露天矿山运输调度系统粒子群优化

结合露天矿山运输调度系统实际,考虑到计划产量、生产能力、质量要求和运输过程等方面的约束,建立了一个通用性较强的露天矿山运输调度系统模型。该调度模型以总的运营成本最低为目标函数,采用惩罚函数法把诸多约束条件化为无约束,构建优化系统中粒子群算法的适应度函数。通过引入自适应变异程序对粒子群算法进行改进,避免算法过早收敛,提高了收敛效果。运用改进后的自适应变异粒子群算法对露天矿山运输调度系统模型优化求解,并采用Matlab软件对求解过程进行仿真,研究结果表明该算法能够快速得到当前班次的车辆调度的满意方案,提高了露天矿山运输调度的效率,进而提高露天矿山生产率,为数字化矿山建设提供一定参考。     

基于改进蚁群算法的地下矿车辆生产调度路径优化研究

针对地下矿生产调度中某一班次的车辆运输路径优化问题,应用蚁群算法探讨如何解决这一NP难题问题。传统蚁群算法存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点;为克服这些缺点,提出在蚁群算法每次迭代过程中,先用自适应策略控制其收敛速度,提高搜索性能,再结合性能指标进行优化。实践证明,改进蚁群算法克服了传统算法自身的不足,提高了算法性能,具有很好的推广价值。     

改进型蚁群算法在煤炭运输中的应用研究

研究煤炭配送路径问题,提高运输质量。针对传统物流方法在配送路径规划中,存在搜索时间长,得不到最优解,导致效率低等问题。为了提高煤炭运输配送效率,提出一种改进蚁群算法的配送路径优化方法。该方法建立了基于蚁群算法的配送路径模型,通过改进基本蚁群算法中节点访问策略和自适应挥发系数的更新规则,使蚁群搜索有效地避免陷入局部最优,加快了收敛。仿真结果表明,改进方法缩短了搜索时间,提高了算法效率,能有效解决煤炭运输问题。     

水泥原料矿山卡车运输调度系统的实时优化

根据水泥原料矿山运输调度系统的复杂性与非线性特性,建立了卡车运输实时调度系统模型;运用粒子群优化算法(PSO)在解决工程优化问题中具有收敛速度快,调节参数少且算法极易实现等良好的特性,成功地解决了在开采工艺、产量、质量等多因素约束条件下的卡车实时运输调度优化问题,并将其用于韶峰水泥原料矿山的生产运输调度系统,既降低了矿山运输成本,又协调了开采工艺、同时为矿山企业信息化建设和其他物流企业提供了重要的参考价值。     

地下矿山有轨运输非接触式动态轨距检测系统设计与实现

随着无人驾驶、人工智能等技术的发展,无人驾驶电机车有轨运输系统已在矿山广泛应用。地下矿山无人驾驶有轨运输系统的成熟应用解决了传统矿山运输环节长期存在的管理难度大、运输效率低、安全性能差等问题。但无人驾驶运输系统的高效运行会加速运输轨道的变形、松动。因此,本文针对此类问题,根据地下矿山的特殊环境,利用二维激光测量原理,设计了一套地下矿山有轨运输轨道检测系统,实现了矿山运输轨道轨距非接触式的动态检测,对轨距检测系统进行了现场测试。测试结果表明,地下矿山有轨运输非接触式动态轨距检测系统能够适应地下矿山环境,且精度较高,能够提高矿山轨道检测效率,满足无人驾驶运输系统对轨道检测的要求,可为地下矿山无人驾有轨运输系统保驾护航。     

基于自适应粒子—蚁群算法的掘进面机器人装药路径智能优化

针对我国地下矿山掘进面对孔装药效率低的问题,开展装药路径智能优化研究。基于蚁群优化算法,引入惯性权重自适应变化粒子群算法,求解信息素启发因子α及期望值启发因子β;引入自适应信息素挥发因子ρ,根据装药路径规划问题几何特性提出自适应信息素浓度更新策略。将算法用于求解TSPLIB库中的问题,结果表明,改进算法在不同问题中求得最优解,求解精度比基本蚁群算法及几种基于蚁群算法的改进算法提高5%～9%。在实验室中利用机器人模拟掘进面对孔作业,对孔时间缩短约8%。实现地下矿山掘进面对孔装药路径智能优化,对孔装药效率提升,为智能矿山建设提供参考。     

露天矿运输调度优化的生物地理学改进算法

露天矿生产运输调度优化问题是一类典型的具有非线性、多变量特征的优化问题。首先,在对露天矿卡车调度优化进行系统分析的基础上,以总运输费用最小为目标函数,给定矿石量、运输能力等约束条件,建立运输调度优化模型;然后,提出将差分算法中局部搜索功能引入到基本生物地理学优化算法的迁移策略中的改进生物地理学优化算法;最后,以MATLAB软件为平台,以露天矿实际生产运输实例数据为依据,计算出改进的生物地理学算法优化路径的综合运输成本比实际花费成本节约5 994万元,且比单一的生物地理学算法和差分算法优化路径的运输成本更低,验证了该算法求解露天矿运输调度问题的优越性。     

基于蚁群算法的煤矿运输车辆调度应用研究

现代物流运输煤矿运输车辆调度过程复杂多变,蚁群算法是一种新型的启发式搜索算法,可以很好地解决这一问题。传统蚁群算法容易出现早熟和停滞现象,因此,通过对基本蚁群算法中的选择策略和信息素的改进,提出一种新的蚁群算法,克服传统蚁群算法的缺陷。将它用于求解煤矿运输车辆调度问题,仿真实验证明了改进算法的有效性和可行性。     

基于模糊Petri网和BP-ACO的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出了一种基于模糊Petri网模型和蚁群优化BP神经网络(BP-ACO)的变压器故障诊断方法。首先,定义一个十元的模糊Petri网结构并根据产生式规则和推理算法构建了故障诊断模型。然后采用BP神经网络对模型的权值和阈值进行参数训练,并结合蚁群优化对模型各参数进行优化,从而进一步提高故障诊断的精确率。利用真实的变压器历史数据对提出方法的可行性进行了验证。结果表明,相比类似模糊Petri网故障诊断方法,提出诊断方法具有更高的准确度。     

某金属矿井下有轨智能无人运输系统研究与应用

针对某金属矿井下有轨运输采用人工驾驶、人工放矿的传统运输方式,研发井下有轨智能无人运输控制系统。采用无线通讯、自动控制、机车自主调度控制、激光雷达、监测监控、安全监测故障诊断等技术,对电机车进行变频及自动控制改造,在有轨运输线路构建无线传输网络,同时对井下装卸系统、道岔信号系统等进行开发设计,实现了井下有轨运输系统从装矿到卸矿全流程的智能化、无人化和高效化。自建成后,井下有轨智能无人运输控制系统运行稳定、安全可靠,同时运输效率较原系统有较大幅度提升,整个运输过程中无需人为干预,撤消了岗位人员,大大节约人工成本,极大地改善了操作工的劳动环境,同时提高了矿山智能化水平,实现运输系统的本质安全化。井下有轨智能无人运输控制系统在某金属矿成功应用,符合国内非煤地下矿山建设“机械化、自动化、智能化”工作要求,为其他矿山智能化的成功建设提供了实践经验。     

基于双层规划的能源互联微网系统的能量优化调度模型研究

针对能源互联微网系统的多能源协调优化调度的问题,结合双层规划理论分析建模。以多能源间能量转化关系为上层决策控制基础,建立微网系统综合运行成本最小的目标模型,以电能子系统、热能子系统、气能子系统的运行计划为下层决策变量,构建各能源子系统最优运行经济优化指标。在模型求解方面,结合改进指标的多目标蚁群算法求解双层目标优化模型。通过算例结果可表明,所建立的双层优化调度模型适用于多能源类型的协调互补问题,充分发挥出微网系统运行的经济性优势。     

基于改进蚁群算法的齿轮故障模式识别方法研究

根据蚁群算法优化路径原理,提出一种基于改进蚁群算法的简单的模式识别方法。通过对TSP蚁群模型的适当修改,将模式识别问题转化为路径优化问题。为了尽量避免蚁群算法过早收敛或收敛到局部最优路径,采用了最大-最小和自适应蚁群算法相结合的方法对算法进行改进。通过实验,以齿轮3种不同状态下的关联维数为特征,成功实现了对不同故障状态的识别。     

基于改进DCW-QPSO算法的露天矿卡车调度优化方法

为了提高露天矿卡车运输效率,有效降低矿山企业开采成本,针对量子粒子群算法(QPSO)在优化求解过程中易陷入局部最优的问题,本研究引入惯性权自适应调整的量子粒子群优化算法(DCW-QPSO),并借助于遗传算法的变异操作,将DCW-QPSO的粒子更新方法改进,然后将改进DCW-QPSO用于求解露天矿卡车运输调度方案。调度方案以总运输成本最低为目标函数,并综合考虑矿石产量、品位均衡、卡车等待时间最短等约束条件。通过在国内某大型露天铁矿的应用发现,卡车调度优化结果符合矿山实际生产需求,为企业管理者提高了决策依据。改进算法在模型求解过程中全局搜索能力及算法稳定性都得到显著提升,具有一定的实际应用价值。     

奖惩机制蚁群算法在煤矿运输路径优化中的应用研究

在煤矿运输路径优化中,由于传统蚁群算法存在运行时间长和收敛速度慢等缺点,为此笔者通过引入奖惩机制对算法路径的构造规则进行重新设定,对此算法进行了改进,并改进了算法的信息素更新策略,克服了传统蚁群算法的缺陷。仿真结果验证了改进蚁群算法解决煤矿运输路径优化问题的高效性和可行性。     

金属地下矿山有轨运输顶部装矿技术研究与应用

对金属地下矿山有轨运输装矿方式进行了研究,提出了地下矿山有轨运输顶部装矿新型应用技术,并从装矿工艺、工程结构、工程经济等方面分析研究了顶部装矿技术,确定了顶部装矿基本工艺参数,解决了有轨运输系统不连续装矿问题,工程实践中提高装矿效率20%以上,降低装矿成本3%以上,验证了顶部装矿技术的可行性及经济合理性。     

基于Agent技术的井下运输仿真模型研究

在对地下矿运输过程进行深入分析的基础上,针对地下矿运输的特点,将Agent智能化仿真技术应用于井下运输仿真模型,可以使仿真结果更接近于真实生产过程。通过对井下运输提升过程与环节的分析与分类,将井下运输过程分解为一系列离散事件,建立井下运输过程仿真行为推理的Petri网模型,为每个运输环节设定相应的Agent对象,对井下运输进行较为全面、真实的过程仿真。     

基于蚁群算法的煤炭运输优化方法

基于蚁群算法的基本原理,论述了蚁群算法模型的实现方式,并对蚁群算法的煤炭运输优化方法进行分析,且结合实际案例加以说明,为基于蚁群算法在煤炭运输的实践优化提供借鉴,促进煤炭运输行业的良性发展。     

露天矿运输调度问题求解的自适应果蝇优化算法

针对露天矿运输调度问题,提出了一种改进的果蝇优化算法。首先,对露天矿运输调度问题进行了分析,以矿石开采能力和运输能力为约束条件,以运输成本最小为目标函数,建立了露天矿运输调度问题的数学模型。然后,该算法根据果蝇的味道浓度自适应调整搜索步长,同时满足了算法的全局寻优能力和局部寻优能力。最后,将自适应果蝇优化算法应用于求解实际的露天矿运输调度问题,与标准果蝇优化算法和遗传算法进行实验比较分析,给出了优化结果。实验结果表明:该算法的收敛精度和收敛速度均优于其他算法,证明了该算法可以有效求解露天矿运输调度问题。     

矿井机车运输监控系统调度联锁过程的Petri网建模

分析了机车运输监控系统中调度联锁的基本规则,采用有色Petri网对矿井机车调度联锁过程进行了建模.在建模的过程中,对库所和变迁进行了着色;使用约束组合弧并结合外部输入的车到和过车信息,对机车运行路线错误、任务内闯红灯等意外情况进行了描述;对进路的闭锁和解锁情况进行了细分,根据保证安全和兼顾效率的原则,建立了不同的控制方式;最后给出了调度联锁过程的整体Petri网模型.     

水泥原料矿山运输调度系统的智能优化

水泥原料矿山运输调度系统是一个涉及到产量、质量、成本的复杂系统。运用遗传算法原理对矿山运输调度系统进行了智能优化,解决了矿山运输调度系统的多目标优化问题。将其用于湖南雪峰水泥原料矿山运输调度系统的生产实践,既达到降低了矿山运输成本,又协调了质量与产量的关系。