CN112883071A - 一种多海工模块装船的驳船智能选取方法 - Google Patents

一种多海工模块装船的驳船智能选取方法 Download PDF

Info

Publication number
CN112883071A
CN112883071A CN202110149883.2A CN202110149883A CN112883071A CN 112883071 A CN112883071 A CN 112883071A CN 202110149883 A CN202110149883 A CN 202110149883A CN 112883071 A CN112883071 A CN 112883071A
Authority
CN
China
Prior art keywords
barge
screening
barges
loaded
module
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
Application number
CN202110149883.2A
Other languages
English (en)
Other versions
CN112883071B (zh
Inventor
杜尊峰
文树吉
吴俊凌
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202110149883.2A priority Critical patent/CN112883071B/zh
Publication of CN112883071A publication Critical patent/CN112883071A/zh
Application granted granted Critical
Publication of CN112883071B publication Critical patent/CN112883071B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B35/28—Barges or lighters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B75/00—Building or assembling floating offshore structures, e.g. semi-submersible platforms, SPAR platforms or wind turbine platforms
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Ocean & Marine Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Architecture (AREA)
  • Computational Linguistics (AREA)
  • Transportation (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Ship Loading And Unloading (AREA)

Abstract

本发明公开了一种多海工模块装船的驳船智能选取方法，以提高多模块运输用驳船的选取效率，降低运输成本。包括下述步骤：建立待装载海工模块数据库；根据待装载海工模块的总重量，利用载重量筛选法对驳船数据库中储存的驳船进行初次筛选，将筛选出的符合载重量要求的所有驳船生成初次筛选驳船数据库；根据待装载海工模块所需占用的总甲板面积，利用甲板面积筛选法对初次筛选驳船数据库中的通过载重量筛选的所有驳船进行再次筛选，将符合甲板面积要求的所有驳船生成再次筛选驳船数据库；计算再次筛选驳船数据库中通过甲板面积筛选的所有驳船的运输成本，选取成本最优的驳船作为运输驳船。该方法提高了驳船的选取效率，保障了运输成本最优化。

Description

一种多海工模块装船的驳船智能选取方法
技术领域
本发明属于海洋运输技术领域，更具体的说，是涉及一种多海工模块装船的驳船智能选取方法。
背景技术
在固定式海洋平台、浮动式海洋平台、海上风机等大型海上结构物建造过程种，均涉及到海工模块的运输。在这些项目中，运输船舶费用是影响项目成本的重要因素。载重能力较小的驳船，租金较低，燃油消耗量小，驳船可装载的海工模块数量少；载重能力较大的驳船，租金较高，燃油消耗量大，驳船可装载的海工模块数量多。
在驳船需要的装载海工模块数量已经确定的情况下，总体工程师从国内外众多的驳船资源中，选取一艘驳船装载所有海工模块，同时，保证选取的驳船运输成本较低。传统驳船选取方法主要依靠工程师经验进行确定，耗费了大量的时间和精力，同时，往往选取驳船的成本并不是全局最优，影响了运输的经济效益。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷，而提供一种多海工模块装船的驳船智能选取方法，以提高多海工模块运输用驳船的选取效率，降低运输成本。
为实现本发明的目的所采用的技术方案是：
一种多海工模块装船的驳船智能选取方法，包括下述步骤：
步骤1，建立待装载海工模块数据库；
步骤2，根据待装载海工模块的总重量，利用载重量筛选法对驳船数据库中储存的驳船进行初次筛选，将筛选出的符合载重量要求的所有驳船生成初次筛选驳船数据库；
步骤3，根据待装载海工模块所需占用的总甲板面积，利用甲板面积筛选法对所述初次筛选驳船数据库中的通过载重量筛选的所有驳船进行再次筛选，将符合甲板面积要求的所有驳船生成再次筛选驳船数据库；
步骤4，计算所述再次筛选驳船数据库中通过甲板面积筛选的所有驳船的运输成本，选取成本最优的驳船作为运输驳船。
所述待装载海工模块数据库包括待装载的海工模块数量、每个待装载海工模块的重量、每个海工模块底层对应甲板上的最大长度轮廓尺寸及每个海工模块底层对应甲板上的最大宽度轮廓尺寸。
所述载重量筛选法包括下述步骤：
步骤(1)，将所述驳船数据库中储存的编号为i的驳船作为待筛选驳船；
步骤(2)，判断待筛选驳船的载重量W船是否大于或等于海工模块总重量W总，如果W船大于W总，则保留当前待筛选驳船；如果W船小于或等于W总，则淘汰当前待筛选驳船；
步骤(3)，判断i+1是否大于驳船数据库中的驳船数量k，如果i+1大于驳船数量k，则结束载重量筛选法；如果i+1小于或等于驳船数量k，则将编号为i+1的驳船重新作为待筛选驳船执行步骤(2)，继续进行筛选。
所述甲板面积筛选法包括下述步骤：
步骤一、将通过载重量筛选的所有驳船按照载重量大小从小到大的顺序进行二次编号，二次编号为从1到g的自然数，g为通过载重量筛选的驳船数量；
步骤二、将待装载海工模块按照扩充外形轮廓面积从大到小编号，编号从1到n，n为海工模块的数量；
步骤三、按照各个海工模块扩充外形轮廓面积从大到小的顺序进行虚拟装船，包括下述步骤：
步骤①、将通过载重量筛选的编号为j的驳船作为当前待筛选驳船；将编号为m的海工模块作为当前待装载海工模块；
步骤②、计算当前待筛选驳船的有效装载空间数量c，判断有效装载空间的数量c是否大于0；
步骤③、若有效装载空间的数量c大于0，将当前待装载的海工模块的扩充外形轮廓分别装载至各个有效装载空间中，计算各个有效装载空间装载当前海工模块扩充外形轮廓后的空间平整度Ed；输出空间平整度Ed最大的有效空间的驳船甲板作为装载当前海工模块的驳船甲板，将待装载海工模块扩充外形轮廓装载至当前驳船甲板上，之后，执行步骤④；若有效装载空间的数量c等于0，则淘汰当前驳船；
步骤④、判断m+1是否大于海工模块数量n；
步骤⑤、当m+1大于海工模块数量n时，表示当前的驳船能够装载所有海工模块，则保留该符合要求的驳船；之后，执行步骤⑦；
步骤⑥、当m+1小于或等于海工模块数量n时，将编号为m+1的海工模块作为当前待装载海工模块，执行步骤②；
步骤⑦、判断j+1是否小于等于通过载重量筛选的驳船数量g；
步骤⑧、当j+1小于或等于g时，表明仍有驳船需要判断是否能够装载完所有的模块，将编号为j+1的驳船作为当前待筛选驳船，执行步骤②；当j+1大于g时，表明所有驳船都已经判断完成，则输出所有通过甲板面积筛选法的驳船。
所述空间平整度Ed的表达式为：Ed＝e4-p，式中，p为角区数量。
与现有技术相比，本发明的有益效果是：
1、本发明的多海工模块装船的驳船智能选取法依次通过载重量筛选、甲板面积筛选、成本计算多种方法结合，实现了智能、合理、高效的选取驳船，可以为工程师选取装载模块的驳船提供参考，提高了驳船的选取效率，保障了运输成本最优化，有利于降低运输成本。
2、本发明的筛选方法通过对数据库中的驳船进行逐一筛选，相比于传统依靠人工经验选取的驳船，从全局角度优化驳船选取方法；载重量筛选方法的应用，提升了驳船选取方法的效率；甲板面积筛选法的应用保证了选取的驳船可以装载所有的海工模块，既能够快速、高线的实现对驳船的筛选，同时通过计算所有可行驳船的运输费用，从全局角度实现成本优化，具有工程实践意义。
附图说明
图1所示为本发明多海工模块装船的驳船智能选取方法整体流程图；
图2所示为甲板面积筛选法中海工模块底层甲板最大边长外扩形成待装载海工模块扩充外形轮廓的示意图；
图3所示为甲板面积筛选法中有效装载空间的判断示意图；
图4所示为甲板面积筛选法中的角区计算示意图。
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明。
本发明的多海工模块装船的驳船智能选取方法包括下述步骤：
步骤1，建立待装载海工模块数据库；所述待装载海工模块数据库包括待装载的海工模块数量、每个待装载海工模块的重量、每个海工模块底层对应甲板上的最大长度轮廓尺寸及每个海工模块底层对应甲板上的最大宽度轮廓尺寸。
步骤2，根据待装载海工模块的总重量，利用载重量筛选法对驳船数据库中储存的驳船进行初次筛选，将筛选出的符合载重量要求的所有驳船生成初次筛选驳船数据库；所述载重量筛选法包括下述步骤：
步骤(1)，将所述驳船数据库中储存的编号为i的驳船作为待筛选驳船；
步骤(2)，判断待筛选驳船的载重量W船是否大于或等于海工模块总重量W总，如果W船大于W总，则保留当前待筛选驳船；如果W船小于或等于W总，则淘汰当前待筛选驳船；
步骤(3)，判断i+1是否大于驳船数据库中的驳船数量k，如果i+1大于驳船数量k，则结束载重量筛选法；如果i+1小于或等于驳船数量k，则将编号为i+1的驳船重新作为待筛选驳船执行步骤(2)，继续进行筛选。
步骤3，根据待装载海工模块所需占用的总甲板面积，利用甲板面积筛选法对所述初次筛选驳船数据库中的通过载重量筛选的所有驳船进行再次筛选，将符合甲板面积要求的所有驳船生成再次筛选驳船数据库；所述甲板面积筛选法包括下述步骤：
步骤一、将通过载重量筛选的所有驳船按照载重量大小从小到大的顺序进行二次编号，二次编号为从1到g的自然数，g为通过载重量筛选的驳船数量；
步骤二、将待装载海工模块按照扩充外形轮廓面积从大到小编号，编号从1到n，n为海工模块的数量；
步骤三、按照各个海工模块扩充外形轮廓面积从大到小的顺序进行虚拟装船，包括下述步骤：
步骤①、将通过载重量筛选的编号为j的驳船作为当前待筛选驳船；将编号为m的海工模块作为当前待装载海工模块；
步骤②、计算当前待筛选驳船的有效装载空间数量c，判断有效装载空间的数量c是否大于0；
步骤③、若有效装载空间的数量c大于0，将当前待装载的海工模块的扩充外形轮廓分别装载至各个有效装载空间中，计算各个有效装载空间装载当前海工模块扩充外形轮廓后的空间平整度Ed；输出空间平整度Ed最大的有效空间的驳船甲板作为装载当前海工模块的驳船甲板，将待装载海工模块扩充外形轮廓装载至当前驳船甲板上，之后，执行步骤④；若有效装载空间的数量c等于0，则淘汰当前驳船；
所述空间平整度Ed的表达式为：Ed＝e4-p，式中，p为角区数量。
步骤④、判断m+1是否大于海工模块数量n；
步骤⑤、当m+1大于海工模块数量n时，表示当前的驳船能够装载所有海工模块，则保留该符合要求的驳船；之后，执行步骤⑦；
步骤⑥、当m+1小于或等于海工模块数量n时，将编号为m+1的海工模块作为当前待装载海工模块，执行步骤②；
步骤⑦、判断j+1是否小于等于通过载重量筛选的驳船数量g；
步骤⑧、当j+1小于或等于g时，表明仍有驳船需要判断是否能够装载完所有的模块，将编号为j+1的驳船作为当前待筛选驳船，执行步骤②；当j+1大于g时，表明所有驳船都已经判断完成，则输出所有通过甲板面积筛选法的驳船。
步骤4，计算所述再次筛选驳船数据库中通过甲板面积筛选的所有驳船的运输成本，选取成本最优的驳船作为运输驳船。
本发明一种多海工模块装船的驳船智能选取方法的具体流程图如图1所示，具体流程包括下述步骤：
步骤S1，建立待装载海工模块数据库；其中，所述待装载海工模块数据库包括待装载的海工模块数量n、每个待装载海工模块的重量Wm、每个海工模块底层对应甲板上的最大长度轮廓尺寸am及每个海工模块底层对应甲板上的最大宽度轮廓尺寸bm。其中，m为某一海工模块的编号，m＝1,2,3,4,…n。
步骤S2，根据待装载海工模块的总重量，利用载重量筛选法对驳船数据库中储存的驳船进行初次筛选，将筛选出的符合载重量要求的所有驳船生成初次筛选驳船数据库；具体方法为：
步骤S2.1、将所有的海工模块的重量进行迭代相加，则海工模块的总重量
Figure BDA0002932363530000071
步骤S2.2、驳船数据库中的驳船有编号i、甲板尺寸S甲、载重量W船、每日燃油消耗量、每日租金等数据。驳船编号i，是连续自增的编号，依次从1到k，k为驳船数据库中驳船的数量。初次筛选时，从编号为1的驳船进行筛选，即i＝1，将编号为i的驳船作为待筛选驳船。
步骤S2.3、判断当前待筛选驳船的载重量W船是否大于等于海工模块总重量W总，判断为真时，保留当前编号的待筛选驳船；判断为假时，淘汰当前编号的待筛选驳船；
步骤S2.4、将驳船编号i+1的驳船重新作为待筛选驳船；
步骤S2.5、判断i+1是否大于驳船数据库中的驳船数量k，如果大于驳船数量则表明驳船数据库中的驳船都已经完成载重量筛选，则结束载重量筛选法，输出所有通过载重量筛选法的驳船，生成初次筛选驳船数据库，执行步骤S3，利用甲板面积筛选法对驳船进行进一步筛选；如果i+1小于等于驳船数量k，表明数据库中还有驳船为进行载重量筛选，跳转至步骤S2.2继续进行筛选。
步骤S3，根据待装载海工模块所需占用的总甲板面积，利用甲板面积筛选法对所述初次筛选驳船数据库中的通过载重量筛选的所有驳船进行再次筛选，将符合甲板面积要求的所有驳船生成再次筛选驳船数据库；具体包括下述步骤：
步骤S3.1、将通过载重量筛选的驳船按照驳船载重量大小从小到大进行排序及二次编号，二次编号是连续自增的编号，某一通过载重量筛选的驳船的二次编号记为j,j＝1,2,…,g，g为通过载重量筛选的驳船数量；
步骤S3.2、将各海工模块的底层甲板最大边长进行外扩，本实施例中边长外扩尺寸为1m，形成的规则海工模块外形轮廓作为甲板面积筛选法的基础。图2所示为本发明的甲板面积筛选法中海工模块底层甲板最大边长外扩形成待装载海工模块外形轮廓的示意图。
步骤S3.3、将待装载海工模块按照扩充外形轮廓面积从大到小编号；待装载海工模块的装船顺序为：待装载海工模块按照扩充外形轮廓面积从大到小的顺序装载至驳船甲板中。
步骤S3.4、计算编号为j的驳船有效装载空间的数量c。从编号j＝1的驳船开始判断，每次装载海工模块后需重新判断是否存在有效装载空间。
有效空间的判断方法为：将一虚拟海工模块外形轮廓放置在已装载海工模块的驳船甲板中，将虚拟海工模块外形轮廓四边外扩，直至边长与现有驳船甲板中各边重合形成装载空间。若下一待装载的海工模块扩充外形轮廓能放置进装载空间内则该空间为有效装载空间；若不能则为无效装载空间。可能存在多个有效装载空间。图3所示为甲板面积筛选法中有效装载空间的判断示意图。
步骤S3.5、判断有效装载空间的数量c是否大于或等于0。
若有效装载空间的数量c大于0，表明存在有效装载空间，跳转至步骤S3.6，将待装载海工模块外形轮廓装载至驳船甲板上；若有效装载空间的数量c等于0，则表明不存在有效装载空间，则该驳船无法装载所有模块，淘汰数据库中编号为i，二次编号为j的驳船，跳转至步骤S3.14。
步骤S3.6、将编号为m的海工模块扩充外形轮廓装载至有效装载空间中，某一有效空间编号记为d，初始有效装载空间编号d＝1；d+1≤c；
步骤S3.7、计算装载海工模块外形轮廓m后的空间平整度Ed＝e4-p，p为角区数量，图4所示为本发明的甲板面积筛选法中的角区计算示意图。
步骤S3.8、将编号为d+1的有效装载空间重新作为待计算有效空间进行计算；
步骤S3.9、判断d+1是否小于等于有效装载空间的数量c。当d+1小于等于c时，说明存在有效装载空间未装载，跳转到步骤3.6中；当d+1大于c时，说明所有有效装载空间均已装载，跳转至步骤3.10。
步骤S3.10、输出空间平整度Ed最大的有效空间的驳船甲板作为装载当前海工模块的驳船甲板；
步骤S3.11、将编号为m+1的待装载海工模块重新作为待装载海工模块；
步骤S3.12、判断m+1是否大于模块数量n；当m+1大于海工模块数量n时，表明所有模块均完成装载，该驳船符合要求，跳转至步骤S3.13。当m+1小于等于模块数量n时，需要将编号为m+1的海工模块外形轮廓装载至驳船甲板上，即跳转至步骤S3.4进行进一步判断。
步骤S3.13、驳船数据库中编号为i，二次编号为j的驳船符合要求，保留该驳船。
步骤S3.14、驳船数据库中编号为i，二次编号为j的驳船不符合要求，淘汰该驳船。
步骤S3.15、将编号为j+1的驳船重新作为待筛选驳船；
步骤S3.16、判断j+1是否小于等于通过载重量筛选的驳船数量g；当j+1小于等于g时，表明仍有驳船需要判断是否能够装载完所有的模块，跳转至步骤S3.3；当j+1大于g时，表明所有驳船都已经判断完成，跳转至步骤S3.17；
步骤S3.17、输出所有通过甲板面积筛选法的驳船，生成再次筛选驳船数据库。
步骤S4，计算所述再次筛选驳船数据库中通过甲板面积筛选的所有驳船的运输成本，选取成本最优的驳船作为运输驳船。
驳船运输成本按公式(驳船租金+燃油消耗量)*租用天数计算，其中租用天数可按照里程/驳船航速进行计算，驳船航速一般为10-15节。
至此，完成了多海工模块装船的驳船智能选取。
采用本发明提出的多海工模块装船的驳船智能选取法，通过载重量筛选、甲板面积筛选、成本计算多种方法结合，实现了计算机智能、合理、高效的选取驳船，可以为工程师选取装载模块的驳船提供参考，优化了现有依靠工程师经验的驳船选取方法，提高了驳船选取的效率，具有工程实际意义。
以上所述仅是本发明的优选实施方式，应当指出的是，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种多海工模块装船的驳船智能选取方法，其特征在于，包括下述步骤：
步骤1，建立待装载海工模块数据库；
步骤2，根据待装载海工模块的总重量，利用载重量筛选法对驳船数据库中储存的驳船进行初次筛选，将筛选出的符合载重量要求的所有驳船生成初次筛选驳船数据库；
步骤3，根据待装载海工模块所需占用的总甲板面积，利用甲板面积筛选法对所述初次筛选驳船数据库中的通过载重量筛选的所有驳船进行再次筛选，将符合甲板面积要求的所有驳船生成再次筛选驳船数据库；
步骤4，计算所述再次筛选驳船数据库中通过甲板面积筛选的所有驳船的运输成本，选取成本最优的驳船作为运输驳船。
2.根据权利要求1所述的多海工模块装船的驳船智能选取方法，其特征在于，所述待装载海工模块数据库包括待装载的海工模块数量、每个待装载海工模块的重量、每个海工模块底层对应甲板上的最大长度轮廓尺寸及每个海工模块底层对应甲板上的最大宽度轮廓尺寸。
3.根据权利要求1所述的多海工模块装船的驳船智能选取方法，其特征在于，所述载重量筛选法包括下述步骤：
步骤(1)，将所述驳船数据库中储存的编号为i的驳船作为待筛选驳船；
步骤(2)，判断待筛选驳船的载重量W船是否大于或等于海工模块总重量W总，如果W船大于W总，则保留当前待筛选驳船；如果W船小于或等于W总，则淘汰当前待筛选驳船；
步骤(3)，判断i+1是否大于驳船数据库中的驳船数量k，如果i+1大于驳船数量k，则结束载重量筛选法；如果i+1小于或等于驳船数量k，则将编号为i+1的驳船重新作为待筛选驳船执行步骤(2)，继续进行筛选。
4.根据权利要求1所述的多海工模块装船的驳船智能选取方法，其特征在于，所述甲板面积筛选法包括下述步骤：
步骤一、将通过载重量筛选的所有驳船按照载重量大小从小到大的顺序进行二次编号，二次编号为从1到g的自然数，g为通过载重量筛选的驳船数量；
步骤二、将待装载海工模块按照扩充外形轮廓面积从大到小编号，编号从1到n，n为海工模块的数量；
步骤三、按照各个海工模块扩充外形轮廓面积从大到小的顺序进行虚拟装船，包括下述步骤：
步骤①、将通过载重量筛选的编号为j的驳船作为当前待筛选驳船；将编号为m的海工模块作为当前待装载海工模块；
步骤②、计算当前待筛选驳船的有效装载空间数量c，判断有效装载空间的数量c是否大于0；
步骤③、若有效装载空间的数量c大于0，将当前待装载的海工模块的扩充外形轮廓分别装载至各个有效装载空间中，计算各个有效装载空间装载当前海工模块扩充外形轮廓后的空间平整度Ed；输出空间平整度Ed最大的有效空间的驳船甲板作为装载当前海工模块的驳船甲板，将待装载海工模块扩充外形轮廓装载至当前驳船甲板上，之后，执行步骤④；若有效装载空间的数量c等于0，则淘汰当前驳船；
步骤④、判断m+1是否大于海工模块数量n；
步骤⑤、当m+1大于海工模块数量n时，表示当前的驳船能够装载所有海工模块，则保留该符合要求的驳船；之后，执行步骤⑦；
步骤⑥、当m+1小于或等于海工模块数量n时，将编号为m+1的海工模块作为当前待装载海工模块，执行步骤②；
步骤⑦、判断j+1是否小于等于通过载重量筛选的驳船数量g；
步骤⑧、当j+1小于或等于g时，表明仍有驳船需要判断是否能够装载完所有的模块，将编号为j+1的驳船作为当前待筛选驳船，执行步骤②；当j+1大于g时，表明所有驳船都已经判断完成，则输出所有通过甲板面积筛选法的驳船。
5.根据权利要求4所述的多海工模块装船的驳船智能选取方法，其特征在于，所述空间平整度Ed的表达式为：Ed＝e4-p，式中，p为角区数量。
CN202110149883.2A 2021-02-03 2021-02-03 一种多海工模块装船的驳船智能选取方法 Active CN112883071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110149883.2A CN112883071B (zh) 2021-02-03 2021-02-03 一种多海工模块装船的驳船智能选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110149883.2A CN112883071B (zh) 2021-02-03 2021-02-03 一种多海工模块装船的驳船智能选取方法

Publications (2)

Publication Number Publication Date
CN112883071A true CN112883071A (zh) 2021-06-01
CN112883071B CN112883071B (zh) 2022-11-01

Family

ID=76057034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110149883.2A Active CN112883071B (zh) 2021-02-03 2021-02-03 一种多海工模块装船的驳船智能选取方法

Country Status (1)

Country Link
CN (1) CN112883071B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100221070A1 (en) * 2009-02-27 2010-09-02 Technip France Topsides load-out to barge catamaran for float-over installation
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN106203700A (zh) * 2016-07-11 2016-12-07 中联物流（中国）有限公司 物流管理系统的物流运输方案确定方法和系统
CN107958315A (zh) * 2018-01-09 2018-04-24 广西师范学院 智能物流配送方法
CN111086607A (zh) * 2019-12-31 2020-05-01 武汉理工大学 一种驳船组智能运输控制系统及方法
CN111475730A (zh) * 2020-04-09 2020-07-31 腾讯科技（北京）有限公司 基于人工智能的信息推荐方法、装置、电子设备
CN111882200A (zh) * 2020-07-23 2020-11-03 长安大学 一种考虑车辆路径与三维装箱的车货匹配方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100221070A1 (en) * 2009-02-27 2010-09-02 Technip France Topsides load-out to barge catamaran for float-over installation
CN103761635A (zh) * 2014-01-14 2014-04-30 大连理工大学 一种三维多箱异构货物装载优化方法
CN106203700A (zh) * 2016-07-11 2016-12-07 中联物流（中国）有限公司 物流管理系统的物流运输方案确定方法和系统
CN107958315A (zh) * 2018-01-09 2018-04-24 广西师范学院 智能物流配送方法
CN111086607A (zh) * 2019-12-31 2020-05-01 武汉理工大学 一种驳船组智能运输控制系统及方法
CN111475730A (zh) * 2020-04-09 2020-07-31 腾讯科技（北京）有限公司 基于人工智能的信息推荐方法、装置、电子设备
CN111882200A (zh) * 2020-07-23 2020-11-03 长安大学 一种考虑车辆路径与三维装箱的车货匹配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李江成等: ""基于双层规划的海运装载方案优化"", 《兵工自动化》 *
杜尊峰等: ""双船浮托拆解海洋平台动态稳性"", 《中国海洋平台》 *

Also Published As

Publication number Publication date
CN112883071B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN112883071B (zh) 一种多海工模块装船的驳船智能选取方法
Hefazi et al. Multidisciplinary synthesis optimization process in multihull ship design
CN104802928A (zh) 半潜式平台的建造合拢方法
Zeng et al. Automated stowage planning for large containerships with improved safety and stability
Marzi et al. HOLISTIC ship design optimisation
Chao et al. Minimizing overstowage in master bay plans of large container ships
Rigo et al. Design of innovative ship concepts using an integrated decision support system for ship production and operation
Li et al. A two-phase approach for inland container ship stowage on full route on Yangtze River
CN116528320A (zh) 可控簇规模的无人机自组网簇首推举方法、系统及介质
Whitcomb et al. Concept level naval surface combatant design in the axiomatic approach to design framework
Papanikolaou Holistic ship design optimisation
Ventura et al. Integration of a voyage model concept into a ship design optimization procedure
Min et al. Improving ship stability in automated stowage planning for large containerships
van Lynden et al. Offshore Wind Installation Vessels: Generating insight about the driving factors behind the future design
Palippui et al. Ship building design of general cargo vessel using comparator ship method in port route of Jakarta-Makassar-Manokwari
Grinnaert et al. Calcoque: a fully 3D ship hydrostatic solver
Priftis et al. Parametric design and holistic optimisation of post-panamax containerships
CN110223016A (zh) 一种深远海油气田钻采开发物资运输方案的选定方法
Prebeg et al. Multiobjective ship structural optimization using surrogate models of an oil tanker crashworthiness
Mauro et al. Effect of different propulsion systems on CNG ships fleet composition and economic effectiveness
Hetharia et al. Preliminary study of medium-speed monohull passenger ferries
Sun et al. Hull Structure Design of a small scale Oceanographic Buoy
Zhu et al. A dynamic programming-based slot reservation method for non-clear containers in automated container terminals
CN113799940B (zh) 利用集中力模拟集装箱载荷进行垂向静水剪力计算的方法
CN116306811B (zh) 一种针对ReRAM部署神经网络的权重分配方法

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