用效果，但实际制造过程调度存在动态随机性，如交付数据模糊、处理时间不确定、设备故障维护和紧急订单等。而且，该方法仅考虑了设备能耗和设备工作量两个单一因素，存在一定不足。同时，多智能体系统（MAS）中智能体之间通过多对多通信交互，广播模式因通信信息量大使效率较低。

2. 云机器人服务供应

2.1 从网络机器人到云机器人的发展

过去几十年，工业生产中自动化设备的引入使工业领域有了诸多改进。工业机器人的发展让编程机器人在实时应用、准确性、鲁棒性和兼容性方面达到了较高水平，从而形成了机器人网络，可用于应对极端环境、探索未知空间等。

然而，传统网络机器人存在固有物理限制，如单个机器人的计算和存储能力受体积等因素限制，面对高复杂度处理任务时能力有限，且单个机器人性能提升也有明显局限。

随着云计算、大数据等新兴技术的发展，无处不在的云基础设施提供的弹性资源使网络机器人向云机器人的转变成为可能。2010年，James J. Kuffner提出“云机器人”概念，并阐述了其潜在优势。此后，相关研究不断涌现，如新加坡的DAvinCi框架、日本的Rapyuta商业平台以及开源软件包ROS的发展都加速了云机器人的进步