CN109635510B - 铁路货车并行检修线设置方法 - Google Patents

铁路货车并行检修线设置方法 Download PDF

Info

Publication number
CN109635510B
CN109635510B CN201910036901.9A CN201910036901A CN109635510B CN 109635510 B CN109635510 B CN 109635510B CN 201910036901 A CN201910036901 A CN 201910036901A CN 109635510 B CN109635510 B CN 109635510B
Authority
CN
China
Prior art keywords
workstation
tasks
overhaul
line
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910036901.9A
Other languages
English (en)
Other versions
CN109635510A (zh
Inventor
张则强
朱立夏
刘思璐
张颖
曾艳清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910036901.9A priority Critical patent/CN109635510B/zh
Publication of CN109635510A publication Critical patent/CN109635510A/zh
Priority to US16/739,037 priority patent/US20200346675A1/en
Application granted granted Critical
Publication of CN109635510B publication Critical patent/CN109635510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/10—Operations, e.g. scheduling or time tables
    • B61L27/16—Trackside optimisation of vehicle or train operation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/30—Trackside multiple control systems, e.g. switch-over between different systems
    • B61L27/33—Backup systems, e.g. switching when failures occur
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/30—Trackside multiple control systems, e.g. switch-over between different systems
    • B61L27/37—Migration, e.g. parallel installations running simultaneously
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/10—Operations, e.g. scheduling or time tables
    • B61L27/18—Crew rosters; Itineraries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/60—Testing or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了铁路货车并行检修线设置方法，包括以下步骤：(1)获取检修线的设计信息；(2)对所述检修线作初步设计：包括两条并行流水线，其中一条负责拆卸任务，另一条负责装配任务，两条线之间通过轨道相连；(3)构建拆卸‑装配并行检修线平衡问题的多目标数学模型，包括将工作站数最小化的第一模型、将工作站空闲指标最小化的第二模型以及将修所需的资源数量最小化检的第三模型；(4)采用智能算法，求解可行方案。本发明工艺简单，合理分配检修线上的诸多检修任务，各个工作站内的检修人员的工作负荷尽可能均衡，尽可能地将使用同一种检修资源的任务分配到同一工作站，最大化地利用检修资源从而降低检修成本。

Description

铁路货车并行检修线设置方法
技术领域
本发明涉及工业检修线技术领域，具体而言，涉及铁路货车并行检修线设置方法。
背景技术
随着铁路运输网络的不断扩大，尤其是高速铁路的不断发展，保障铁路车辆的安全运行成为铁路发展的重中之重。铁路车辆的检修工作是维持车辆各零部件始终处于良好质量状态，保障铁路车辆不间断安全、平稳运行的有效手段。而随着铁路车辆需求的不断增大，如何提高车辆检修的效率和质量，同时最大化降低检修成本，提高企业的检修效益成为各个检修企业面临市场份额竞争所要解决的问题。
铁路货车需要定期检修，在检修线中待修货车按照规定的路线有节奏地移动，经过若干个分工明确的修车台位后，完成其全部检修工作。在这种生产组织方式的每个修车台位上，可以配备高效率的专用设备，工人分工明确，既能提高效率，又能保证修车质量，而最直接的效果，是能保证均衡地进行生产。整个过程包括货车零部件的拆卸-装配。
检修线平衡问题是比普通的装配线平衡问题更复杂的NP(Non-DeterministicPolynomial)难组合优化难题，此类问题随问题规模的增加呈指数增长。目前，解决这类问题常用元启发式算法，如遗传算法、模拟退火算法和蚁群算法等，但都存在如收敛性差、搜索时间长，质量不高等问题。因此，需要找到更为有效方法处理检修线平衡问题。
目前对检修线研究工作大多还是基于工作人员根据个人的经验，采用启发式方法处理。已申请的相关专利如下，申请号为201310697506.8、名称为一种面向成本的混流双边装配线平衡方法的中国发明专利提出了一种面向成本的混流双边装配线平衡方法，其采用混合殖民竞争算法，相比于普通的殖民竞争算法和遗传算法，它可有效改进算法搜索性能，得到更优解；申请号为201711493844.4、名称为一种基于候鸟优化算法的多目标混流双边装配线平衡方法的中国发明专利主要针对装配线平衡问题，构建以最小化工位数、最小化负载均衡和最小化单位成品总成本为目标的数学模型，并提出多目标混合候鸟算法来求解此类问题。
发明内容
本发明的目的在于优化铁路货车并行检修线平衡问题，针对上述现有技术中存在的问题，本发明提出铁路货车并行检修线设置方法，旨在最小化工作站数，最小化检修线空闲指标以及最小化检修资源数量。
为了实现上述目的，本发明提供了铁路货车并行检修线设置方法。该铁路货车并行检修线设置方法包括以下步骤：
(1)获取检修线的设计信息；
(2)对所述检修线作初步设计：包括两条并行流水线，其中一条负责拆卸任务，另一条负责装配任务，两条线之间通过轨道相连；
(3)构建拆卸-装配并行检修线平衡问题的多目标数学模型，包括将工作站数最小化的第一模型、将工作站空闲指标最小化的第二模型以及将修所需的资源数量最小化检的第三模型；
(4)采用智能算法，求解可行方案。
本发明的铁路货车并行检修线设置方法的工艺简单，针对铁路货车并行检修线的多目标平衡问题，旨在提高检修效率同时降低检修成本，首先构建了以最小化工作站数、最小化检修线空闲指标以及最小化检修资源数量为目标的多目标数学模型，合理分配检修线上的诸多检修任务，使各个工作站内的检修人员的工作负荷尽可能均衡，尽可能地将使用同一种检修资源的任务分配到同一工作站，最大化地利用检修资源从而降低检修成本，提高检修效益。并采用智能算法求解，应用于铁路货车维修检修线时，更接近检修线工作现场，能获得改进效果。
下面结合附图和具体实施方式对本发明做进一步的说明。本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的附图用来辅助对本发明的理解，附图中所提供的内容及其在本发明中有关的说明可用于解释本发明，但不构成对本发明的不当限定。在附图中：
图1是本发明具体实施方式的改进的候鸟算法的流程示意图。
图2是本发明具体实施方式的嵌入操作示意图。
图3是本发明具体实施方式的交叉操作示意图。
图4是本发明具体实施方式的转向架检修作业优先顺序关系示意图。
图5是本发明具体实施方式所得的一个解方案对应任务分配示意图。
具体实施方式
下面结合附图对本发明进行清楚、完整的说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。在结合附图对本发明进行说明前，需要特别指出的是：
本发明中在包括下述说明在内的各部分中所提供的技术方案和技术特征，在不冲突的情况下，这些技术方案和技术特征可以相互组合。
此外，下述说明中涉及到的本发明的实施例通常仅是本发明一部分的实施例，而不是全部的实施例。因此，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
关于本发明中术语和单位。本发明的说明书和权利要求书及有关的部分中的术语“包括”、“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
本发明的铁路货车并行检修线设置方法，包括以下步骤：
一、获取检修线的设计信息；所述设计信息包括：检修任务信息和检修资源信息。所述检修任务信息包括检修产品数量和规格、检修产品的拆卸任务优先关系和装配任务优先关系；所述检修资源信息包括检修设备、搬运吊具、检修工具。
二、对所述检修线作初步设计：包括两条并行流水线，其中一条负责拆卸任务，另一条负责装配任务，两条线之间通过轨道相连；
三、构建拆卸-装配并行检修线平衡问题的多目标数学模型：
1、确定基本假设条件
(1)拆卸线上有足够的待检修产品供应，同时装配线上也有足够检修完毕的零部件供给；
(2)忽略检修人员作业的不确定性，也即拆卸与装配任务操作时间确定且已知；
(3)一个并行工作站分配一个检修人员，检修人员都是多技能工，能够胜任检修线上任何操作任务；
(4)忽略检修人员在两条并行流水线之间的走动时间。
2、定义变量与参数
Figure BDA0001946208340000031
Figure BDA0001946208340000041
3、建立将工作站数最小化的第一模型、将工作站空闲指标最小化的第二模型以及将修所需的资源数量最小化检的第三模型；
第一模型：
Figure BDA0001946208340000042
第二模型：
Figure BDA0001946208340000043
第三模型：
Figure BDA0001946208340000044
4、确定约束条件
(1)
Figure BDA0001946208340000045
表示装配任务的分配须满足装配任务之间的优先顺序关系；
(2)
Figure BDA0001946208340000046
表示拆卸任务的分配须满足拆卸任务之间的优先顺序关系；
(3)
Figure BDA0001946208340000047
表示每项装配任务是不可分的，各项装配任务只允许被分配到一个工作站中；
(4)
Figure BDA0001946208340000048
表示每项拆卸任务是不可分的，各项拆卸任务只允许被分配到一个工作站中；
(5)TTk≤C·Zk、
Figure BDA0001946208340000049
表示工作站作业时间为分配至该工作站中的装配作业时间和拆卸作业时间之和，且各工作站作业时间之和不允许超过检修线的预定节拍时间；
(6)
Figure BDA0001946208340000051
表示分配至某工作站k的装配任务数不大于装配任务总数；
(7)
Figure BDA0001946208340000052
表示分配至某工作站k的拆卸任务数不大于拆卸任务总数；
(8)Zk-1≥Zk
Figure BDA0001946208340000053
表示工作站按顺序开启，不存在未分配任务的空工作站；
(9)
Figure BDA0001946208340000054
表示若使用资源种类r的装配任务i被分配至工作站k中，则相应地该工作站k必须配备相应的资源r；
(10)
Figure BDA0001946208340000055
表示若使用资源种类r的拆卸任务j被分配至工作站k中，则相应地该工作站k也必须配备相应的资源r；
四、采用智能算法，求解可行方案。
所述智能算法为图1所示的改进的候鸟算法，使用的软件为Matlab软件。首先通过设计融合求解问题特征的启发式方法来产生初始候鸟种群个体，保证了初始种群个体的质量和多样性；所述指启发式方法是指通过随机生成法与位置权重启发式方法相结合的方法来产生初始种群；然后，在领飞鸟和跟飞鸟个体的邻域搜索操作中引入最优嵌入操作，使每个种群个体能在其当前邻域中充分搜寻较优质量的解；随后，在种群个体若干次邻域寻优操作之后，若筛选出的Pareto较优个体与上一次相比没有改进或者改进微小，将会有一次局部最优计次，若局部最优计次超过一限定值lim_up，则将种群个体进行重置。
如图1所示，求解过程包括以下步骤：
1、初始化算法参数：种群数量N，算法迭代次数Iter，巡回次数m，种群个体邻域解数量k，个体共享邻域解数量x，局部最优计次lim，局部最优计次上限lim_up；
2、运用随机法和位置权重启发式方法随机生成初始种群Pop，计算种群个体的目标函数值并筛选Pareto较优解；
所提改进候鸟优化算法作为一种基于种群优化的群智能算法，种群中的每一个候鸟个体都代表问题寻优空间的可行解。种群初始化过程便为与初始种群个体相同数量可行解的产生过程。为了保证初始种群的质量，加速算法的收敛，同时考虑到种群的多样性维护，在所提改进候鸟优化算法的初始种群产生这一步，基于检修作业(装配任务和拆卸任务)之间的优先顺序关系，结合随机生成法和位置权重启发式方法两种方法等概率地随机生成初始种群。具体的初始种群生成伪代码如下：
输入：作业数量TS，拆卸优先关系矩阵PD，装配优先关系矩阵PA，种群数量N；
(1)For i＝1 to N
(2)产生一随机数r
(3)If r<0.5
(4)Forj＝1 to TS
(5)根据PD和PA，找出拆卸作业中所有紧前作业为空或紧前作业已被分配的作业，同时找出装配作业中所有紧后作业为空或紧后作业已被分配的作业，也即分别找出PD中所有列元素之和为0和PA中所有行元素之和为0所对应的任务，组成待分配任务集C；
(6)在C中随机选择一项任务t分配到当前个体Pop_i的当前位置序列j中；
(7)若t为装配作业，则将PA中任务t所在的列元素置为0，所在的行元素置为1，否则将PD中任务t所在的行元素置为0，所在的列元素置为1；
(8)End For
(9)Else If r＞＝0.5
(10)For j＝1 to TS
(11)根据PD和PA，找出拆卸作业中所有紧前作业为空或紧前作业已被分配的作业集，同时找出装配作业中所有紧后作业为空或紧后作业已被分配的作业，也即分别找出PD中所有列元素之和为0和PA中所有行元素之和为0所对应的任务，组成待分配任务集C；
(12)在C中找出其中后续任务时间之和最大的一项任务t分配到当前个体Pop_i的当前位置序列j中；
(13)若t为装配作业，则将PA中任务t所在的列元素置为0，所在的行元素置为1，否则将PD中任务t所在的行元素置为0，所在的列元素置为1；
(14)End For
(15)End If
(16)End For
输出：初始种群Pop，数量为N
3、设迭代计次iter＝1，进入算法迭代；
4、设巡回计次m_count＝1；
5、领飞鸟个体进行基于最优嵌入机制的邻域搜索操作，通过自体更新后将剩余的x个最优邻域解共享给V形队列左右两边的第一个跟飞鸟个体；
种群个体的邻域搜索贯穿了基本候鸟优化算法的整个流程，于是乎选择有效的邻域搜索操作对改进候鸟优化算法的性能至关重要，因此，步骤5中采用最优嵌入操作实现种群个体的邻域搜索操作，嵌入操作机制如示意图2所示。图2中在当前解序列中随机选择一项任务，如选择了任务6，假设任务6为装配任务则通过装配作业优先顺序关系PA确定任务6的紧前和紧后任务分别为3和7，可知任务6可以插入虚线箭头所指的①和②中任意一个位置，由此产生一个邻域解。如若选择的任务为某一拆卸任务，则同样地，根据拆卸作业优先顺序关系PD确定该任务的紧前和紧后作业，再由此判断该选中的任务可插入的位置。领飞鸟个体通过上述嵌入操作产生TS个新解，在这TS个新解中选择最优的k个解作为当前解的k个邻域解，通过自体更新后将其剩余邻域解中最优的x个邻域解分别共享给种群V形左右两支队列的第一个跟飞鸟，而后V形两边队列中的跟飞鸟各自又通过最优嵌入操作产生k-x个邻域解，通过自体更新后同样将其剩余邻域解中最优的x个邻域解共享给其紧接着的跟飞鸟个体，如此直至V形两边队列中的最后一个跟飞鸟完成自体更新。
6、跟飞鸟个体进行邻域搜索操作生成k-x个邻域解，同样地，跟飞鸟个体完成自体更新之后将其剩余的x个最优邻域解共享给其紧接着的跟飞鸟个体；
7、当种群V形队列左右两边的最后一个跟飞鸟个体完成自我更新之后，完成一次巡回，计算种群个体的目标函数值并更新Pareto较优解集；
8、通过计算Hypervolume指标值比较当前Pareto较优解集与更新之前的Pareto较优解集，若Hypervolume指标值保持不变，则计一次局部最优计次，即lim＝lim+1，否则lim＝0；
9、若局部最优计次lim超过计次上限lim_up，则将种群个体进行重置；
基本候鸟优化算法是围绕种群个体的邻域搜索展开的，在算法运行过程中不断向某一个或者某几个邻域方向搜索，同时也在不断接受更优质量的解，这也造成了基本候鸟优化算法容易陷入局部最优的缺陷。为使算法避免陷入局部最优，加速算法的全局寻优，因此步骤9在所提改进候鸟优化算法中设置了一种种群个体重置机制。
具体地，在种群中所有个体完成一次自体更新之后，通过Pareto较优解筛选和更新，若更新后的Pareto较优解与更新之前的Pareto较优解相比保持不变或者没有改进，则计一次局部最优计次lim＝lim+1，否则，lim＝0，一旦局部最优计次超过限定值lim_up，种群个体将会被重置。
由于本发明所研究的检修线平衡问题是多目标问题，算法每次迭代的结果是一个Pareto较优解集包含了若干个Pareto较优解，而Pareto较优解集之间不能通过直接比较得出某个解集的优劣。为此，本发明通过引入Hypervolume指标来处理多目标优化结果的比较，Hypervolume指标是通过比较Pareto较优解集所支配的目标空间大小来衡量解集的优劣，一个解集所支配的目标空间的超体积越大，则该解集质量越好。因而通过计算与比较种群个体自体更新前后的Pareto较优解集的Hypervolume指标值，若Hypervolume值在更新前后没有变化，则计一次局部最优计次lim＝lim+1，否则，lim＝0，一旦局部最优计次超过限定值lim_up，种群个体将会被重置，种群个体的重置是通过随机生成的个体与当前Pareto较优解个体进行交叉操作执行，如图3所示为交叉操作示意图：
如图3所示，在随机生成的个体1上任选两个交叉点，两个交叉点以及这两个交叉点之间的作业序列构成一个交叉区域，如个体1中虚线框内橘色方框所示。通过随机选择当前Pareto较优解集中的任一Pareto个体2，将映射于个体2中的个体1中交叉区域内的作业序列依次替换个体1中交叉区域内的作业序列，产生的新个体3通过继承Pareto较优个体2的优秀片段序列来保证新个体满足作业优先顺序关系。通过这种交叉操作，所有种群个体完成重置，此种重置机制在扩大寻优空间的同时也继承了当前最优个体的特性，避免了算法的迂回搜索，加速算法全局收敛。
10、若巡回计次m_count＞m，领飞鸟个体将进入V形左右两边任一队列的末端成为跟飞鸟，而对应队列的第一个跟飞鸟将代替成为领飞鸟，该队列其余的跟飞鸟依次前进一个位置，进入步骤11，否则m_count＝m_count+1，返回步骤5；
11、若迭代计次iter<＝Iter，iter＝iter+1，返回步骤4，否则进入步骤12；
12、算法终止。
实施例1
本实施例的优化对象为转向架检修线，作业数量TS＝26吗，包括14个拆卸任务(序号为1-14)和12个装配任务(序号为15-26)，该转向架检修线的各项作业数据信息见表1，每个工作站的节拍时间为150s。
表1为转向架检修线的各项作业数据信息。
Figure BDA0001946208340000081
Figure BDA0001946208340000091
26项任务的优先顺序关系如图4所示，所得装配任务优先关系矩阵PA如下：
Figure BDA0001946208340000092
所得拆卸任务优先关系矩阵PD如下：
Figure BDA0001946208340000101
然后，运行伪代码得到种群数量N＝51，设置迭代次数Iter＝700，巡回次数m＝10，个体邻域解个数k＝3，个体共享邻域解个数x＝1，局部最优计次上限lim_up＝10。
然后运行图1所示的改进候鸟优化算法，得到的一个解方案对应任务分配示意图如图5所示，从图5可以看出，在满足各项约束条件的前提下，工作站为仅为9个，其中，拆卸任务2和装配任务25-26分配至工作站1；装配任务20、23-24分配至工作站2；拆卸任务5由于耗时较长，因此工作站3仅负责拆卸任务5；拆卸任务6、8和装配任务22分配至工作站4；拆卸任务4、1和装配任务21、19分配至工作站5；拆卸任务11、7、3分配至工作站6；拆卸任务3、12、9和装配任务18分配至工作站7；拆卸任务10和装配任务16-17分配至工作站8；拆卸任务14和装配任务15分配至工作站9。
可见，本实施例合理分配了转向架检修线上的26项作业任务，使各个工作站内的检修人员的工作负荷尽可能均衡，尽可能地将使用同一种检修资源的任务分配到同一工作站，最大化地利用检修资源从而降低检修成本，实现了检修线空闲指标的最小化以及检修资源数量最小化，显著提高了检修效益。
以上对本发明的有关内容进行了说明。本领域普通技术人员在基于这些说明的情况下将能够实现本发明。基于本发明的上述内容，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

Claims (8)

1.铁路货车并行检修线设置方法，包括以下步骤：
(1)获取检修线的设计信息；
(2)对所述检修线作初步设计：包括两条并行流水线，其中一条负责拆卸任务，另一条负责装配任务，两条线之间通过轨道相连；
(3)构建拆卸-装配并行检修线平衡问题的多目标数学模型，包括将工作站数最小化的第一模型、将工作站空闲指标最小化的第二模型以及将所需的资源数量最小化的第三模型；
(4)采用智能算法，求解可行方案；
所述智能算法为改进的候鸟算法，求解过程包括以下步骤：
(1)初始化算法参数：种群数量N，算法迭代次数Iter，巡回次数m，种群个体邻域解数量k，个体共享邻域解数量x，局部最优计次lim，局部最优计次上限lim_up；
(2)生成初始种群Pop，计算种群个体的目标函数值并筛选Pareto较优解；
(3)设迭代计次iter＝1，进入算法迭代；
(4)设巡回计次m_count＝1；
(5)领飞鸟个体进行邻域搜索操作，自体更新之后将剩余的x个最优邻域解共享给V形队列左右两边的第一个跟飞鸟个体；
(6)跟飞鸟个体进行邻域搜索操作生成k-x个邻域解，同样地，跟飞鸟个体完成自体更新之后将其剩余的x个最优邻域解共享给其紧接着的跟飞鸟个体；
(7)当种群V形队列左右两边的最后一个跟飞鸟个体完成自体 更新之后，完成一次巡回，计算种群个体的目标函数值并更新Pareto较优解集；
(8)通过计算Hypervolume指标值比较当前Pareto较优解集与更新之前的Pareto较优解集，若Hypervolume指标值保持不变，则计一次局部最优计次，即lim＝lim+1，否则lim＝0；
(9)若局部最优计次lim超过计次上限lim_up，则将种群个体进行重置；
(10)若巡回计次m_count＞m，领飞鸟个体将进入V形左右两边任一队列的末端成为跟飞鸟，而对应队列的第一个跟飞鸟将代替成为领飞鸟，该队列其余的跟飞鸟依次前进一个位置，进入步骤(11)，否则m_count＝m_count+1，返回步骤(5)；
(11)若迭代计次iter<＝Iter，iter＝iter+1，返回步骤(4)，否则进入步骤(12)；
(12)算法终止。
2.如权利要求1所述的铁路货车并行检修线设置方法，其特征在于：所述设计信息包括：检修任务信息和检修资源信息。
3.如权利要求2所述的铁路货车并行检修线设置方法，其特征在于：所述检修任务信息包括检修产品数量和规格、检修产品的拆卸任务优先关系和装配任务优先关系。
4.如权利要求1所述的铁路货车并行检修线设置方法，其特征在于：步骤(3)中，
第一模型：
Figure FDA0003707217680000021
第二模型：
Figure FDA0003707217680000022
第三模型：
Figure FDA0003707217680000023
其中，K为工作站个数；k为工作站编号，k∈{1,2,…,K}；Zk为0-1二进制变量，若工作站k开启，则Zk＝1，否则Zk＝0；TTk为工作站k的作业时间；C为工作站k的节拍时间；R为资源种类数量；r为资源种类编号，r∈{1,2,…,R}；Mrk为0-1二进制变量，若资源种类r被分配至工作站k中，则Mrk＝1，否则Mrk＝0。
5.如权利要求4所述的铁路货车并行检修线设置方法，其特征在于：步骤(3)在以下假设条件下进行：
(1)拆卸线上有足够的待检修产品供应，同时装配线上也有足够检修完毕的零部件供给；
(2)忽略检修人员作业的不确定性，也即拆卸与装配任务操作时间确定且已知；
(3)一个并行工作站分配一个检修人员，检修人员都是多技能工，能够胜任检修线上任何操作任务；
(4)忽略检修人员在两条并行流水线之间的走动时间。
6.如权利要求4所述的铁路货车并行检修线设置方法，其特征在于：步骤(3)在以下约束条件下进行：
(1)装配任务的分配须满足装配任务之间的优先顺序关系；
(2)拆卸任务的分配须满足拆卸任务之间的优先顺序关系；
(3)每项装配任务是不可分的，各项装配任务只允许被分配到一个工作站中；
(4)每项拆卸任务是不可分的，各项拆卸任务只允许被分配到一个工作站中；
(5)工作站作业时间为分配至该工作站中的装配作业时间和拆卸作业时间之和，且各工作站作业时间之和不允许超过检修线的预定节拍时间；
(6)分配至某工作站k的装配任务数不大于装配任务总数；
(7)分配至某工作站k的拆卸任务数不大于拆卸任务总数；
(8)工作站按顺序开启，不存在未分配任务的空工作站；
(9)若使用资源种类r的装配任务i被分配至工作站k中，则相应地该工作站k必须配备相应的资源r；
(10)若使用资源种类r的拆卸任务j被分配至工作站k中，则相应地该工作站k也必须配备相应的资源r。
7.如权利要求1所述的铁路货车并行检修线设置方法，其特征在于：求解过程的步骤(2)中初始种群由随机生成法与位置权重启发式方法相结合的方法产生。
8.如权利要求1所述的铁路货车并行检修线设置方法，其特征在于：求解过程的步骤(5)中所述邻域搜索操作为基于最优嵌入机制的邻域搜索操作。
CN201910036901.9A 2019-01-15 2019-01-15 铁路货车并行检修线设置方法 Active CN109635510B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910036901.9A CN109635510B (zh) 2019-01-15 2019-01-15 铁路货车并行检修线设置方法
US16/739,037 US20200346675A1 (en) 2019-01-15 2020-01-09 Arrangement of parallel maintenance lines for railway wagons

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910036901.9A CN109635510B (zh) 2019-01-15 2019-01-15 铁路货车并行检修线设置方法

Publications (2)

Publication Number Publication Date
CN109635510A CN109635510A (zh) 2019-04-16
CN109635510B true CN109635510B (zh) 2022-08-26

Family

ID=66061929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910036901.9A Active CN109635510B (zh) 2019-01-15 2019-01-15 铁路货车并行检修线设置方法

Country Status (2)

Country Link
US (1) US20200346675A1 (zh)
CN (1) CN109635510B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112380722A (zh) * 2020-11-25 2021-02-19 三峡大学 基于遗传算法的水电站设备检修作业指导书自动生成方法
CN113421168B (zh) * 2021-07-01 2022-04-12 上海赑雕机械有限公司 一种机械基础零部件智能加工系统
CN114357861B (zh) * 2021-12-13 2024-07-23 中国航空规划设计研究总院有限公司 一种航空发动机总装脉动装配线的站位平衡设计方法
CN114282370B (zh) * 2021-12-27 2024-04-12 西南交通大学 考虑操作者体力和脑力负荷的拆卸线设置方法
CN116308261B (zh) * 2023-02-03 2024-03-22 中国人民解放军空军工程大学航空机务士官学校 一种基于多属性决策的战伤维修方案生成方法
CN116976133B (zh) * 2023-08-09 2024-09-06 西南交通大学 考虑工人疲劳恢复与分级的多目标拆卸线设置方法
CN116976228B (zh) * 2023-09-22 2024-02-02 武汉理工大学 退役机电产品双边拆解线任务规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243434A (zh) * 2015-09-16 2016-01-13 西安工业大学 一种装配序列规划的方法
CN108038339A (zh) * 2017-12-31 2018-05-15 武汉企鹅能源数据有限公司 一种基于候鸟优化算法的多目标混流双边装配线平衡方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CH652774A5 (fr) * 1983-05-19 1985-11-29 Sig Schweiz Industrieges Machine de chantier ferroviaire dont le chassis roulant est equipe d'un dispositif pour lever et riper une voie ferree.
US20080234994A1 (en) * 2007-03-22 2008-09-25 General Electric Company Method and system for accommodating deterioration characteristics of machines
CN101799846B (zh) * 2010-01-14 2011-08-31 南京大学 一种地下水修复多目标优化方法
US9053208B2 (en) * 2011-03-02 2015-06-09 Microsoft Technology Licensing, Llc Fulfilling queries using specified and unspecified attributes
US11044844B2 (en) * 2012-06-15 2021-06-29 Mauno Keski-Luopa Maintenance and transportation method, system, and apparatus
US10086857B2 (en) * 2013-11-27 2018-10-02 Shanmukha Sravan Puttagunta Real time machine vision system for train control and protection
CN103714395B (zh) * 2013-12-18 2017-01-25 华中科技大学 一种面向成本的混流双边装配线平衡方法
US11195132B2 (en) * 2016-10-31 2021-12-07 International Business Machines Corporation System, method and computer program product for characterizing object status and determining a maintenance schedule

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243434A (zh) * 2015-09-16 2016-01-13 西安工业大学 一种装配序列规划的方法
CN108038339A (zh) * 2017-12-31 2018-05-15 武汉企鹅能源数据有限公司 一种基于候鸟优化算法的多目标混流双边装配线平衡方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"An optimisation support for the design of hybrid production lines including assembly and disassembly tasks";Süleyman Mete,et al;《International Journal of Production Research》;20180131;第56卷(第24期);第7375-7389页 *
"免疫机制协作遗传算法的多目标拆卸线平衡优化";李六柯，张则强，邹宾森，蔡宁;《信息与控制》;20181231;第47卷(第5期);第671-679页 *
"混合装配流水线上最小makespan的协同优化";宋华明，马士华;《系统工程理论与实践》;20070228;第153-160页 *
"装配与拆卸序列的自动生成与评价方法研究";常向青，宁汝新;《北京理工大学学报》;20011031;第21卷(第5期);第567-573页 *
Süleyman Mete,et al."An optimisation support for the design of hybrid production lines including assembly and disassembly tasks".《International Journal of Production Research》.2018,第56卷(第24期),第7375-7389页. *

Also Published As

Publication number Publication date
CN109635510A (zh) 2019-04-16
US20200346675A1 (en) 2020-11-05

Similar Documents

Publication Publication Date Title
CN109635510B (zh) 铁路货车并行检修线设置方法
CN113811915B (zh) 用于在线共享出行平台的统一订单派发和车队管理
Zhou et al. An exact algorithm for the two-echelon vehicle routing problem with drones
Zhao et al. An integrated approach of train scheduling and rolling stock circulation with skip-stopping pattern for urban rail transit lines
CN112270135A (zh) 一种物流发运调度智能配送方法、装置、设备及存储介质
CN110533228B (zh) 一种考虑旅客意愿的航班恢复方法
Khmeleva et al. Fuzzy-logic controlled genetic algorithm for the rail-freight crew-scheduling problem
Shui et al. A clonal selection algorithm for urban bus vehicle scheduling
CN101673382A (zh) 一种农资连锁经营物流配送配载组合优化方法
CN114462693B (zh) 一种基于车辆无人机协同的配送路线优化方法
CN110322066B (zh) 一种基于共享承运人和共享仓库的协同车辆路径优化方法
Wang et al. Carbon reduction in the location routing problem with heterogeneous fleet, simultaneous pickup-delivery and time windows
Chen et al. Green vehicle routing and scheduling optimization of ship steel distribution center based on improved intelligent water drop algorithms
CN113848970A (zh) 一种车辆-无人机多目标协同路径规划方法
CN114626718A (zh) 一种基于订单资源共享和农机资源共用的农机调度方法
Hani et al. Simulation based optimization of a train maintenance facility
Keskinturk et al. A genetic algorithm metaheuristic for bakery distribution vehicle routing problem with load balancing
Yujie et al. Optimization of fixed aviation support resource station configuration for aircraft carrier based on aircraft dispatch mission scheduling
Gan et al. Emergency logistics scheduling in disaster relief based on a multi-agent genetic algorithm
CN118261513A (zh) 运输路由确定方法及装置、计算机存储介质、电子设备
Barth et al. Scheduling of outbound luggage handling at airports
Benotmane et al. Green optimisation for LRP problem using a genetic algorithm and a dynamic island model
WO2023023755A1 (en) A hybrid method for controlling a railway system and an apparatus therefor
Füßler et al. The cafeteria problem: order sequencing and picker routing in on-the-line picking systems
CN110969288B (zh) 一种跨区域应急协同条件下热备动车组配置方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant