多入库口、出库口的提升系统仿真测试案例
2021/7/22 23:07:11
本文主要是介绍多入库口、出库口的提升系统仿真测试案例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
一、前言
(1)智能物流行业提升系统,面对多个入库口,多个出库口情景,本案例仿真测试调度从某入库口入库->某出库口出库(本案例三个入库口、三个出库口共9种场景)
(2)多个入库口接收到任务,提升系统如何执行,本案例提供先进先出排序方式
二、系统设置
(1)入库站台编号1-3;出库站台编号1-3;
(2)案例中设置取货升降延时,和卸货升降到位延时;均可从HMI上设置时间,一是模拟真实场景二是便于仿真测试时观察
(3)系统运行时状态指示灯闪烁,流程结束后状态指示灯为灰色,此时可以开始下一次流程测试
三、工作流程
(1)本案例设置入库站台编号、出库站台编号,点击启动按钮
(2)提升系统自动运动值该入库站台位置,此时该入库口处生成货物模型,并开始入库流程
(3)货物经入库输送机输送至载货台时,提升系统经延时后开始Y方向运行,上升或下降运动至出库站台处
(4)提升系统经卸货到位延时后,开始出库输送至出库口,本次流程完毕 仿真结束
四、仿真测试及部分代码
这篇关于多入库口、出库口的提升系统仿真测试案例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-17机器学习资料入门指南
- 2024-12-06如何用OpenShift流水线打造高效的机器学习运营体系(MLOps)
- 2024-12-06基于无监督机器学习算法的预测性维护讲解
- 2024-12-03【机器学习(六)】分类和回归任务-LightGBM算法-Sentosa_DSML社区版
- 2024-12-0210个必须使用的机器学习API,为高级分析助力
- 2024-12-01【机器学习(五)】分类和回归任务-AdaBoost算法-Sentosa_DSML社区版
- 2024-11-28【机器学习(四)】分类和回归任务-梯度提升决策树(GBDT)算法-Sentosa_DSML社区版
- 2024-11-26【机器学习(三)】分类和回归任务-随机森林(Random Forest,RF)算法-Sentosa_DSML社区版
- 2024-11-18机器学习与数据分析的区别
- 2024-10-28机器学习资料入门指南