自动化码头AGV充电与作业的集成调度研究

为了提高自动化集装箱码头AGV（Automated Guided Vehicle）的作业效率,根据采用电力驱动的AGV作业时的充电需求和运输过程的特性,考虑了垂岸式集装箱堆场布局和AGV充电过程对实际作业的影响,以最大化AGV充电利用率、最小化最末任务完成时间、最小化AGV空载时间为目标,以AGV充电后的续航能力等为约束条件,以遗传算法为研究方法,构建了考虑充电过程的自动化码头AGV作业的调度模型。通过算例分析,对比了遗传算法与混合整数规划算法的求解效果,分析了参与运输的AGV数量对运输时间的影响,也验证了遗传算法给出的调度方案的可信性。最后得出结论：针对该问题,遗传算法可以快速、高效地给出值得信赖的AGV调度方案。     

考虑堆场缓冲区容量的ASC与AGV集成调度

为提高自动化集装箱码头作业效率,针对卸船过程中自动化堆垛起重机(Automated Stacking Crane,ASC)与自动化导引小车(Automated Guided Vehicle,AGV)的集成调度问题,考虑缓冲区容量约束,以最小化总任务完成时间和总任务延迟时间为目标,建立带时间窗的混合整数规划模型,确定任务与缓冲位的分配关系,优化ASC的作业顺序。对比实验分析表明,在大规模算例上,遗传算法的目标函数值逐渐优于分支定界法,且遗传算法能在有限时间求出理想解,验证模型和算法的有效性。灵敏度实验分析表明,ASC作业时间的增加对总任务延迟时间有显著影响,总任务延迟时间的快速增加引起目标函数值的快速增加。     

集装箱码头设备配置与作业调度集成优化研究

合理配置与调度自动化集装箱码头岸桥、场桥和AGV(automated guided vehicle)等设备对提高码头作业效率,减少能耗具有重要意义.在集装箱码头缓冲区容量有限的条件下,结合AGV路径无冲突约束,建立了以最小化船舶在港时间和最小化总能耗为目标的多目标混合整数规划模型,并设计了双层遗传算法求解方法.以某市自...     

考虑能耗节约的集装箱码头双小车岸桥与AGV联合配置及调度优化

合理调度集装箱码头的装卸设备以减少生产过程中的能耗, 对实现其低碳绿色化发展具有重要意义. 针对集装箱码头向自动化发展过程中的双小车岸桥与AGV (Automated guided vehicle)联合配置及调度问题, 考虑AGV续航时间、双小车岸桥中转平台容量和堆场缓冲支架容量约束, 以岸桥的能耗最小为第一阶段模型的优化目标, 以AGV运输过程的能耗最小为第二阶段目标建立两阶段优化模型; 设计枚举法求解第一阶段模型, 改进遗传算法求解第二阶段优化模型. 以洋山四期自动化集装箱码头为例进行实验分析, 针对不同船舶在港总装卸时间和AGV配置原则进行实验, 验证了模型和算法的有效性, 结果表明以最小化能耗为目标的双小车岸桥与AGV联合调度可在岸桥主小车不延误的前提下, 显著减少AGV的配置数量.     

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车（automated guided vehicle,AGV）数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索（conflict based search,CBS）算法。底层采用基于曼哈顿距离的A*算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。     

干扰约束下考虑分组作业面的岸桥AGV联合调度

为解决自动化码头海侧多阶段设备作业的协调问题,加快集装箱在码头内部的周转过程。考虑干扰约束下分组作业面的的岸桥自动导引小车（AGV）联合调度问题。以岸桥、AGV完工时间和AGV等待时间加权总和最小为目标,考虑岸桥实际操作中的干扰约束与AGV堵塞等待等情况,建立岸桥与AGV联合调度优化模型。提出岸桥动态调度与AGV分组作业面调度模式,设计不同规模的算例,并采用遗传算法（GA）进行求解,将计算结果与传统调度模式进行对比。结果表明,该算法能有效提高岸桥与AGV作业效率,降低AGV的等待时间与堵塞次数,为码头实际作业提供依据。     

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

针对自动化集装箱码头自动导引车（AGV）调度与无冲突路径规划问题,提出了AGV冲突拥堵解决策略以生成无冲突路径。首先,考虑堆场缓冲支架的容量,运行路径无拥堵、节点无冲突约束,以最大完工时间最小、AGV总行驶时间最短为目标建立两阶段混合整数规划模型;其次,设计改进的自适应遗传算法、基于冲突拥堵解决策略的迪杰斯特拉算法求得AGV调度方案与无冲突路径。算例分析结果表明：改进的自适应遗传算法相较遗传算法平均求解时间降低了13.56%,且目标函数平均差距率为9.01%;基于冲突拥堵解决策略相较停车等待策略使得水平运输区拥堵度降低67.6%,AGV等待时间减少66.7%。可见,所提算法求解质量高且速度快,同时验证了所提策略的有效性。     

带有缓存区的集装箱码头AGV和场桥的联合调度

为提高自动化集装箱港口设备AGV（Automated Guided Vehicle）和堆场场桥的工作效率,减少它们之间衔接作业的相互等待时间,建立了带有缓存区设置的集装箱码头AGV和堆场场桥的联合调度模型。利用遗传算法进行算例求解,得到相应的调度方案和以场桥的作业延迟时间、AGV的总行驶时间及场桥等待AGV时间之和最小为目标的完工时间。再针对不同的缓存区容量的设置进行调度方案完工时间的结果比较。实验结果表明,缓存的设置可以有效减少AGV和堆场场桥衔接作业中相互等待的时间,而缓存区容量在一定范围内对于完成作业时间有较大影响。     

基于时间窗的双小车岸桥与AGV协调调度研究

针对自动化集装箱码头（automated container terminals,ACT）的自动导引车 ( automatic guided vehicle,AGVs) 与自动化双小车岸桥（double-trolley quay cranes,QCs）协调调度优化问题,以上海洋山港四期工程的实际布局和装卸工艺为基础,考虑装卸同时进行条件下以最小化任务总完工时间为目标,建立带有时间窗约束的双小车岸桥和AGV的协调调度模型,并采用遗传算法对实际算例进行求解。通过灵敏度分析,验证了该模型及算法的有效性,并对遗传算法参数设置的有效性进行检验。结果分析表明,该调度方法有助于提高自动化集装箱码头的作业效率,减少集装箱船的在港时间,提高码头竞争力。     

面向自动化集装箱码头的AGV行驶时间估计

自动导引车(Automated Guided Vehicle, AGV)在自动化集装箱码头的水平运输中发挥了重要作用,对AGV行驶时间进行准确估计,有利于减少码头各作业环节的资源闲置,提高整体效率。针对AGV在自动化集装箱码头的行驶时间估计问题,提出了一种AGV行驶时间估计方法。首先,根据AGV的行驶模式将目标行驶路径切分为若干段,使用神经网络模型对其进行编码;其次,对该路径出发前后一段时间内的其他路径进行编码并将其作为环境信息,以通过模型预测其是否与目标路径发生冲突作为辅助任务;最后,综合两类信息对行驶时间进行估计。该方法引入了路径间冲突对时间估计造成的影响。基于自动化集装箱码头的历史数据的实验表明,相比AGV场景中常用的静态时间估计方法,所提方法能够将时间估计的误差降低18%以上,可以更准确地估计AGV的行驶时间。     

自动化码头双小车岸桥与AGV协调调度问题研究

为研究自动化集装箱码头中自动导引运输车（Automated Guided Vehicle，AGV）与双小车岸桥（Double-Trolley Quay Crane，QC）的协调调度问题，考虑双小车岸桥中转平台及其容量限制，并以双小车岸桥门架小车时间窗为约束，建立以集装箱任务最大完工时间最小化为目标的混合整数规划模型。设计启发式算法，由中转平台的容量求得岸桥门架小车操作集装箱任务的时间窗，并采用遗传算法进行求解，给出相应的AGV调度优化方案，解决两大设备的协调调度问题。最后，以10组实验为例，比较了遗传算法与粒子群算法的优化结果。结果表明两种算法一致，且基于遗传算法的模型求解收敛速度更快，从而验证了该算法的可行性。     

锂离子动力电池包CFD仿真

针对电动汽车锂离子电池包设计过程中需要注意的散热问题,通过对某电池包模块的几何模型进行简化建立相应的计算模型,通过FLUENT仿真,从多个角度分析不同设计方案对电池包散热性能的影响.通过对仿真结果的对比和分析,发现随着电池包进口风速的增加,电池包的散热性能逐步提升;但超过一定速度后,进一步提升进口风速对电池散热性能的提升效果有限.电池叉排比顺排散热性能要好;随着电池间距的增加,电池包的散热性能随之提升,且改变纵向间距对散热性能的影响大于改变横向间距;边界距离对电池包散热性能的影响较大,距离的减小能提升电池包的散热性能.     

基于动态平衡策略的自动化码头多AGV路径优化算法研究

对自动化集装箱码头AGV(automatic guided vehicle)自动运输系统路径规划算法和港口布局进行深入研究之后,针对岸桥与堆场之间路径规划中可能出现的冲突以及任务分配不均等问题,提出了基于动态平衡策略的自动化码头多AGV路径优化算法。通过对Dijkstra算法进行改进,在考虑路径距离的基础上,同时引入该路径上预计通过的AGV数量,实现了路径分配的动态平衡;提出了改进速度控制策略和重新规划路径控制策略,有效减少了冲突次数,且减少了道路堵塞率。建立了基于动态平衡策略与基于MAS(multi-agent system, MAS)的控制方式对比实验,结果表明该算法能有效求解500个任务以上的大规模任务分配问题,并且显著降低平均堵塞率0.000 8～0.005 5。此算法亦可应用于其他类型的码头布局中,进一步提高了码头水平运输效率。