CN112488441A - 一种露天矿卡车智能调度方法及系统 - Google Patents
一种露天矿卡车智能调度方法及系统 Download PDFInfo
- Publication number
- CN112488441A CN112488441A CN202011142353.7A CN202011142353A CN112488441A CN 112488441 A CN112488441 A CN 112488441A CN 202011142353 A CN202011142353 A CN 202011142353A CN 112488441 A CN112488441 A CN 112488441A
- Authority
- CN
- China
- Prior art keywords
- mine
- card
- time
- sub
- unloading
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000011068 loading method Methods 0.000 claims description 73
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- YECBIJXISLIIDS-UHFFFAOYSA-N mepyramine Chemical compound C1=CC(OC)=CC=C1CN(CCN(C)C)C1=CC=CC=N1 YECBIJXISLIIDS-UHFFFAOYSA-N 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 7
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种露天矿卡车智能调度方法及系统。其中露天矿卡车智能调度方法包括一种重车调度方法和一种空车调度方法。重车调度方法包括以下步骤:构建等待时间迭代预测框架,根据路网数据、任务中矿卡状态数据以及目的节点设备工作状态数据预测待调度矿卡的等待时间,作为子目标a、子目标c;由上层车流规划结果获取矿山区域每条道路的目标流率,作为子目标b;将电铲目标产量完成度作为子目标d;分别对子目标a、子目标b和子目标c、子目标d进行归一化及加权处理,构建重车调度和空车调度任务匹配模型,求解生成调度指令。本发明所提出的露天矿卡车智能调度方法及系统可以提高矿山运输系统的工作效率,同时节省矿山设备能耗,有助于推进智慧矿山建设。
Description
技术领域
本发明涉及智慧矿山领域,尤其涉及一种露天矿卡车智能调度方法及系统。
背景技术
大型露天矿山开采工艺通常包括穿爆、采装、运输、排卸等四个步骤。其中,采装在装载点处进行,采装设备为铲车,一台铲车同一时间只能为单辆矿卡采装,采装物料包括矿石和废土;运输工具为矿卡,根据单次运输的物料类型分为载矿矿卡和载土矿卡,同一矿区的矿卡核载重量一般有很多种;排卸在卸载点进行,卸载点分为卸矿区和排土点两种类型,排土点通常为单入口,矿卡按照到达顺序逐一排卸,卸矿区一般为破碎站或配矿中转站,通常也为单入口。矿卡装载完成后需要为其指定卸载点,称为重车调度;矿卡卸载完成后需要为其指定装载点,称为空车调度,调度的目的在于提高作业效率、降低作业成本。
通过人工依靠经验对矿卡进行调度过于繁琐且效率低下,在计算机技术迅速发展的今天,智能调度可以在节省运输成本的同时提高运输效率、降低人工成本。现有智能调度算法通常为两阶段调度,第一阶段称为车流规划,根据矿山作业计划确定本班次内每条路径的目标流率,单位为吨/小时(t/h);第二阶段称为实时调度,根据矿山动态作业情况对矿卡进行任务分配,以达到预期的作业目标。
目前的露天矿卡车调度多集中于系统平台的搭建,而对核心调度算法的研究较少;目前已有部分矿场为提高运输作业效率、减少矿卡等待时间,将卸矿区设置为多入口,多台矿卡可同时卸载,但尚无考虑此类卸矿区的露天矿卡车智能调度方法;现有的露天矿卡车调度模型多根据单一目标进行调度,与上层车流规划结果耦合性较差,并且在进行调度决策时没有考虑已调度车辆以及目的地设备工作状态变化带来的影响。因为以上原因,现有露天矿卡车智能调度算法适用场景单一,可扩展性差,难以满足动态变化的最优调度需求。
目前已有关于露天矿卡车智能调度的相关技术与专利,例如:公开号为CN110053573A,CN108109368A,CN103164782B的专利关注于露天矿卡车调度系统平台架构;公开号为CN109190835A的专利中通过时间窗约束进行矿卡作业调度,但其所建模型只能针对同质车队进行调度,并且没有考虑实时调度模型与上层规划结果的耦合性,不利于阶段性目标的完成和矿山整体作业规划。
发明内容
针对现有技术存在的不足,本发明的目的在于考虑包含多入口卸矿区的露天矿山,提供一种露天矿卡车智能调度方法及系统,以解决现有露天矿卡车调度方法调度预测不准确、运输效率低下的问题。
为实现上述目的,本发明提供了如下技术方案:一种露天矿卡车智能调度方法,包括如下步骤:
步骤1,针对满载矿卡或空载矿卡可调度的每一个卸载点或装载点,计算预期等待时间,作为子目标a或子目标c;
步骤2,计算当前状态下每条路径的欠车时间或每台电铲的目标产量完成度,作为子目标b或子目标d;
步骤3,根据子目标a和子目标b或者子目标c和子目标d构造目标函数及相关约束,建立重车或空车调度模型,求解得到最优调度结果,生成调度指令供相应矿卡执行。
作为本发明的进一步改进,所述步骤1中针对满载矿卡计算预期等待时间,作为子目标a的具体步骤如下:
步骤11,预测装载中的待调度矿卡到达卸载点i的时间,公式如下:
其中,Trj为待调度矿卡的剩余装载时间,Dji为装载点j与卸载点i之间的最短路径距离,vkl为待调度矿卡k的满载行驶速度;
步骤12,对路网中每一辆以i为目的卸载点的任务中矿卡k’到达卸载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′i为矿卡k’到达卸载点i的剩余行驶距离,vk′l为矿卡k′的满载行驶速度;Tk″i为目前破碎站i处卸载中矿卡的实际到达时间;
步骤13,{Tki,Tk′i,Tk″i}为上述三类矿卡的到达时间或预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,…,Tm,…},其中待调度矿卡预期到达时间为Tm,接下来根据此序列以及卸载规则迭代计算序列中每一辆矿卡的预期等待时间或实际等待时间{w1,w2,…,wm,…},进而得到将待调度矿卡派往每个卸载点的预期等待时间wkji并作为调度子目标a,其中卸载规则分为破碎站卸载规则和排土点卸载规则两种。
作为本发明的进一步改进,当待调度矿卡为载矿矿卡,所述步骤13中的卸载规则为破碎站卸载规则,破碎站卸载规则具体为:3个入口中,入口i1供大容量矿卡卸载,入口i2、i3供小容量矿卡卸载;大容量入口和小容量入口不得同时卸载;若2台小容量矿卡相继到达,则2个小容量入口可同时卸载,对于序列中的某台矿卡n,若其和上一辆矿卡为异质矿卡,则其预期等待时间与上一台矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-1+wn-1+td,n-1-Tn,0)
其中td,n-1为序列中第n-1辆矿卡的卸载时间;若其和上一辆矿卡为同质大容量矿卡,则其预期等待时间同上;若其和上一辆矿卡为同质小容量矿卡,则其等待时间与序列中第n-2辆矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-2+wn-2+td,n-2-Tn,0)
由此迭代得到待调度载矿矿卡k派往卸矿区i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他卸矿区i∈I的预期等待时间;
当待调度矿卡为载土矿卡,所述步骤13中的卸载规则为排土点卸载规则,对于序列中的某台矿卡n,其预期等待时间与第n-1辆矿卡的卸载完成时间相关,计算公式为:
wn=max(Tn-1+wn-1+td,n-1-Tn,0)
迭代计算序列中矿卡的预期等待时间,可得到待调度载土矿卡k派往排土点i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他排土点i∈I的预期等待时间。
作为本发明的进一步改进,所述步骤2中计算每条路径的欠车时间,作为子目标b的具体步骤如下:
步骤21,对矿卡可指派路径ji的欠车时间进行计算并作为调度子目标b,计算公式为:
其中Tjil为路径ji上一次的派车时间,cjil为路径ji上一次派车的矿卡容量(t),Pji为路径ji的目标流率(t/h)。
作为本发明的进一步改进,所述步骤3中根据子目标a和b构造目标函数及相关约束,建立重车调度模型,求解得到最优调度结果的具体步骤如下:
步骤31,首先得到2个子目标函数,分别为:
其中,famin,fbmin分别为fa,fb可达到的最小值,famax,fbmax分别为fa,fb可达到的最大值;
步骤32,通过以下公式进行优化:
式中,Pa,Pb为子目标函数的权重系数,可根据实际作业情况进行设置;xkji为表示调度决策的二进制变量,若将电铲j处的待调度矿卡k派往卸载点i,则xkji=1,否则xkji=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集;
步骤33,求解上述模型得到优化结果,根据优化结果生成调度指令,供待调度矿卡执行。
作为本发明的进一步改进,所述步骤1中针对空载矿卡计算预期等待时间,作为子目标c的具体步骤如下:
步骤14,对卸载中的待调度矿卡进行到达装载点j的时间进行预测,公式如下:
其中,Tri为待调度矿卡的剩余卸载时间,Dij为装载点j与卸载点i之间的最短路径距离,Dij不一定等于Dji,vku为待调度矿卡k的空载行驶速度;
步骤15,对路网中每一辆以j为目的装载点的任务中矿卡k’到达装载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′j为矿卡k’到达装载点j的剩余行驶距离,vk′u为矿卡k′的空载行驶速度;
步骤16,对目前装载点处装载中以及队列中矿卡的剩余装载时间进行计算,公式如下:Δtrj=Δting+ΔtQ;其中Δting表示目前占用装载点j的矿卡的剩余装载时间,ΔtQ为目前矿卡j处等待队列中矿卡的总装载时间;
步骤17,{Tk′j,Tkj}为上述两类矿卡的预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,···,Tm,···},其中待调度矿卡预期到达时间为Tm,其对应的剩余行驶时间为{Δt1,Δt2,···,Δtm,···};
步骤18,计算顺序集合中第一辆矿卡的预期等待时间
w1=max(Δtrj-Δt1,0)
计算顺序集中第二辆矿卡的预期等待时间
w2=max(T1+w1+ts+tl,1-T2,0)
其中ts为矿卡装载前的准备时间,tl,1为顺序集中第一辆矿卡的装载时间。继续迭代可得到待调度矿卡派往装载点的预期等待时间
wkij=wm=max(Tm-1+wm-1+ts+tl,m-1-Tm,0)
同理可计算出将待调度矿卡k派往其他装载点j∈J的预期等待时间,作为子目标c。
作为本发明的进一步改进,所述步骤2中计算每台电铲的目标产量完成度,作为子目标d的具体步骤如下:
步骤22,对矿卡可指派电铲j的目标产量完成度进行计算,并作为调度子目标d,计算公式为:其中Pj′为本班次以来电铲j已完成的装载量(t),数据可从系统中获取,Pj为电铲j在本班次的目标产量(t),计算公式为:
其中Pji为上层规划结果中电铲j在本班次的路径流率(t/h),T为班次总时间。作为本发明的进一步改进,所述步骤3中根据子目标c和子目标d构造目标函数及相关约束,建立空车调度模型,求解得到最优调度结果的具体步骤如下:
步骤34,首先得到2个子目标函数,分别为:
其中,fcmin,fdmin分别为fc,fd可达到的最小值,fcmax,fdmax分别为fc,fd可达到的最大值;
步骤35,通过以下公式进行优化:
式中,Pc,Pd为子目标函数的权重系数,可根据实际作业情况进行设置;xkij为表示调度决策的二进制变量,若将卸载点i处的待调度矿卡k派往电铲j,则xkij=1,否则,xkij=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集;
步骤36,求解上述模型得到优化结果,根据优化结果生成调度指令,供待调度矿卡执行。
本发明另一方面提供了一种应用上述方法的系统,包括:
车载终端监控模块,用于采集矿卡位置、姿态、速度、油量等状态数据;
运动控制模块,设置于车载终端,用于控制矿卡运动,以执行其接收的调度任务,若非无人驾驶矿卡,则由司机执行调度指令;
调度系统监控模块,设置于调度系统后台,通过通信模块接收矿卡状态数据,为调度算法提供数据支持;
调度模块,设置于调度系统后台,内置本发明提出的露天矿卡车智能调度算法,通过求解调度模型得到优化的调度结果,生成调度指令发送至车载终端,同时存储系统任务数据,供数据分析使用;
通信模块,为车载终端和调度系统后台之间的数据交互提供支持,调度后台通过通信模块获取矿卡状态数据,车载终端通过通信模块接收调度指令
本发明的有益效果,通过步骤1的设置,便可有效地实现根据每个卸载点和装载点计算出预期等待时间,来作为子目标a和子目标c,再通过步骤2的设置,便可有效的实现根据每条路径的欠车时间和每台电铲的目标产量完成度,来作为子目标b和子目标d,最后通过步骤3的设置,便可有效的将步骤1和步骤2获得子目标相互结合,建立调度模型,再求解到最优调度结果后再输出调度指令,如此相比于现有技术中的调度方法,易于实现,节约人力,精准调度,提高设备利用率,节省能耗,增加收益等
附图说明
图1为露天矿卡车调度示意图;
图2为本发明提出的露天矿卡车智能调度方法示意图;
图3为路径等待时间迭代预测框架;
图4为本发明提出的露天矿卡车智能调度系统模块框图。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
其中,本发明中假设铲车为电铲、卸矿区为破碎站,并以单入口电铲、排土点以及3入口破碎站为例描述所提出的露天矿卡车智能调度方法,但并不局限于3入口破碎站,同样适用于多入口的配矿中转站等,系统框图如图2所示,以辅助理解所提出的方法。所提出的方法优点在于:易于实现,节约人力,精准调度,提高设备利用率,节省能耗,增加收益等。
基于现有智能网联技术,可以实时获取矿山道路网络中所有车辆的任务数据及状态信息,包括矿卡本次任务目的地、满载/空载行驶速度、剩余行驶距离等数据,根据这些数据可计算智能调度算法的输入参数。
为便于理解,以下描述中,j∈J为装载点,i∈I为卸载点,包括破碎站和排土点,k∈K为待调度矿卡,k′∈K为任务中矿卡。
其中本实施例中的调度方法可应用于重车和空车两种状况,现分别对重车和空车两种状况进行分开说明;
参照图1至4所示,本实施例的一种矿卡重车调度方法,包括如下步骤:
步骤1,针对满载矿卡可调度的每一个卸载点,计算预期等待时间,作为子目标a;
步骤2,计算当前状态下每条路径的欠车时间,作为子目标b;
步骤3,根据子目标a和b构造目标函数及相关约束,建立重车调度模型,求解得到最优调度结果,生成调度指令供相应矿卡执行。
步骤11,预测待调度矿卡(装载中)到达卸载点i的时间,公式如下:
其中,Trj为待调度矿卡的剩余装载时间,Dji为装载点j与卸载点i之间的最短路径距离,vkl为待调度矿卡k的满载行驶速度;
步骤12,对路网中每一辆以i为目的卸载点的任务中矿卡k’到达卸载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′i为矿卡k’到达卸载点i的剩余行驶距离,vk′l为矿卡k′的满载行驶速度;
Tk″i为目前破碎站i处卸载中矿卡的实际到达时间;
步骤13,{Tki,Tk′i,Tk″i}为上述三类矿卡的到达时间或预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,···,Tm,···}(待调度矿卡预期到达时间为Tm),接下来根据此序列以及卸载规则迭代计算序列中每一辆矿卡的预期等待时间或实际等待时间{w1,w2,···,wm,···},进而得到将待调度矿卡派往每个卸载点的预期等待时间wkji并作为调度子目标a,其中卸载规则分为破碎站卸载规则和排土点卸载规则两种;
步骤131,若待调度矿卡为载矿矿卡,则需遵守破碎站卸载规则。
本发明中假设破碎站具有3个入口i1、i2、i3,供不同运载能力的矿卡卸矿,以提高作业效率,将所有矿卡以某一核载重量值为界限分为大容量矿卡和小容量矿卡,卸载规则如下:
1.3个入口中,入口i1供大容量矿卡卸载,入口i2、i3供小容量矿卡卸载;
2.大容量入口和小容量入口不得同时卸载;
3.若2台小容量矿卡相继到达,则2个小容量入口可同时卸载。
对于序列中的某台矿卡n,若其和上一辆矿卡为异质矿卡,则其预期等待时间与上一台矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-1+wn-1+td,n-1-Tn,0)
其中td,n-1为序列中第n-1辆矿卡的卸载时间;若其和上一辆矿卡为同质大容量矿卡,则其预期等待时间同上;若其和上一辆矿卡为同质小容量矿卡,则其等待时间与序列中第n-2辆矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-2+wn-2+td,n-2-Tn,0)
由此迭代得到待调度载矿矿卡k派往卸矿区i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他卸矿区i∈I的预期等待时间;
步骤132,若待调度矿卡为载土矿卡,则需遵守排土点卸载规则。对于序列中的某台矿卡n,其预期等待时间与第n-1辆矿卡的卸载完成时间相关,计算公式为:
wn=max(Tn-1+wn-1+td,n-1-Tn,0)
迭代计算序列中矿卡的预期等待时间,可得到待调度载土矿卡k派往排土点i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他排土点i∈I的预期等待时间;
步骤21,对矿卡可指派路径ji的欠车时间进行计算并作为调度子目标b,计算公式为:
其中Tjil为路径ji上一次的派车时间,cjil为路径ji上一次派车的矿卡容量(t),Pji为路径ji的目标流率(t/h);
步骤31,由此得到2个子目标函数,分别为:
其中,famin,fbmin分别为fa,fb可达到的最小值,famax,fbmax分别为fa,fb可达到的最大值;
步骤32,通过以下公式进行优化:
式中,Pa,Pb为子目标函数的权重系数,可根据实际作业情况进行设置;xkji为表示调度决策的二进制变量,若将电铲j处的待调度矿卡k派往卸载点i,则xkji=1,否则xkji=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集。
式(1)为目标函数,表示为路径预期等待时间和路径欠车时间的加权融合函数,模型求解结果将使其最小化;约束(2)表示每辆待调度矿卡只能执行一个任务;约束(3)表示每个装载点在同一时间最多有1台矿卡申请任务调度;约束(4)表示待调度矿卡数量不能超过总矿卡数量;约束(5)-(7)分别表示为当某卸载点/矿卡/装载点发生故障时,所做任务决策将不再考虑此设备;约束(8)表示调度决策xkji为二进制变量。
步骤33,根据优化结果生成调度指令,供待调度矿卡执行。
参照图1至4所示,本实施例的一种矿卡空车调度方法,包括如下步骤:
步骤1,针对空载矿卡可调度的每一个装载点,计算预期等待时间,作为子目标c;
步骤2,计算当前状态下每台电铲的班次目标产量完成度,作为子目标d;
步骤3,根据子目标c和d构造目标函数及相关约束,建立空车调度模型,求解得到最优调度结果,生成调度指令供相应矿卡执行。
步骤11,对待调度矿卡(卸载中)进行到达装载点j的时间进行预测,公式如下:
其中,Tri为待调度矿卡的剩余卸载时间,Dij为装载点j与卸载点i之间的最短路径距离,Dij不一定等于Dji,vku为待调度矿卡k的空载行驶速度;
步骤12,对路网中每一辆以j为目的装载点的任务中矿卡k’到达装载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′j为矿卡k’到达装载点j的剩余行驶距离,vk′u为矿卡k′的空载行驶速度;
步骤13,对目前装载点处装载中以及队列中矿卡的剩余装载时间进行计算,公式如下:Δtrj=Δting+ΔtQ;其中Δting表示目前占用装载点j的矿卡的剩余装载时间,ΔtQ为目前矿卡j处等待队列中矿卡的总装载时间;
步骤14,{Tk′j,Tkj}为上述两类矿卡的预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,···,Tm,···}(待调度矿卡预期到达时间为Tm),其对应的剩余行驶时间为{Δt1,Δt2,···,Δtm,···};
步骤15,计算顺序集合中第一辆矿卡的预期等待时间
w1=max(Δtrj-Δt1,0)
计算顺序集中第二辆矿卡的预期等待时间
w2=max(T1+w1+ts+tl,1-T2,0)
其中ts为矿卡装载前的准备时间,tl,1为顺序集中第一辆矿卡的装载时间。继续迭代可得到待调度矿卡派往装载点的预期等待时间
wkij=wm=max(Tm-1+wm-1+ts+tl,m-1-Tm,0)
同理可计算出将待调度矿卡k派往其他装载点j∈J的预期等待时间,作为子目标c;
步骤21,对矿卡可指派电铲j的目标产量完成度进行计算,并作为调度子目标4,计算公式为:其中P′j为本班次以来电铲j已完成的装载量(t),数据可从系统中获取,Pj为电铲j在本班次的目标产量(t),计算公式为:
其中Pji为上层规划结果中电铲j在本班次的路径流率(t/h),T为班次总时间;
步骤31,由此得到2个子目标函数,分别为:
其中,fcmin,fdmin分别为fc,fd可达到的最小值,fcmax,fdmax分别为fc,fd可达到的最大值;
步骤32,通过以下公式进行优化:
式中,Pc,Pd为子目标函数的权重系数,可根据实际作业情况进行设置;xkij为表示调度决策的二进制变量,若将卸载点i处的待调度矿卡k派往电铲j,则xkij=1,否则,xkij=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集,式(9)为目标函数,表示为路径等待时间和电铲目标产量完成度的加权融合函数,模型求解结果将使其最小化;约束(10)表示每辆待调度矿卡只能执行一个任务;约束(11)表示每个卸载点在同一时间最多有1台矿卡申请任务调度;约束(12)表示待调度矿卡数量不能超过总矿卡数量;约束(13)-(15)分别表示为当某卸载点/矿卡/装载点发生故障时,所做任务决策将不再考虑此设备;约束(16)表示装载量不能超过待调度矿卡容量;约束(17)表示调度决策xkij为二进制变量。
步骤33,根据优化结果生成调度指令,供待调度矿卡执行。
本实施例另一方面提供了一种应用上述方法的系统,如图4所示,包括:
车载终端监控模块,用于采集矿卡位置、姿态、速度、油量等状态数据;
运动控制模块,设置于车载终端,用于控制矿卡运动,以执行其接收的调度任务,若非无人驾驶矿卡,则由司机执行调度指令;
调度系统监控模块,设置于调度系统后台,通过通信模块接收矿卡状态数据,为调度算法提供数据支持;
调度模块,设置于调度系统后台,内置本发明提出的露天矿卡车智能调度算法,通过求解调度模型得到优化的调度结果,生成调度指令发送至车载终端,同时存储系统任务数据,供数据分析使用;
通信模块,为车载终端和调度系统后台之间的数据交互提供支持,调度后台通过通信模块获取矿卡状态数据,车载终端通过通信模块接收调度指令
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种露天矿卡车智能调度方法,其特征在于:包括如下步骤:
步骤1,针对满载矿卡或空载矿卡可调度的每一个卸载点或装载点,计算预期等待时间,作为子目标a或子目标c;
步骤2,计算当前状态下每条路径的欠车时间或每台电铲的目标产量完成度,作为子目标b或子目标d;
步骤3,根据子目标a和子目标b或者子目标c和子目标d构造目标函数及相关约束,建立重车或空车调度模型,求解得到最优调度结果,生成调度指令供相应矿卡执行。
2.根据权利要求1所述的露天矿卡车智能调度方法,其特征在于:所述步骤1中针对满载矿卡计算预期等待时间,作为子目标a的具体步骤如下:
步骤11,预测装载中的待调度矿卡到达卸载点i的时间,公式如下:
其中,Trj为待调度矿卡的剩余装载时间,Dji为装载点j与卸载点i之间的最短路径距离,vkl为待调度矿卡k的满载行驶速度;
步骤12,对路网中每一辆以i为目的卸载点的任务中矿卡k’到达卸载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′i为矿卡k’到达卸载点i的剩余行驶距离,vk′l为矿卡k′的满载行驶速度;Tk″i为目前破碎站i处卸载中矿卡的实际到达时间;
步骤13,{Tki,Tk′i,Tk″i}为上述三类矿卡的到达时间或预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,···,Tm,···},其中待调度矿卡预期到达时间为Tm,接下来根据此序列以及卸载规则迭代计算序列中每一辆矿卡的预期等待时间或实际等待时间{w1,w2,···,wm,···},进而得到将待调度矿卡派往每个卸载点的预期等待时间wkji并作为调度子目标a,其中卸载规则分为破碎站卸载规则和排土点卸载规则两种。
3.根据权利要求2所述的露天矿卡车调度方法,其特征在于:当待调度矿卡为载矿矿卡,所述步骤13中的卸载规则为破碎站卸载规则,破碎站卸载规则具体为:3个入口中,入口i1供大容量矿卡卸载,入口i2、i3供小容量矿卡卸载;大容量入口和小容量入口不得同时卸载;若2台小容量矿卡相继到达,则2个小容量入口可同时卸载,对于序列中的某台矿卡n,若其和上一辆矿卡为异质矿卡,则其预期等待时间与上一台矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-1+wn-1+td,n-1-Tn,0)
其中td,n-1为序列中第n-1辆矿卡的卸载时间;若其和上一辆矿卡为同质大容量矿卡,则其预期等待时间同上;若其和上一辆矿卡为同质小容量矿卡,则其等待时间与序列中第n-2辆矿卡的卸载完成时间相关,计算公式为:
wg=max(Tn-2+wn-2+td,n-2-Tn,0)
由此迭代得到待调度载矿矿卡k派往卸矿区i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他卸矿区i∈I的预期等待时间;
当待调度矿卡为载土矿卡,所述步骤13中的卸载规则为排土点卸载规则,对于序列中的某台矿卡n,其预期等待时间与第n-1辆矿卡的卸载完成时间相关,计算公式为:
wn=max(Tn-1+wn-1+td,n-1-Tn,0)
迭代计算序列中矿卡的预期等待时间,可得到待调度载土矿卡k派往排土点i的预期等待时间wkji=wm,同理可计算出将待调度矿卡k派往其他排土点i∈I的预期等待时间。
5.根据权利要求1或2所述的露天矿卡车调度方法,其特征在于:所述步骤3中根据子目标a和b构造目标函数及相关约束,建立重车调度模型,求解得到最优调度结果的具体步骤如下:
步骤31,首先得到2个子目标函数,分别为:
其中,famin,fbmin分别为fa,fb可达到的最小值,famax,fbmax分别为fa,fb可达到的最大值;
步骤32,通过以下公式进行优化:
式中,Pa,Pb为子目标函数的权重系数,可根据实际作业情况进行设置;xkji为表示调度决策的二进制变量,若将电铲j处的待调度矿卡k派往卸载点i,则xkji=1,否则xkji=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集;
步骤33,求解上述模型得到优化结果,根据优化结果生成调度指令,供待调度矿卡执行。
6.根据权利要求1所述的露天矿卡车调度方法,其特征在于:所述步骤1中针对空载矿卡计算预期等待时间,作为子目标c的具体步骤如下:
步骤14,对卸载中的待调度矿卡进行到达装载点j的时间进行预测,公式如下:
其中,Tri为待调度矿卡的剩余卸载时间,Dij为装载点j与卸载点i之间的最短路径距离,Dij不一定等于Dji,vku为待调度矿卡k的空载行驶速度;
步骤15,对路网中每一辆以j为目的装载点的任务中矿卡k’到达装载点i的时间进行预测,公式为:
其中,Tnow为当前时刻,Dk′j为矿卡k’到达装载点j的剩余行驶距离,vk′u为矿卡k′的空载行驶速度;
步骤16,对目前装载点处装载中以及队列中矿卡的剩余装载时间进行计算,公式如下:Δtrj=Δting+ΔtQ;其中Δting表示目前占用装载点j的矿卡的剩余装载时间,ΔtQ为目前矿卡j处等待队列中矿卡的总装载时间;
步骤17,{Tk′j,Tkj}为上述两类矿卡的预期到达时间集合,将其中元素按时间先后进行排序为{T1,T2,···,Tm,···},其中待调度矿卡预期到达时间为Tm,其对应的剩余行驶时间为{Δt1,Δt2,···,Δtm,···};
步骤18,计算顺序集合中第一辆矿卡的预期等待时间
w1=max(Δtrj-Δt1,0)
计算顺序集中第二辆矿卡的预期等待时间
w2=max(T1+w1+ts+tl,1-T2,0)
其中ts为矿卡装载前的准备时间,tl,1为顺序集中第一辆矿卡的装载时间,继续迭代可得到待调度矿卡派往装载点的预期等待时间
wkij=wm=max(Tm-1+wm-1+ts+tl,m-1-Tm,0)
同理可计算出将待调度矿卡k派往其他装载点j∈J的预期等待时间,作为子目标c。
8.根据权利要求7所述的露天矿卡车调度方法,其特征在于:所述步骤3中根据子目标c和子目标d构造目标函数及相关约束,建立空车调度模型,求解得到最优调度结果的具体步骤如下:
步骤34,首先得到2个子目标函数,分别为:
其中,fcmin,fdmin分别为fc,fd可达到的最小值,fcmax,fdmax分别为fc,fd可达到的最大值;
步骤35,通过以下公式进行优化:
式中,Pc,Pd为子目标函数的权重系数,可根据实际作业情况进行设置;xkij为表示调度决策的二进制变量,若将卸载点i处的待调度矿卡k派往电铲j,则xkij=1,否则,xkij=0;I,J,K分别为卸载点集、电铲集、矿卡集;I′,J′,K′分别为故障破碎站集、故障电铲集、故障矿卡集;
步骤36,求解上述模型得到优化结果,根据优化结果生成调度指令,供待调度矿卡执行。
9.一种应用权利要求1至8任意一项所述方法的系统,其特征在于:包括:
车载终端监控模块,用于采集矿卡位置、姿态、速度、油量等状态数据;
运动控制模块,设置于车载终端,用于控制矿卡运动,以执行其接收的调度任务,若非无人驾驶矿卡,则由司机执行调度指令;
调度系统监控模块,设置于调度系统后台,通过通信模块接收矿卡状态数据,为调度算法提供数据支持;
调度模块,设置于调度系统后台,内置本发明提出的露天矿卡车智能调度算法,通过求解调度模型得到优化的调度结果,生成调度指令发送至车载终端,同时存储系统任务数据,供数据分析使用;
通信模块,为车载终端和调度系统后台之间的数据交互提供支持,调度后台通过通信模块获取矿卡状态数据,车载终端通过通信模块接收调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011142353.7A CN112488441B (zh) | 2020-10-23 | 2020-10-23 | 一种露天矿卡车智能调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011142353.7A CN112488441B (zh) | 2020-10-23 | 2020-10-23 | 一种露天矿卡车智能调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488441A true CN112488441A (zh) | 2021-03-12 |
CN112488441B CN112488441B (zh) | 2024-05-14 |
Family
ID=74926803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011142353.7A Active CN112488441B (zh) | 2020-10-23 | 2020-10-23 | 一种露天矿卡车智能调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488441B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011792A (zh) * | 2021-04-29 | 2021-06-22 | 上海华兴数字科技有限公司 | 矿山车辆调度方法及系统 |
CN113219933A (zh) * | 2021-07-08 | 2021-08-06 | 北京踏歌智行科技有限公司 | 基于数字孪生预测的露天矿无人驾驶卡车调度系统及方法 |
CN113222460A (zh) * | 2021-05-31 | 2021-08-06 | 西安建筑科技大学 | 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 |
CN113705916A (zh) * | 2021-09-01 | 2021-11-26 | 东北大学 | 一种露天矿铁矿多源多目标配矿方法 |
CN114282706A (zh) * | 2021-11-18 | 2022-04-05 | 郑州宇通矿用装备有限公司 | 一种露天矿山作业方法及系统 |
CN116485062A (zh) * | 2023-06-19 | 2023-07-25 | 江苏集萃清联智控科技有限公司 | 一种露天矿卡车调度方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1071271A (zh) * | 1991-09-25 | 1993-04-21 | 首都钢铁公司 | 采矿计算机汽车调度信息管理系统 |
CA2245312A1 (en) * | 1997-08-19 | 1999-02-19 | Qualcomm Incorporated | Truck communication system |
CN1601539A (zh) * | 2004-10-15 | 2005-03-30 | 清华大学 | 露天矿车流的优化控制方法 |
AU2008202871A1 (en) * | 2008-06-30 | 2010-01-14 | Autonomous Solutions, Inc. | Vehicle dispatching method and system |
WO2015151359A1 (ja) * | 2014-03-31 | 2015-10-08 | 日立建機株式会社 | 車両走行管制システム及び管制サーバ |
KR20170011768A (ko) * | 2015-07-24 | 2017-02-02 | 부경대학교 산학협력단 | 노천 및 지하광산 트럭-로더 운반시스템의 최적화를 위한 시뮬레이션방법 |
CN106651392A (zh) * | 2016-12-07 | 2017-05-10 | 中国联合网络通信集团有限公司 | 一种智能商业选址方法、装置及系统 |
US20170178070A1 (en) * | 2015-12-21 | 2017-06-22 | Sap Se | Data analysis for dispatch scheduling optimization in the presence of time constraints |
CN106991519A (zh) * | 2017-02-14 | 2017-07-28 | 武汉理工大学 | 露天矿山铲运设备智能调度控制方法与系统 |
CN109190835A (zh) * | 2018-09-13 | 2019-01-11 | 西安建筑科技大学 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
CN109447357A (zh) * | 2018-11-02 | 2019-03-08 | 浙江大学 | 一种货物装载运输卡车调度系统的燃油消耗优化方法 |
JP2019144841A (ja) * | 2018-02-20 | 2019-08-29 | 日立建機株式会社 | 自律走行システム |
CN111260913A (zh) * | 2020-01-16 | 2020-06-09 | 江苏徐工工程机械研究院有限公司 | 一种露天矿山无人化运输系统的矿用卡车卸载方法及系统 |
-
2020
- 2020-10-23 CN CN202011142353.7A patent/CN112488441B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1071271A (zh) * | 1991-09-25 | 1993-04-21 | 首都钢铁公司 | 采矿计算机汽车调度信息管理系统 |
CA2245312A1 (en) * | 1997-08-19 | 1999-02-19 | Qualcomm Incorporated | Truck communication system |
CN1601539A (zh) * | 2004-10-15 | 2005-03-30 | 清华大学 | 露天矿车流的优化控制方法 |
AU2008202871A1 (en) * | 2008-06-30 | 2010-01-14 | Autonomous Solutions, Inc. | Vehicle dispatching method and system |
WO2015151359A1 (ja) * | 2014-03-31 | 2015-10-08 | 日立建機株式会社 | 車両走行管制システム及び管制サーバ |
KR20170011768A (ko) * | 2015-07-24 | 2017-02-02 | 부경대학교 산학협력단 | 노천 및 지하광산 트럭-로더 운반시스템의 최적화를 위한 시뮬레이션방법 |
US20170178070A1 (en) * | 2015-12-21 | 2017-06-22 | Sap Se | Data analysis for dispatch scheduling optimization in the presence of time constraints |
CN106651392A (zh) * | 2016-12-07 | 2017-05-10 | 中国联合网络通信集团有限公司 | 一种智能商业选址方法、装置及系统 |
CN106991519A (zh) * | 2017-02-14 | 2017-07-28 | 武汉理工大学 | 露天矿山铲运设备智能调度控制方法与系统 |
JP2019144841A (ja) * | 2018-02-20 | 2019-08-29 | 日立建機株式会社 | 自律走行システム |
CN109190835A (zh) * | 2018-09-13 | 2019-01-11 | 西安建筑科技大学 | 一种基于时间窗限制的露天矿卡车调度路径优化方法 |
CN109447357A (zh) * | 2018-11-02 | 2019-03-08 | 浙江大学 | 一种货物装载运输卡车调度系统的燃油消耗优化方法 |
CN111260913A (zh) * | 2020-01-16 | 2020-06-09 | 江苏徐工工程机械研究院有限公司 | 一种露天矿山无人化运输系统的矿用卡车卸载方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011792A (zh) * | 2021-04-29 | 2021-06-22 | 上海华兴数字科技有限公司 | 矿山车辆调度方法及系统 |
CN113011792B (zh) * | 2021-04-29 | 2024-03-26 | 上海华兴数字科技有限公司 | 矿山车辆调度方法及系统 |
CN113222460A (zh) * | 2021-05-31 | 2021-08-06 | 西安建筑科技大学 | 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 |
CN113222460B (zh) * | 2021-05-31 | 2023-06-23 | 西安建筑科技大学 | 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 |
CN113219933A (zh) * | 2021-07-08 | 2021-08-06 | 北京踏歌智行科技有限公司 | 基于数字孪生预测的露天矿无人驾驶卡车调度系统及方法 |
CN113705916A (zh) * | 2021-09-01 | 2021-11-26 | 东北大学 | 一种露天矿铁矿多源多目标配矿方法 |
CN113705916B (zh) * | 2021-09-01 | 2024-03-26 | 东北大学 | 一种露天矿铁矿多源多目标配矿方法 |
CN114282706A (zh) * | 2021-11-18 | 2022-04-05 | 郑州宇通矿用装备有限公司 | 一种露天矿山作业方法及系统 |
CN116485062A (zh) * | 2023-06-19 | 2023-07-25 | 江苏集萃清联智控科技有限公司 | 一种露天矿卡车调度方法及装置 |
CN116485062B (zh) * | 2023-06-19 | 2023-08-29 | 江苏集萃清联智控科技有限公司 | 一种露天矿卡车调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112488441B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488441B (zh) | 一种露天矿卡车智能调度方法及系统 | |
CN110428161B (zh) | 一种基于端边云架构的无人驾驶矿车云智能调度方法 | |
CN107766994A (zh) | 一种共享自行车调度方法与调度系统 | |
CN108162771A (zh) | 一种电动汽车智能充电导航方法 | |
CN109905470A (zh) | 一种基于边缘网关系统的开销优化任务调度方法 | |
CN106295851A (zh) | 一种集卡信息服务与调度系统及其工作方法 | |
Zhang et al. | Real-time scheduling of autonomous mining trucks via flow allocation-accelerated tabu search | |
Wen et al. | Heterogeneous multi-drone routing problem for parcel delivery | |
CN110210806A (zh) | 一种5g边缘计算的云基无人车架构及其控制评价方法 | |
CN113222463A (zh) | 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法 | |
Zhang et al. | Scheduling of autonomous mining trucks: Allocation model based tabu search algorithm development | |
Wang et al. | Optimal delivery route planning for a fleet of heterogeneous drones: A rescheduling-based genetic algorithm approach | |
CN116451934A (zh) | 多无人机边缘计算路径优化与依赖任务调度优化方法及系统 | |
CN108197879B (zh) | 一种多模式客货共运方法及系统 | |
CN117094460B (zh) | 一种基于od数据的多目标旅行商控制方法、系统及介质 | |
CN114626755A (zh) | 一种基于马尔可夫决策的钢铁物流智能调度方法及系统 | |
Mareddy et al. | Development of scheduling methodology in a multi-machine flexible manufacturing system without tool delay employing flower pollination algorithm | |
CN117291491A (zh) | 一种考虑动态风速风向的城市物流无人机路径规划方法 | |
CN116935616A (zh) | 面向港区车辆调度-规控耦合的智能集卡协同调度方法 | |
CN117151368A (zh) | 换电调度方法、装置、电子设备及换电调度系统 | |
Shen et al. | Intelligent material distribution and optimization in the assembly process of large offshore crane lifting equipment | |
Fattouh et al. | A real-time optimization model for production planning in quarry sites | |
CN113222248B (zh) | 一种自动驾驶出租车充电桩选择方法 | |
CN115907066A (zh) | 基于混合麻雀智能优化算法的水泥企业车辆调度方法 | |
Chow et al. | Adaptive scheduling of mixed bus services with flexible fleet size assignment under demand uncertainty |
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 |