CN115526432B - 一种无人驾驶矿车的能源优化方法及装置 - Google Patents
一种无人驾驶矿车的能源优化方法及装置 Download PDFInfo
- Publication number
- CN115526432B CN115526432B CN202211373118.XA CN202211373118A CN115526432B CN 115526432 B CN115526432 B CN 115526432B CN 202211373118 A CN202211373118 A CN 202211373118A CN 115526432 B CN115526432 B CN 115526432B
- Authority
- CN
- China
- Prior art keywords
- mine car
- route
- mining
- mine
- determined
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005065 mining Methods 0.000 claims abstract description 139
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 239000003245 coal Substances 0.000 claims abstract description 35
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 31
- 238000005265 energy consumption Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000032258 transport Effects 0.000 abstract description 9
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 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
- G06Q10/04—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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及矿车运输路线优化技术领域，具体涉及一种无人驾驶矿车的能源优化方法及装置。该方法包括：基于采矿区域中调度中心与采矿点之间的路径，以及每个采矿点与其他采矿点之间的路径构建每辆矿车对应的路线待确定序列；将每辆矿车对应的路线待确定序列作为矩阵中的每行元素组成路线待确定矩阵；建立第一约束条件、第二约束条件、第三约束条件、第四约束条件和第五约束条件，同时得到优化函数；基于第一、第二、第三、第四和第五约束条件以及优化函数对路线待确定矩阵进行优化得到最优路线矩阵；基于最优路线矩阵确定每辆矿车的最优路线。本发明能够对矿车运输煤矿的路线进行优化，使得矿车运输煤矿时的运输煤矿时消耗的能量最小。
Description
技术领域
本发明涉及矿车运输路线优化技术领域，具体涉及一种无人驾驶矿车的能源优化方法及装置。
背景技术
在煤矿开采过程中，煤矿的运输是至关重要的一个环节，在煤矿开采的区域通常都会有多个采矿点，对于每个采矿点开采出来的煤炭都需要经由矿车运往存储区域进行存储，因此矿车的路径规划是一个十分重要的问题，同时为了开采煤矿的企业经济效益最大化，还需要使矿车在运输煤矿时的能源消耗达到最低，因此在规划矿车运输路径的时候需要考虑矿车的能源消耗问题对矿车的运输路径进行优化。
现有对于矿车运输煤矿的路径的规划大都是基于煤矿的实际环境、矿车的调配任务以及矿车在运输过程中是否会拥堵等因素对矿车的行驶路线进行规划和优化的，但是在对矿车运输开采出来的煤矿的行驶路线进行规划时基本很少有考虑矿车本身的能源消耗的。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种无人驾驶矿车的能源优化方法及装置，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种无人驾驶矿车的能源优化方法：
基于采矿区域中调度中心与采矿点之间的路径，以及每个采矿点与其他采矿点之间的路径构建每辆矿车对应的路线待确定序列；将每辆矿车对应的路线待确定序列作为矩阵中的每行元素组成路线待确定矩阵；
基于矿车在任一采矿点的载重、矿车回到调度中心的载重和矿车的最大载重建立第一约束条件；基于每个采矿点在运输开始前和完成后每个采矿点的煤矿容量，和所有矿车运输的煤矿容量建立第二约束条件；每辆矿车对应的路线待确定序列中多个设定位置的元素的和等于1为第三约束条件；
基于矿车在完成一次运输所需要的最长时间和最短时间建立第四约束条件；基于每辆矿车在完成一次输运过程中矿车行驶过的调度中心与采矿点之间，以及采矿点与采矿点之间的路径和路径的方向获得每辆矿车的多个行驶向量；每辆矿车的多个行驶向量的矢量和等于0为第五约束条件；对每辆矿车完成一次运输消耗的能量进行求和得到优化函数；
基于第一、第二、第三、第四和第五约束条件以及优化函数对路线待确定矩阵进行优化得到最优路线矩阵；基于最优路线矩阵确定每辆矿车的最优路线。
优选地，路线待确定序列，包括：基于每个采矿点与调度中心的距离按照从小到大的顺序对调度中心和每个采矿点进行排序并编号；对调度中心与采矿点之间的路径进行编码获得调度中心对应的子序列，对每个采矿点与其他采矿点之间的路径分别进行编码得到每个采矿点对应的子序列；将调度中心对应的子序列和每个采矿点对应的子序列按照调度中心和每个采矿点的编号顺序进行排列得到综合子序列，在综合子序列的末尾插入调度中心对应的子序列得到路线待确定序列；其中每辆矿车对应的路线待确定序列中的元素都为0。
优选地，第一约束条件，包括：矿车在任一采矿点的载重小于等于矿车的最大载重；矿车回到调度中心的载重小于等于矿车的最大载重，且大于等于预设值与矿车的最大载重的乘积。
优选地，第二约束条件为：
其中，N表示采矿点的数量；K表示矿车的数量；M表示矿车的最大载重；Rv,e表示第v个采矿点在运输开始前的煤矿存储量；Rv,e+1表示第v个采矿点在运输完成后的煤矿存储量。
优选地，建立第四约束条件，包括：矿车在完成一次运输所需要的最长时间和最短时间的差值小于第一预设值与矿车在完成一次运输所需要的最短时间的乘积；所述完成一次运输为所有矿车由调度中心驶出，然后回到调度中心。
优选地，获得每辆矿车的多个行驶向量，包括：矿车在调度中心和一个采矿点之间行驶时得到一个行驶向量，其中行驶向量的方向为矿车的行驶方向，行驶向量的模长为调度中心和一个采矿点之间路径的距离；矿车在采矿点之间行驶时得到行驶向量，行驶向量的方向为矿车在采矿点之间行驶时的行驶方向，行驶向量的模长为采矿点之间路径的距离。
优选地，对每辆矿车完成一次运输消耗的能量进行求和得到优化函数，包括：通过大数据统计获得每单位载重的矿车行驶每单位距离所消耗的能量，记为能量消耗系数；一辆矿车完成一次运输消耗的能量为：
其中，σk表示第k辆矿车完成一次运输消耗的能量；α表示能量消耗系数；mka表示第k辆矿车行驶第a个路径时的载重，m0表示矿车本身的重量；la表示第k辆矿车行驶的第a个路径的距离；
对每辆矿车完成一次运输消耗的能量进行求和得到优化函数。
优选地，得到最优路线矩阵，包括：随机选取路线待确定矩阵中所有矿车对应的路线待确定序列中的多个元素赋值为1，其他元素不变，得到预设数量的第一路线待确定矩阵，赋值为1元素表示矿车行驶过该元素对应的路径，其中得到的每个第一路线待确定矩阵都满足第一、第二、第三、第四和第五约束条件；计算每个第一路线待确定矩阵对应的优化函数值，获取优化函数值最小的两个第一路线待确定矩阵进行变异变换获得满足第一、第二、第三、第四和第五约束条件的预设数量的第二路线待确定矩阵；计算每个第二路线待确定矩阵对应的优化函数值，选取优化函数值最小的两个第二路线待确定矩阵继续进行变异变换，直至达到预设的迭代次数，得到最优路线矩阵，其中最优路线矩阵对应的优化函数值最小。
优选地，基于最优路线矩阵确定每辆矿车的最优路线，包括：最优路线矩阵中每行元素对应每辆矿车的最优路线序列；基于一个最优路线序列中元素值为1的元素对应的路径得到该最优路线序列对应矿车的最优路线。
第二方面，本发明还提供了一种无人驾驶矿车的能源优化装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种无人驾驶矿车的能源优化方法的步骤。
本发明实施例至少具有如下有益效果：本发明在求取消耗能量最小的矿车最优路线时，建立了第一约束条件、第二约束条件、第三约束条件、第四约束条件和第五约束条件，其中第一约束条件考虑了矿车运输过程的载重不能超重的问题，第二约束条件考虑了所有矿车每次完成运输后每个采矿点减少的煤矿量需要均匀的问题，第三个约束条件和第五个约束条件考虑了矿车从调度中心出发完成一次运输必须再次回到调度中心的问题；第四个约束条件考虑了矿车运输煤矿所需时长的问题；考虑的因素比较全面，使得最后获得的矿车的最优路线能够最大程度上完成煤矿的运输任务，同时对于矿车能源的消耗问题，基于每辆矿车的消耗的能量的和得到了优化函数，在求最优路线时，利用优化函数筛选出能量消耗最小的矿车的最优路线，使得矿车不仅能够很好的完成运输煤矿任务，而且消耗的能量是最小的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明实施例提供的一种无人驾驶矿车的能源优化方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种无人驾驶矿车的能源优化方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种无人驾驶矿车的能源优化方法及装置的具体方案。
实施例1：
本发明的主要应用场景为：在煤矿运输过程中需要对矿车的行驶路线进行规划，使得矿车能够完成煤矿的运输任务，同时矿车在运输煤矿的过程中，矿车能量消耗的是很大的，因此在规划矿车的路线时需要将能量的消耗考虑进去。
请参阅图1，其示出了本发明一个实施例提供的一种无人驾驶矿车的能源优化方法的方法流程图，该方法包括以下步骤：
步骤S1，基于采矿区域中调度中心与采矿点之间的路径，以及每个采矿点与其他采矿点之间的路径构建每辆矿车对应的路线待确定序列；将每辆矿车对应的路线待确定序列作为矩阵中的每行元素组成路线待确定矩阵。
首先，本发明的操作需要在模拟环境下进行，获得每辆矿车的最大载重M，获得每辆矿车的实时的载重，其中采矿区域有一个调度中心，调度中心与一些采矿点之间有相通的路径，一些采矿点之间也有相通的路径，一共有K个矿车进行运输。
在本发明实施例中，调度中心即是矿车的发车点，也是矿物的存储点，即矿车从调度中心出发，然后经过数个采矿点装填煤矿后，再次回到调度中心。
为了方便后续进行计算，需要基于采矿区域中调度中心与采矿点之间的路径，以及每个采矿点与其他采矿点之间的路径进行编码，编码的数值为0或1，编码为0则表示矿车不从该路径通过，编码为1则表示矿车从该路径通过，在进行编码时是以路径为对象的，一个序列的起始为调度中心与采矿点之间的路径的编码，序列的末尾同样是调度中心与采矿点之间的路径的编码，序列的中间部分为采矿点与采矿点之间的路径的编码。
基于每个采矿点与调度中心的距离按照从小到大的顺序对调度中心和每个采矿点进行排序并编号；对调度中心与采矿点之间的路径进行编码获得调度中心对应的子序列，例如与调度中心之间存在路径的采矿点为5个，则调度中心对应的子序列的长度为5；对每个采矿点与其他采矿点之间的路径分别进行编码得到每个采矿点对应的子序列，与调度中心对应的子序列相同，每个采矿点对应的子序列的长度也与采矿点之间的路径的数量相同；将调度中心对应的子序列和每个采矿点对应的子序列按照调度中心和每个采矿点的编号顺序进行排列得到综合子序列；因为矿车还需要回到调度中心，因此还需要在综合子序列的末尾插入调度中心对应的子序列得到路线待确定序列；其中每辆矿车对应的路线待确定序列中的元素都为0。在本实施例中，路线待确定序列中的元素同时还蕴含矿车行驶的方向信息。
需要说明的是，调度中心对应的子序列和采矿点对应的子序列中每个元素的排列都是按照采矿点距离调度中心的距离，采矿点距离采矿点的距离的大小顺序排列的，从小到大的进行排列；另外，路线待确定序列中采矿点对应的子序列的排列顺序，是按照采矿点距离调度中心的距离的大小进行排列的，也是从小到大的顺序。因为有K辆矿车，所以需要将每个车辆的路线待确定序列组成一个矩阵，其中矩阵中每行元素为每辆矿车的路线待确定序列，将该矩阵作为路线待确定矩阵。因为此时还没有得到具体的矿车的路线，所以路线待确定矩阵中的元素都为0。
步骤S2，基于矿车在任一采矿点的载重、矿车回到调度中心的载重和矿车的最大载重建立第一约束条件；基于每个采矿点在运输开始前和完成后每个采矿点的煤矿容量，和所有矿车运输的煤矿容量建立第二约束条件；每辆矿车对应的路线待确定序列中多个设定位置的元素的和为第三约束条件。
首先，为了后续求解矿车的最优路线，需要建立约束条件，在矿车进行运输任务时，不论何时，矿车的实际载重都不能超过矿车的最大载重，所以第一约束条件为：
mki≤M
其中，mki表示第k个矿车经过第i个采矿点时矿车所承载的矿物的重量，M表示矿车的最大载重，也即是表示矿车在任一采矿点的载重小于等于矿车的最大载重；
0.99≤mkend≤M
其中，0.99表示矿车最大载重与预设值的乘积，0.99即为预设值，mkend表示矿车回到调度中心的载重，M表示矿车的最大载重；该式子表示的意思为矿车回到调度中心的载重小于等于矿车的最大载重，且大于等于预设值与矿车的最大载重的乘积。这样能保证矿车能够不超重安全的运行。
进一步的，所有矿车的路径需要经过所有的采矿点，保证每个采矿点都有矿车去运输，由于每个采矿点的矿物出产数量不同，当某一采矿点被开采完毕后，需要重新规划路线，会增大计算成本。而且若对采矿没有限制会出现矿车在较远的采矿点不进行采集而是在近距离采矿点进行采集的情况，因此需要对矿车的采矿过程进行约束，确保每次运输完毕后，每个采矿点都会同步减少相同比例的煤矿，因此建立第二约束条件：
其中，N表示采矿点的数量；K表示矿车的数量；M表示矿车的最大载重；Rv,e表示第v个采矿点在运输开始前的煤矿存储量；Rv,e+1表示第v个采矿点在运输完成后的煤矿存储量；在第二约束条件中，
表示所有采矿点在完成一次运输后剩余的煤矿储存量的比例的平均值，
表示第v个采矿点在运输一次完成后的剩余煤矿存储量的比例，
表示在完成运输后运出的煤矿占原先煤矿储存量的比例，在运输最优的情况下，
的取值应该是0，但是由于考虑实际情况，于是就设置了一个误差范围，也就是需要小于
同时还需要对于路线确定序列进行约束，建立第三约束条件，因为要保证完整的路线，也即是矿车从调度中心出发，需要再次回到调度中心，在后续规划路线时对路线待确定序列中的元素进行赋值时，需要保证设定位置的几个元素的和为1，即预设第一数值为0。因此每辆矿车对应的路线待确定序列中多个设定位置的元素的和与预设第一数值的相等关系为第三约束条件，需要说明的是，多个设定位置的元素指的是路线待确定序列中两个调度中心对应的子序列中的元素，用公式表示为：
pYk＝1
其中，pYk表示第k个矿车的对应的赋值后的路线待确定序列中多个设定位置的元素的和需要为1。另外需要说明的是在对路线待确定序列中调度中心对应的两个子序列进行赋值时，两个子序列中都需要且只需要有一个元素的值被赋值为1。
步骤S3，基于矿车在完成一次运输所需要的最长时间和最短时间建立第四约束条件；基于每辆矿车在完成一次输运过程中矿车行驶过的调度中心与采矿点之间，以及采矿点与采矿点之间的路径和路径的方向获得每辆矿车的多个行驶向量；每辆矿车的多个行驶向量的矢量和为第五约束条件；对每辆矿车完成一次运输消耗的能量进行求和得到优化函数。
在建立第一、第二和第三约束条件后，还需要保证在运输过程中，所需要的时间最短，因此需要对于运输的时间给予约束。针对于路线待确定序列，构建与其元素相对应的距离序列，距离序列中每个位置的元素为路线待确定序列对应位置的元素对应的路线的距离；对于一个赋值后的路线待确定序列，都会有一个对应的距离序列，因此第四约束条件为：
其中，SPk表示第k辆矿车赋值后的路线待确定序列对应的距离序列中第k辆矿车走过的距离的和，V表示矿车的平均速度，t0表示矿车装填煤矿的平均时间，是通过统计得到，
表示矿车在完成一次运输所需要的最长时间，
表示矿车在完成一次运输所需要的最短时间；
表示第一预设值与矿车在完成一次运输所需要的最短时间的乘积；第四约束条件的目的是为了约束矿车完成一次运输所需要的最长的时间和最短时间相近。能够保证矿车完成一次运输花费的时间足够短。
在第三约束条件的基础上，需要进一步的对矿车的路线进行约束，保证路线是一个完整的路线，以地面建立坐标系，以赋值后的路线待确定序列和对应的距离序列获得向量，具体为：赋值后的路线待确定序列中元素值为1的元素表示矿车从该路径经过，另外还需要结合距离序列才能建立向量，因此矿车在调度中心和一个采矿点之间行驶时得到一个行驶向量，其中行驶向量的方向为矿车的行驶方向，行驶向量的模长为调度中心和一个采矿点之间路径的距离；矿车在采矿点之间行驶时得到行驶向量，行驶向量的方向为矿车在采矿点之间行驶时的行驶方向，行驶向量的模长为采矿点之间路径的距离；这里可以得到一辆矿车的多个向量，需要说明的是，一辆矿车的多个行驶向量指的是赋值后的该车辆的路线待确定序列和对应的距离序列对应的多个行驶向量，将这多个行驶向量的矢量和与预设第二数值的相等关系作为第五约束条件，约束矢量和为0，当矢量和为0的时候才可以判断矿车行驶了一个完整的路线，即预设第二数值为1。
最后，在第一、第二、第三、第四和第五约束条件下还需要保证矿车消耗的能量最小，因此还需要得到优化函数，通过大数据统计获得每单位载重的矿车行驶每单位距离所消耗的能量，记为能量消耗系数；一辆矿车完成一次运输消耗的能量为：
其中，σk表示第k辆矿车完成一次运输消耗的能量；α表示能量消耗系数；mka表示第k辆矿车行驶第a个路径时的载重，m0表示矿车本身的重量；la表示第k辆矿车行驶的第a个路径的距离；需要说明的是，这些矿车行驶过的路径和距离都是基于赋值后的路线待确定序列和对应的距离序列得到的，然后对每辆矿车完成一次运输消耗的能量进行求和得到优化函数：
其中，f表示优化函数，K表示矿车的总数，其表达的意义是所有矿车完成一次运输，所消耗的总能量，该值越小，优化越好。
步骤S4，基于第一、第二、第三、第四和第五约束条件以及优化函数对路线待确定矩阵进行优化得到最优路线矩阵；基于最优路线矩阵确定每辆矿车的最优路线。
在获得第一、第二、第三、第四和第五约束条件以及优化函数之后，基于遗传算法对矿车的路线进行优化，具体的，因为路线待确定矩阵中是K个车辆的路线待确定序列构成的，且其元素都为0，所以在利用遗传算法优化矿车路线时需要先对路线待确定矩阵进行赋值，随机挑选其中的一些元素将其赋值为1，也即是随机选取路线待确定矩阵中所有矿车对应的路线待确定序列中的多个元素赋值为1，其他元素不变，得到预设数量的第一路线待确定矩阵，优选的本实施例中预设数量为10，实施者可以根据具体情况进行调整。
每个第一路线待确定矩阵中的一行元素都能得到一辆矿车的行驶路线，基于此计算出来每个第一路线待确定矩阵对应的优化函数值；获取优化函数值最小的两个第一路线待确定矩阵进行变异变换再次得到10个满足第一、第二、第三、第四和第五约束条件的第二路线待确定矩阵，同样的，基于10个第二路线待确定矩阵计算其优化函数值，再次选取优化函数值最小的两个第二路线待确定矩阵继续进行变异变换得到10个第一、第二、第三、第四和第五约束条件的第三路线待确定矩阵，一次类推，一直迭代，直至迭代次数达到预设的迭代次数，在本实施例中，预设的迭代次数为100次，然后得到最优路线矩阵，其中最优路线矩阵对应的优化函数值是最小的。
得到最优路线矩阵中的每行元素对应一个最优路线序列，而一个最优路线序列中元素值为1的元素对应的路径为该最优路线序列对应的矿车行走的路径，由此可以得到每辆矿车的最优路线，矿车在按照其对应的最优路线运输煤矿时，所有矿车都完成一次运输后消耗的能量是最小的。
实施例2：
本实施例提供了一种无人驾驶矿车的能源优化装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种无人驾驶矿车的能源优化方法的步骤。由于实施例1已经对一种无人驾驶矿车的能源优化方法进行了详细的阐述，此处不再过多介绍。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种无人驾驶矿车的能源优化方法，其特征在于，该方法包括：
基于采矿区域中调度中心与采矿点之间的路径，以及每个采矿点与其他采矿点之间的路径构建每辆矿车对应的路线待确定序列；将每辆矿车对应的路线待确定序列作为矩阵中的每行元素组成路线待确定矩阵；
基于矿车在任一采矿点的载重、矿车回到调度中心的载重和矿车的最大载重建立第一约束条件；基于每个采矿点在运输开始前和完成后每个采矿点的煤矿容量，和所有矿车运输的煤矿容量建立第二约束条件；每辆矿车对应的路线待确定序列中多个设定位置的元素的和等于1为第三约束条件；
基于矿车在完成一次运输所需要的最长时间和最短时间建立第四约束条件；基于每辆矿车在完成一次输运过程中矿车行驶过的调度中心与采矿点之间，以及采矿点与采矿点之间的路径距离和路径的方向获得每辆矿车的多个行驶向量；每辆矿车的多个行驶向量的矢量和等于0为第五约束条件；对每辆矿车完成一次运输消耗的能量进行求和得到优化函数；
基于第一、第二、第三、第四和第五约束条件以及优化函数对路线待确定矩阵进行优化得到最优路线矩阵；基于最优路线矩阵确定每辆矿车的最优路线；
所述第一约束条件，包括：矿车在任一采矿点的载重小于等于矿车的最大载重；矿车回到调度中心的载重小于等于矿车的最大载重，且大于等于预设值与矿车的最大载重的乘积；
所述第二约束条件为：
其中，N表示采矿点的数量；K表示矿车的数量；M表示矿车的最大载重；Rv,e表示第v个采矿点在运输开始前的煤矿存储量；Rv,e+1表示第v个采矿点在运输完成后的煤矿存储量；
所述建立第四约束条件，包括：矿车在完成一次运输所需要的最长时间和最短时间的差值小于第一预设值与矿车在完成一次运输所需要的最短时间的乘积；所述完成一次运输为所有矿车由调度中心驶出，然后回到调度中心；
所述对每辆矿车完成一次运输消耗的能量进行求和得到优化函数，包括：通过大数据统计获得每单位载重的矿车行驶每单位距离所消耗的能量，记为能量消耗系数；一辆矿车完成一次运输消耗的能量为：
其中，σk表示第k辆矿车完成一次运输消耗的能量；α表示能量消耗系数；mka表示第k辆矿车行驶第a个路径时的载重，m0表示矿车本身的重量；la表示第k辆矿车行驶的第a个路径的距离；
对每辆矿车完成一次运输消耗的能量进行求和得到优化函数；
所述得到最优路线矩阵，包括：随机选取路线待确定矩阵中所有矿车对应的路线待确定序列中的多个元素赋值为1，其他元素不变，得到预设数量的第一路线待确定矩阵，赋值为1元素表示矿车行驶过该元素对应的路径，其中得到的每个第一路线待确定矩阵都满足第一、第二、第三、第四和第五约束条件；计算每个第一路线待确定矩阵对应的优化函数值，获取优化函数值最小的两个第一路线待确定矩阵进行变异变换获得满足第一、第二、第三、第四和第五约束条件的预设数量的第二路线待确定矩阵；计算每个第二路线待确定矩阵对应的优化函数值，选取优化函数值最小的两个第二路线待确定矩阵继续进行变异变换，直至达到预设的迭代次数，得到最优路线矩阵，其中最优路线矩阵对应的优化函数值最小；
最优路线矩阵中每行元素对应每辆矿车的最优路线序列；基于一个最优路线序列中元素值为1的元素对应的路径得到该最优路线序列对应矿车的最优路线。
2.根据权利要求1所述的一种无人驾驶矿车的能源优化方法，其特征在于，所述路线待确定序列，包括：基于每个采矿点与调度中心的距离按照从小到大的顺序对调度中心和每个采矿点进行排序并编号；对调度中心与采矿点之间的路径进行编码获得调度中心对应的子序列，对每个采矿点与其他采矿点之间的路径分别进行编码得到每个采矿点对应的子序列；将调度中心对应的子序列和每个采矿点对应的子序列按照调度中心和每个采矿点的编号顺序进行排列得到综合子序列，在综合子序列的末尾插入调度中心对应的子序列得到路线待确定序列；其中每辆矿车对应的路线待确定序列中的元素都为0。
3.根据权利要求1所述的一种无人驾驶矿车的能源优化方法，其特征在于，所述获得每辆矿车的多个行驶向量，包括：矿车在调度中心和一个采矿点之间行驶时得到一个行驶向量，其中行驶向量的方向为矿车的行驶方向，行驶向量的模长为调度中心和一个采矿点之间路径的距离；矿车在采矿点之间行驶时得到行驶向量，行驶向量的方向为矿车在采矿点之间行驶时的行驶方向，行驶向量的模长为采矿点之间路径的距离。
4.一种无人驾驶矿车的能源优化装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的一种无人驾驶矿车的能源优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373118.XA CN115526432B (zh) | 2022-11-04 | 2022-11-04 | 一种无人驾驶矿车的能源优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373118.XA CN115526432B (zh) | 2022-11-04 | 2022-11-04 | 一种无人驾驶矿车的能源优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115526432A CN115526432A (zh) | 2022-12-27 |
| CN115526432B true CN115526432B (zh) | 2023-04-18 |
Family
ID=84705247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211373118.XA Active CN115526432B (zh) | 2022-11-04 | 2022-11-04 | 一种无人驾驶矿车的能源优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115526432B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757345A (zh) * | 2023-06-09 | 2023-09-15 | 华能伊敏煤电有限责任公司 | 一种无人驾驶矿车数据的管理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114091233A (zh) * | 2021-10-18 | 2022-02-25 | 中煤科工开采研究院有限公司 | 综采工作面采煤机自适应跟随煤层截割路径优化方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428161B (zh) * | 2019-07-25 | 2020-06-02 | 北京航空航天大学 | 一种基于端边云架构的无人驾驶矿车云智能调度方法 |
| CN113222463B (zh) * | 2021-05-31 | 2023-06-02 | 西安建筑科技大学 | 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 |
| CN113628437A (zh) * | 2021-07-06 | 2021-11-09 | 安徽海博智能科技有限责任公司 | 基于云控平台的无人矿车交叉路口安全通行方法 |
| CN115116220B (zh) * | 2022-06-15 | 2023-05-23 | 北京航空航天大学 | 一种用于矿区装卸场景的无人驾驶多车协同控制方法 |
-
2022
- 2022-11-04 CN CN202211373118.XA patent/CN115526432B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114091233A (zh) * | 2021-10-18 | 2022-02-25 | 中煤科工开采研究院有限公司 | 综采工作面采煤机自适应跟随煤层截割路径优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115526432A (zh) | 2022-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111091238A (zh) | 一种自动化集装箱码头agv智能化调度方法 | |
| CN111459108B (zh) | 拖挂式多agv系统的任务分配及无冲突路径规划方法 | |
| CN115526432B (zh) | 一种无人驾驶矿车的能源优化方法及装置 | |
| Xiang et al. | Modeling and analysis for an automated container terminal considering battery management | |
| CN112801484B (zh) | 一种考虑配料误差的物料配送调度方法和系统 | |
| CN111860968A (zh) | 一种露天矿山车辆调度方法、系统及计算机设备 | |
| CN115860613A (zh) | 一种考虑预约机制的零担车货匹配及车辆调度方法 | |
| CN114444809A (zh) | 一种数据驱动下的多目标露天矿卡路径优化方法 | |
| CN113343367B (zh) | 基于eda算法的舰船航空弹药转运调度优化方法和装置 | |
| Hani et al. | Simulation based optimization of a train maintenance facility | |
| Yu et al. | Electric van-based robot deliveries with en-route charging | |
| CN115310690A (zh) | 数字孪生的四向穿梭车优化调度方法、装置及存储介质 | |
| CN112053046B (zh) | 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法 | |
| CN112270500A (zh) | 一种智能供应链物流调度方法和系统 | |
| Baltussen et al. | A parallel monte-carlo tree search-based metaheuristic for optimal fleet composition considering vehicle routing using branch & bound | |
| CN115796528A (zh) | 一种重载铁路装车端空车调配方法、装置、设备及介质 | |
| CN114707707A (zh) | 一种基于改进的遗传算法对agv任务调度的方法及系统 | |
| CN109872023B (zh) | 岸桥qc、集卡yt和龙门吊yc的集成调度模型及其ga算法 | |
| CN116911575B (zh) | 一种共享单车全时段调度方法、系统及设备 | |
| Song et al. | A hybrid metaheuristic method for dispatching automated guided vehicles in container terminals | |
| CN117094629B (zh) | 一种危险品满载配送路径优化和车辆调度方法 | |
| Hooli et al. | Comparative analysis: Evaluating battery and diesel load haul dump (LHD) units’ productivity in a block cave mine using discrete event simulation (DES) | |
| CN117314084A (zh) | 基于遗传算法的智慧场站车辆调度方法及系统 | |
| Jäck | Comparing Loading Strategies for AutoTrains: Balancing Efficiency with Information Requirements | |
| CN117853000A (zh) | 一种自动导向小车agv调度方法及装置 |
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 |