CN114897235A - 一种基于多机协同的混凝土坝振捣台车实时调度方法 - Google Patents

一种基于多机协同的混凝土坝振捣台车实时调度方法 Download PDF

Info

Publication number
CN114897235A
CN114897235A CN202210493368.0A CN202210493368A CN114897235A CN 114897235 A CN114897235 A CN 114897235A CN 202210493368 A CN202210493368 A CN 202210493368A CN 114897235 A CN114897235 A CN 114897235A
Authority
CN
China
Prior art keywords
vibrating
trolley
vibration
construction
concrete dam
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
CN202210493368.0A
Other languages
English (en)
Other versions
CN114897235B (zh
Inventor
王龙宝
高东禹
张本腾
龙冲
毛莺池
沈义灿
余庆
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202210493368.0A priority Critical patent/CN114897235B/zh
Publication of CN114897235A publication Critical patent/CN114897235A/zh
Application granted granted Critical
Publication of CN114897235B publication Critical patent/CN114897235B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—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
    • 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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • On-Site Construction Work That Accompanies The Preparation And Application Of Concrete (AREA)

Abstract

本发明公开了一种基于多机协同的混凝土坝振捣台车实时调度方法，包括：建立混凝土坝建设的三维模型，以及混凝土坝不同振捣层的二维模型，通过高精度位置传感器实时更新施工进度，建立混凝土坝整体的三维施工进度模型；计算不同类型振捣台车工作效率；分配不同振捣台车的工作区域；计算不同振捣台车在各自施工区域内需要振捣的振捣点分布；按照路径最短原则，规划各振捣台车的行驶路径；设定安全工作距离，以安全工作距离为约束条件；定期对施工进度进行比较和调度。本发明能够获取到各振捣台车的行驶最短路径，且能够确保振捣台车与其他施工机械处于安全距离，实现各振捣台车的行驶路径的最优规划，实时调度振捣台车完成精细化振捣工作。

Description

一种基于多机协同的混凝土坝振捣台车实时调度方法
技术领域
本发明属于混凝土坝智能建造、绿色建造领域，具体涉及一种基于多机协同的混凝土坝振捣台车实时调度方法。
背景技术
混凝土坝通常建筑在深山峡谷，是国内外建设水库选择的主要坝型之一。截至2014年底，中国坝高70m以上的已建大中型水库中，混凝土坝占38.9％；坝高100m以上已建在建的近200座高坝水库中，混凝土坝占52.6％。水库大坝越高，采用混凝土坝型的比例越高。然而，受河谷狭窄地段影响,多种机械设备的交叉协作施工必然会增加安全和进度风险。在这种情况下，要提高拱坝浇筑施工效率，就必然得从施工精细化管理入手，着眼于混凝土振捣过程自动化，协调好各振捣台车间的协作关系，提高施工效率。
以振捣台车为主的混凝土振捣方式广泛应用于高拱坝混凝土浇筑施工。在一个浇筑区内，配置缆机、平仓机、振捣机各一台，依次完成混凝土的卸料，平仓和振捣工作。振捣台车的停靠、振捣、行进、避让与绕行必然会影响同一区域内其他机械的行驶路径和时间，进而影响了浇筑安全、进度和成本。
目前，在混凝土拱坝浇筑的实际施工时，振捣台车的驾驶主要依赖驾驶员人为判断目标振捣点、同区域的其他运动和静止机械设备的位置、速度等信息，以便决定如何安全避开障碍物，并完成振捣工作活动；对运动实体之间安全关系，振捣点的精细操作考虑较少，从而影响了振捣台车的驾驶路径的合理化规划。
发明内容
发明目的：针对混凝土坝混凝土浇筑工作中存在的工作量大、数据量庞杂、人工处理和评判难度高且效率低、精度低的问题，提供一种基于多机协同的混凝土坝振捣台车实时调度方法，其能够获取到各振捣台车的行驶最短路径，且能够确保振捣台车与其他施工机械处于安全距离，实现各振捣台车的行驶路径的最优规划，实时调度振捣台车完成精细化振捣工作。
技术方案：为实现上述目的，本发明提供一种基于多机协同的混凝土坝振捣台车实时调度方法，包括如下步骤：
S1：提取混凝土坝空间数据，通过计算机完成混凝土坝三维建模，并且建立混凝土坝不同振捣层的二维模型，二维模型以点阵的形式存储在计算机中，每个点代表当前振捣层的振捣点，通过高精度位置传感器实时更新每个振捣点的施工进度，二维模型通过堆叠建立混凝土坝整体的三维施工进度模型以监控大坝振捣工作的整体进度；
S2：根据历史工作数据，计算不同类型振捣台车工作效率；
S3：根据振捣台车工作效率，分配不同振捣台车的工作区域；
S4：按照施工规范要求，计算不同振捣台车在各自施工区域内需要振捣的振捣点分布；
S5：根据步骤S4获取的振捣点分布，计算振捣台车的最短路径，按照路径最短原则，规划各振捣台车的行驶路径；
S6：设定下料缆机、平仓机、振捣台车的安全工作距离，以安全工作距离为约束条件，当振捣台车向下一个振捣点行进时，计算该振捣台车与其他施工机械的距离，若距离小于安全工作距离，则重新规划路线；
S7：定期对施工进度进行比较，若出现某台振捣台车的施工进度明显落后于预期的施工进度，则调度其他振捣台车辅助或接替其工作。
进一步地，所述步骤S2中不同类型振捣台车工作效率的计算公式为：
Figure BDA0003632612750000021
其中，η代表不同振捣台车的工作效率向量，δ代表不同振捣台车在不同的大坝振捣区域工作n小时的工作量(δ以矩阵的形式存储，n取值应大于20)。
对于所有振捣台车类型，每个类型需要n小时(n值应大于等于20)以上的历史施工数据，计算不同类型振捣台车工作效率。
进一步地，所述步骤S3中振捣台车的工作区域的分配方法为：
输入混凝土坝施工计划，结合大坝各层施工面积，计算不同类型振捣台车需要振捣的施工面积，针对不同振捣台车计算的理论工作面积，按照规则化的分配原则分配实际工作任务。
进一步地，所述步骤S3中振捣台车的工作区域的分配步骤为：
A1：通过数据库调取当前建筑层面二维模型，对每层的浇筑面积建立数学模型：
Figure BDA0003632612750000022
其中，l为混凝土坝的宽度，f1(x)为混凝土坝迎水面的线性函数表示，f2(x)为混凝土坝背水面的线性函数表示；
A2：通过步骤A1给出的数学模型计算出振捣台车的振捣面积p在混凝土坝浇筑平面的宽度，即为振捣台车的实际振捣区域。
进一步地，所述步骤S4中振捣点分布的计算方法为：
B1：在相应的振捣区域内，按照混凝土振捣施工规范要求计算工作区域内实际需要的振捣点数量及其分布；
B2：将这些振捣点以图的形式输入到计算机中。
进一步地，所述步骤S5中采用蚁群算法求解振捣台车的最短路径，计算方法为：
设整个蚂蚁群体中蚂蚁的数量为m，振捣点的数量为n，振捣点i与振捣点j之间的距离为dij(i，j＝1，2，…，n)，t时刻振捣点i与振捣点j连接路径上的信息素浓度为τij(t)；初始时刻，蚂蚁被放置在不同的振捣点里，且各振捣点间连接路径上的信息素浓度相同，设τij(0)＝τ(0)，然后蚂蚁将按一定概率选择线路，设
Figure BDA0003632612750000031
为t时刻蚂蚁k从振捣点i转移到振捣点j的概率；
Figure BDA0003632612750000032
其中，
Figure BDA0003632612750000033
为启发函数，表示蚂蚁从振捣点到振捣点期望程度；allowk(k＝1，2，…，m)为蚂蚁k待访问振捣点集合；α为信息素重要程度因子，简称信息度因子，其值越大，表示信息影响强度越大；β为启发函数重要程度因子，简称启发函数因子，其值越大，表明启发函数影响越大；
当所有蚂蚁完整走完一遍所有振捣点之后，各个振捣点间连接路径上的信息浓度为：
Figure BDA0003632612750000034
其中，
Figure BDA0003632612750000035
为第k只蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度；
Figure BDA0003632612750000036
为所有蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度；
进一步地，所述步骤S5中
Figure BDA0003632612750000037
的值由ant cycle system模型进行计算：
Figure BDA0003632612750000038
其中，Q为信息素常数，表示蚂蚁循环一次所释放的信息素总量；Lk为第k只蚂蚁经过路径的总长度。
进一步地，所述步骤S5中采用蚁群算法求解振捣台车的最短路径的算法流程为：
C1：对相关参数进行初始化，包括初始化蚁群规模、信息素因子、启发函数因子、信息素、挥发因子、信息素常数、最大迭代次数等，以及将数据读入程序，并对数据进行基本的处理，如将振捣点的坐标位置，转为振捣点间的矩阵；
C2：随机将蚂蚁放于不同的出发点，对每个蚂蚁计算其下一个访问振捣点，直至所更新信息素表有蚂蚁访问完所有振捣点；
C3：计算各个蚂蚁经过的路径长度，记录当前迭代次数中的最优解，同时对各个振捣点连接路径上的信息素浓度进行更新；
C4：判断是否达到最大迭代次数，若否，则返回步骤C2，否则终止程序；
C5：输出程序结果，即最短路径，将得到的最短路径，上传至数据库。
进一步地，所述步骤S6具体为：
D1：数据库中存有每台振捣台车的路径规划信息，并且保持实时更新状态；
D2：路径开始，通过振捣台车车载电脑读取数据库的路径规划信息，车载电脑通过深度TOF相机、高精度定位传感器接收与其他施工机械的距离和定位信息；
D3：在每台振捣台车移动到下一个振捣工作点时需要通过车载电脑计算在移动到下一个振捣工作点的过程中是否会发生振捣台车与其他施工设备的距离d<D安全甚至是碰撞的情况；
D4：一旦出现距离d<D安全甚至是碰撞的情况，则根据步骤D1重新规划路线。
进一步地，所述步骤S7具体为：
E1：设置最大步差Tmax，即规定每台振捣台车的实际工作进度与规划工作进度的最大差值；
E2：由高精度定位传感器，实时计算振捣台车位置信息，并且上传数据库维持实时施工信息；
E3：在振捣台车向下一个振捣点移动时通过步骤E2更新实时施工信息时，如果振捣台车的步差T>Tmax，则调度备用施工机械介入辅助或者接替当前振捣台车。
有益效果：本发明与现有技术相比，具备如下优点：
1、能够精确获取到各振捣台车的行驶最短路径，解决了驾驶员人为判断目标振捣点存在的判断误差大、难以实现最优路径规划等问题，有效提高了振捣台车的整体工作效率。
2、能够确保振捣台车与其他施工机械处于安全距离，消除了振捣台车出现危险驾驶甚至发生碰撞的安全隐患，保证了振捣台车的驾驶安全性以及顺畅度。
3、能够实时监控每台振捣台车的施工进度，实现所有振捣台车的整体调度，确保达到预期的施工进度。
附图说明
图1为本发明方法的流程示意图；
图2为本发明方法中蚁群算法的流程示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种基于多机协同的混凝土坝振捣台车实时调度方法，如图1所示，其包括如下步骤：
S1：将混凝土坝施工图纸输入计算机，提取混凝土坝空间数据，通过计算机完成混凝土坝三维建模，按照混凝土坝现场施工的实际要求分为不同的振捣层，建立混凝土坝不同振捣层的二维模型，二维模型以点阵的形式存储在计算机中，每个点代表当前振捣层的振捣点，通过高精度位置传感器实时更新施工进度信息输入到数据库，建立混凝土坝每层建筑的实际进度图，以及混凝土坝整体的三维施工模型；
S2：根据历史工作数据，计算不同类型振捣台车工作效率；
S3：根据振捣台车工作效率，分配不同振捣台车的工作区域；
S4：按照施工规范要求，计算不同振捣台车在各自施工区域内需要振捣的振捣点分布；
S5：根据步骤S4获取的振捣点分布，计算振捣台车的最短路径，按照路径最短原则，规划各振捣台车的行驶路径；
S6：设定下料缆机、平仓机、振捣台车的安全工作距离，以安全工作距离为约束条件，当振捣台车向下一个振捣点行进时，计算该振捣台车与其他施工机械的距离，若距离小于安全工作距离，则重新规划路线；
S7：定期对施工进度进行比较，若出现某台振捣台车的施工进度明显落后于预期的施工进度，则调度其他振捣台车辅助或接替其工作。
本实施例步骤S2中不同类型振捣台车工作效率的计算方法为：对于所有振捣台车类型，每个类型需要n小时(n值应大于等于20)以上的历史施工数据，计算不同类型振捣台车工作效率。
本实施例步骤S3中振捣台车的工作区域的分配方法为：
输入混凝土坝施工计划，结合大坝各层施工面积，计算不同类型振捣台车需要振捣的施工面积，针对不同振捣台车计算的理论工作面积，按照规则化的分配原则分配实际工作任务。
振捣台车的工作区域的分配步骤为：
A1：通过数据库调取当前建筑层面二维模型，对每层的浇筑面积建立数学模型：
Figure BDA0003632612750000061
其中，l为混凝土坝的宽度，f1(x)为混凝土坝迎水面的线性函数表示，f2(x)为混凝土坝背水面的线性函数表示；
A2：通过步骤A1给出的数学模型计算出振捣台车的振捣面积p在混凝土坝浇筑平面的宽度，即为振捣台车的实际振捣区域。合理划分工作区域，避免因不同设备任务分配不均而产生的各项设备工期不同导致延误工期。
本实施例步骤S4中振捣点分布的计算方法为：
B1：在相应的振捣区域内，按照混凝土振捣施工规范要求计算工作区域内实际需要的振捣点数量及其分布；
B2：将这些振捣点以图的形式输入到计算机中。
本实施例步骤S5中建立的施工振捣点图，按照路径最短原则规划振捣台车的行驶路径，保证机械工作效率的最大化；对于求解最短路径问题即旅行商问题(TSP)属于NP-hard问题，可以通过对问题模型进行简化，使用蚁群算法等启发式算法求取近似解，计算方法为：
设整个蚂蚁群体中蚂蚁的数量为m，振捣点的数量为n，振捣点i与振捣点j之间的距离为dij(i，j＝1，2，…，n)，t时刻振捣点i与振捣点j连接路径上的信息素浓度为τij(t)；初始时刻，蚂蚁被放置在不同的振捣点里，且各振捣点间连接路径上的信息素浓度相同，设τij(0)＝τ(0)，然后蚂蚁将按一定概率选择线路，设
Figure BDA0003632612750000062
为t时刻蚂蚁k从振捣点i转移到振捣点j的概率；
Figure BDA0003632612750000063
其中，
Figure BDA0003632612750000064
为启发函数，表示蚂蚁从振捣点到振捣点期望程度；alliwk(k＝1，2，…，m)为蚂蚁k待访问振捣点集合；α为信息素重要程度因子，简称信息度因子，其值越大，表示信息影响强度越大；β为启发函数重要程度因子，简称启发函数因子，其值越大，表明启发函数影响越大；
当所有蚂蚁完整走完一遍所有振捣点之后，各个振捣点间连接路径上的信息浓度为：
Figure BDA0003632612750000065
其中，
Figure BDA0003632612750000066
为第k只蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度；
Figure BDA0003632612750000071
为所有蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度；
本实施例中
Figure BDA0003632612750000072
的值由ant cycle system模型进行计算：
Figure BDA0003632612750000073
其中，Q为信息素常数，表示蚂蚁循环一次所释放的信息素总量；Lk为第k只蚂蚁经过路径的总长度。
参照图2，本实施例中采用蚁群算法求解振捣台车的最短路径的算法流程为：
C1：对相关参数进行初始化，包括初始化蚁群规模、信息素因子、启发函数因子、信息素、挥发因子、信息素常数、最大迭代次数等，以及将数据读入程序，并对数据进行基本的处理，如将振捣点的坐标位置，转为振捣点间的矩阵；
C2：随机将蚂蚁放于不同的出发点，对每个蚂蚁计算其下一个访问振捣点，直至所更新信息素表有蚂蚁访问完所有振捣点；
C3：计算各个蚂蚁经过的路径长度，记录当前迭代次数中的最优解，同时对各个振捣点连接路径上的信息素浓度进行更新；
C4：判断是否达到最大迭代次数，若否，则返回步骤C2，否则终止程序；
C5：输出程序结果，即最短路径，将得到的最短路径，上传至数据库。
本实施例中步骤S6具体为：
D1：数据库中存有每台振捣台车的路径规划信息，并且保持实时更新状态；
D2：路径开始，通过振捣台车车载电脑读取数据库的路径规划信息，车载电脑通过深度TOF相机、高精度定位传感器接收与其他施工机械的距离和定位信息；
D3：在每台振捣台车移动到下一个振捣工作点时需要通过车载电脑计算在移动到下一个振捣工作点的过程中是否会发生振捣台车与其他施工设备的距离d<D安全甚至是碰撞的情况；
D4：一旦出现距离d<D安全甚至是碰撞的情况，则根据步骤D1重新规划路线。
本实施例中步骤S7具体为：
E1：设置最大步差Tmax，即规定每台振捣台车的实际工作进度与规划工作进度的最大差值；
E2：由高精度定位传感器，实时计算振捣台车位置信息，并且上传数据库维持实时施工信息；
E3：在振捣台车向下一个振捣点移动时通过步骤E2更新实时施工信息时，如果振捣台车的步差T>Tmax，则调度备用施工机械介入辅助或者接替当前振捣台车。
根据以上实例可知，针对混凝土坝混凝土振捣工作，工作量大，缺少精细化操作，工作变化趋势繁多、评判精度低、人力成本高等问题，本发明的方法通过对混凝土坝施工进度进行三维建模，对振捣面积进行合理分配，同时通过TOF深度相机，高精度位置位置传感器等对实时施工进度进行跟踪，实现实时安全高效的振捣台车调度方案；同时实现了方法的高复用和可扩充，只需修改较少部分的内容，就可以在其他混凝土坝上应用。

Claims (10)

1.一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，包括如下步骤：
S1：提取混凝土坝空间数据，通过计算机完成混凝土坝三维建模，并且建立混凝土坝不同振捣层的二维模型，二维模型以点阵的形式存储在计算机中，每个点代表当前振捣层的振捣点，通过高精度位置传感器实时更新每个振捣点的施工进度，二维模型通过堆叠建立混凝土坝整体的三维施工进度模型以监控大坝振捣工作的整体进度；
S2：根据历史工作数据，计算不同类型振捣台车工作效率；
S3：根据振捣台车工作效率，分配不同振捣台车的工作区域；
S4：按照施工规范要求，计算不同振捣台车在各自施工区域内需要振捣的振捣点分布；
S5：根据步骤S4获取的振捣点分布，计算振捣台车的最短路径，按照路径最短原则，规划各振捣台车的行驶路径；
S6：设定下料缆机、平仓机、振捣台车的安全工作距离，以安全工作距离为约束条件，当振捣台车向下一个振捣点行进时，计算该振捣台车与其他施工机械的距离，若距离小于安全工作距离，则重新规划路线；
S7：定期对施工进度进行比较，若出现某台振捣台车的施工进度明显落后于预期的施工进度，则调度其他振捣台车辅助或接替其工作。
2.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S2中不同类型振捣台车工作效率的计算公式为：
Figure FDA0003632612740000011
其中，η代表不同振捣台车的工作效率向量，δ代表不同振捣台车在不同的大坝振捣区域工作n小时的工作量(δ以矩阵的形式存储，n取值应大于20)。
3.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S3中振捣台车的工作区域的分配方法为：
输入混凝土坝施工计划，结合大坝各层施工面积，计算不同类型振捣台车需要振捣的施工面积，针对不同振捣台车计算的理论工作面积，按照规则化的分配原则分配实际工作任务。
4.根据权利要求3所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S3中振捣台车的工作区域的分配步骤为：
A1：通过数据库调取当前建筑层面二维模型，对每层的浇筑面积建立数学模型：
Figure FDA0003632612740000021
其中，l为混凝土坝的宽度，f1(x)为混凝土坝迎水面的线性函数表示，f2(x)为混凝土坝背水面的线性函数表示；
A2：通过步骤A1给出的数学模型计算出振捣台车的振捣面积p在混凝土坝浇筑平面的宽度，即为振捣台车的实际振捣区域。
5.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S4中振捣点分布的计算方法为：
B1：在相应的振捣区域内，按照混凝土振捣施工规范要求计算工作区域内实际需要的振捣点数量及其分布；
B2：将这些振捣点以图的形式输入到计算机中。
6.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S5中采用蚁群算法求解振捣台车的最短路径，计算方法为：
设整个蚂蚁群体中蚂蚁的数量为m，振捣点的数量为n，振捣点i与振捣点j之间的距离为dij(i，j＝1，2，…，n)，t时刻振捣点i与振捣点j连接路径上的信息素浓度为τij(t)；初始时刻，蚂蚁被放置在不同的振捣点里，且各振捣点间连接路径上的信息素浓度相同，设τij(0)＝τ(0)，然后蚂蚁将按概率选择线路，设
Figure FDA0003632612740000022
为t时刻蚂蚁k从振捣点i转移到振捣点j的概率；
Figure FDA0003632612740000023
其中，
Figure FDA0003632612740000024
为启发函数，表示蚂蚁从振捣点到振捣点期望程度；allowk(k＝1，2，…，m)为蚂蚁k待访问振捣点集合；α为信息素重要程度因子，简称信息度因子；β为启发函数重要程度因子，简称启发函数因子；
当所有蚂蚁完整走完一遍所有振捣点之后，各个振捣点间连接路径上的信息浓度为：
Figure FDA0003632612740000025
其中，
Figure FDA0003632612740000026
为第k只蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度；
Figure FDA0003632612740000027
为所有蚂蚁在振捣点i与振捣点j连接路径上释放信息素而增加的信息素浓度。
7.根据权利要求6所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S5中
Figure FDA0003632612740000031
的值由ant cycle system模型进行计算：
Figure FDA0003632612740000032
其中，Q为信息素常数，表示蚂蚁循环一次所释放的信息素总量；Lk为第k只蚂蚁经过路径的总长度。
8.根据权利要求5所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S5中采用蚁群算法求解振捣台车的最短路径的算法流程为：
C1：对相关参数进行初始化；
C2：随机将蚂蚁放于不同的出发点，对每个蚂蚁计算其下一个访问振捣点，直至所更新信息素表有蚂蚁访问完所有振捣点；
C3：计算各个蚂蚁经过的路径长度，记录当前迭代次数中的最优解，同时对各个振捣点连接路径上的信息素浓度进行更新；
C4：判断是否达到最大迭代次数，若否，则返回步骤C2，否则终止程序；
C5：输出程序结果，即最短路径，将得到的最短路径，上传至数据库。
9.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S6具体为：
D1：数据库中存有每台振捣台车的路径规划信息，并且保持实时更新状态；
D2：路径开始，通过振捣台车车载电脑读取数据库的路径规划信息，车载电脑通过深度TOF相机、高精度定位传感器接收与其他施工机械的距离和定位信息；
D3：在每台振捣台车移动到下一个振捣工作点时需要通过车载电脑计算在移动到下一个振捣工作点的过程中是否会发生振捣台车与其他施工设备的距离d<D安全甚至是碰撞的情况；
D4：一旦出现距离d<D安全甚至是碰撞的情况，则根据步骤D1重新规划路线。
10.根据权利要求1所述的一种基于多机协同的混凝土坝振捣台车实时调度方法，其特征在于，所述步骤S7具体为：
E1：设置最大步差Tmax，即规定每台振捣台车的实际工作进度与规划工作进度的最大差值；
E2：由高精度定位传感器，实时计算振捣台车位置信息，并且上传数据库维持实时施工信息；
E3：在振捣台车向下一个振捣点移动时通过步骤E2更新实时施工信息时，如果振捣台车的步差T>Tmax，则调度备用施工机械介入辅助或者接替当前振捣台车。
CN202210493368.0A 2022-05-07 2022-05-07 一种基于多机协同的混凝土坝振捣台车实时调度方法 Active CN114897235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210493368.0A CN114897235B (zh) 2022-05-07 2022-05-07 一种基于多机协同的混凝土坝振捣台车实时调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210493368.0A CN114897235B (zh) 2022-05-07 2022-05-07 一种基于多机协同的混凝土坝振捣台车实时调度方法

Publications (2)

Publication Number Publication Date
CN114897235A true CN114897235A (zh) 2022-08-12
CN114897235B CN114897235B (zh) 2023-04-07

Family

ID=82721600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210493368.0A Active CN114897235B (zh) 2022-05-07 2022-05-07 一种基于多机协同的混凝土坝振捣台车实时调度方法

Country Status (1)

Country Link
CN (1) CN114897235B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115711970A (zh) * 2022-11-14 2023-02-24 青岛理工大学 一种生成随机变异性膏体尾矿模型的装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596466A (zh) * 2018-04-18 2018-09-28 河海大学 混凝土坝仓面振捣任务分配方法
CN112526992A (zh) * 2020-11-27 2021-03-19 三峡大学 一种混凝土坝缆机入仓轨迹规划与控制方法
CN112947453A (zh) * 2021-02-24 2021-06-11 湖北文理学院 一种混凝土平仓机行驶路径规划与实时调整方法
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596466A (zh) * 2018-04-18 2018-09-28 河海大学 混凝土坝仓面振捣任务分配方法
WO2021189720A1 (zh) * 2020-03-23 2021-09-30 南京理工大学 基于改进蚁群算法的泊车agv路径规划方法
CN112526992A (zh) * 2020-11-27 2021-03-19 三峡大学 一种混凝土坝缆机入仓轨迹规划与控制方法
CN112947453A (zh) * 2021-02-24 2021-06-11 湖北文理学院 一种混凝土平仓机行驶路径规划与实时调整方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钟登华等: "基于实时监控的混凝土坝振捣施工质量动态评价研究", 《水利学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115711970A (zh) * 2022-11-14 2023-02-24 青岛理工大学 一种生成随机变异性膏体尾矿模型的装置及方法

Also Published As

Publication number Publication date
CN114897235B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN107831745B (zh) 一种柔性作业车间插单动态调度优化方法
CN109253729A (zh) 一种无人机航线规划方法、装置及电子设备
CN110264120A (zh) 一种基于多agv的智能仓储路线规划系统和方法
CN106773686B (zh) 同轨双车运行模式下堆垛机调度路径模型建立方法
CN111047086B (zh) 车辆路径规划与无人机任务分配联合优化方法和装置
Kim et al. Framework for an intelligent earthwork system: Part I. System architecture
CN114897235B (zh) 一种基于多机协同的混凝土坝振捣台车实时调度方法
CN115146882B (zh) 一种空地协同巡检方法及系统
CN113450005A (zh) 一种封闭区域无人驾驶车辆集群管理调度方法及装置
Yifei et al. An estimate and simulation approach to determining the automated guided vehicle fleet size in FMS
Parkinson Essays on sequence optimization in block cave mining and inventory policies with two delivery sizes
CN107885697A (zh) 基于平面几何三圆相切库区二层钢卷位置坐标计算方法
CN112668793B (zh) 补给点位确定方法、作业规划方法及相关装置
CN114595607A (zh) 一种数字孪生纺织条桶输送方法及系统
CN102364510A (zh) 流程制造业工序关系的表达方法
CN112665594B (zh) 作业路径规划方法及相关装置
Taghaddos et al. Simulation-based scheduling of modular construction using multi-agent resource allocation
CN117611029A (zh) 一种仓储物流系统的进程式仿真方法及系统
CN116451888B (zh) 基于多agv的柔性生产车间协同调度的方法
KR102309221B1 (ko) 병렬동시작업과 연속 교대방식의 고효율 드론작업시스템
CN115496367A (zh) 一种自密实混凝土浇筑进度管理方法、系统、装置及介质
CN106767838A (zh) 一种基于虚拟路网的服务机器人导航方法及系统
Gyimesi et al. Developing a new logistics based model and pilot system for construction
US20220009098A1 (en) Method and system of manufacturing an insulated member
Tao et al. Research of unidirectional automated guided vehicles system based on simulation

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