论文部分内容阅读
集装箱码头的生产作业主要包括装卸船、集港收箱和疏港提箱等业务,而集装箱的装卸和流通等活动大多发生在集装箱码头的堆场中。面对自动化集装箱码头堆场中的集装箱交接保管任务工作量庞大,作业资源种类和数量繁多的现状,最大化堆场空间和设备资源的使用效率,是提高自动化集装箱码头堆场作业效率的关键。自动化集装箱码头堆场的业务以针对外集卡和船舶的收箱、发箱为主,涉及堆存空间、装卸设备和运输设备等资源的调度与优化。因此,在数字孪生与运营优化相结合的背景下,以自动化集装箱码头堆场资源为研究对象,提出堆场多种资源在不同场景下的优化问题,研究在复杂多变的生产环境中空间资源的分配与装卸资源的调度,以及运输资源的路径规划。通过数字孪生与资源优化方法的结合,实现自动化集装箱码头堆场中多任务多资源的高效规划。本文的主要研究内容如下:(1)在自动化集装箱码头复杂多变的运营环境中,存在一些作业场景,易对堆场作业效率产生干扰,对此本文提出了一种基于数字孪生的自动化堆场调度框架,监测实际作业过程中的受干扰场景,并在虚拟空间中可视化实时数据以适应时变环境,为堆场资源优化提供决策支持。在所提出的框架中,建立自动化堆场虚拟模型,通过数据采集和传输形成与物理空间同步的虚拟空间;基于实时信息,建立数学模型来处理不确定场景中的资源优化问题,结合算法求解出的调度方案输入到虚拟堆场中,通过仿真优化后可以得到一个可行的解决方案。该框架可以用于箱区分配调度、轨道吊调度、AGV调度等系统中,通过数字孪生技术与堆场作业管理的结合,及时从物理堆场获取生产作业过程中的动态信息,提出与实际运营场景相符的资源优化策略。该框架也是开发自动化集装箱码头数字孪生调度系统的基础。(2)在规划堆场箱区资源时,需要考虑堆场箱区作业的任务量,由于即将进场的集装箱箱量是未知的,本文提出了一种基于长短期记忆循环神经网络的预测方法,通过对集装箱进场箱量历史数据的处理与训练,得到较好的箱量预测模型,对堆场中作业的集装箱箱量进行预测。在基于数字孪生的箱区分配机制下,针对堆场箱区中集装箱任务分配不均衡的问题,提出箱区平衡作业策略。根据外集卡集港卸箱和疏港提箱两个业务流程,实时感知进、出口集装箱的作业信息,为堆场中的集装箱分配箱区。以外集卡完成集装箱的装卸和运输时间最小为目标,即尽可能缩减外集卡的在场时间,建立数学规划模型,并设计箱区间任务量平衡的策略,提出基于箱区平衡策略的自适应遗传算法来求解该问题。通过减少不同箱区处理集装箱任务量的方差,达到不同箱区任务量分配均衡的目标,避免堆场空间资源分配不均、箱区作业集中的问题。(3)针对外集卡到达时间随机性的特征,研究轨道吊的动态作业优化问题。在自动化集装箱码头堆场作业过程中,外集卡的延迟或提前到达会对堆场装卸设备轨道吊作业计划产生干涉,导致轨道吊空待、外集卡等待等不必要的成本。为了提高堆场装卸资源的利用率,在基于数字孪生的轨道吊调度机制下,实时获取外集卡到达信息以及堆场中需要处理的集装箱的任务类型,参照先到先服务的原则,优先安排轨道吊对已到达外集卡进行装卸作业,提出轨道吊动态匹配外集卡作业任务的策略。在此基础上,考虑轨道吊作业时的安全因素,构建轨道吊作业时间与外集卡和轨道吊等待时间最短的多目标模型,设计基于动态规则的非支配排序遗传算法Ⅱ作为求解算法,从而获得合理的轨道吊作业方案。通过对堆场装卸设备作业任务的动态调整,达到优化堆场装卸资源利用率及堆场作业效率的目标。(4)针对集装箱供需不平衡场景下堆场水平运输设备AGV的调度问题,设定堆场和岸桥分别为供应方和需求点,在基于数字孪生的AGV调度机制下,利用数字孪生获取AGV运输任务和路径网络的信息,通过规划AGV的运输任务和运输路径,实现码头前沿与堆场各位置供给与需求达到动态平衡。以最小化完成所有任务的延迟时间为目标,建立了 AGV任务分配模型;在此基础上,以最小化AGV拥堵率为目标,建立了 AGV运输任务的路径规划模型,根据AGV发生冲突时的等待时间和总运输时间之间的比例,来衡量AGV运输路径的拥堵程度。同时,根据时间路网模型的思想,通过限制路径上通过AGV的数量,达到平衡交通负载分布均衡的目的,减少AGV在相同路段发生拥堵或碰撞的可能。引入多智能体系统中合约网络协议的思想和机器学习的理论,在合约网络协议中结合Q学习算法来求解多AGV任务分配和路径规划的问题,优化堆场运输资源的作业方案。(5)在基于数字孪生的自动化堆场调度框架基础上,设计了自动化集装箱码头数字孪生系统,在系统中分析了基于数字孪生的堆场资源优化案例。根据调度框架中数据中心、虚拟堆场等组成部分的设计,自动化集装箱码头数字孪生系统包含数据输入、资源调度、评估优化和结果可视化四个主要模块。在某自动化集装箱码头的运营背景下,以本文提出的不同场景下的资源优化问题为案例,在数据输入模块中导入相关资源任务的实时信息,在资源调度模块中调用相应的模型和求解算法,然后将得到的调度方案输入仿真优化模块中。依据自动化集装箱码头运营效率的关键指标,提出不同资源优化方案的评价指标,并对仿真优化模块所输出的资源优化方案进行评价,验证了所求方案的有效性与适用性。本文搭建了基于数字孪生的自动化堆场调度框架,解决了不同场景下自动化集装箱码头堆场的资源优化问题。针对堆场集装箱箱量不确定时的箱区空间分配问题,提出了基于数字孪生的箱区分配机制,建立了作业时间最少的混合整数规划模型,并设计了基于箱区分配规则的自适应遗传算法进行求解;针对外集卡随机到达时轨道吊的调度问题,在基于数字孪生的轨道吊调度机制下,建立了最小化设备作业时间和等待时间的数学模型,设计了基于动态规则的非支配排序遗传算法Ⅱ进行求解;针对集装箱任务供需不平衡时的堆场多AGV调度问题,提出了基于数字孪生的AGV调度机制,建立了以任务延迟时间和路径拥堵率最小的两阶段模型,设计了基于合同网络协议的多智能体Q学习算法。在自动化堆场数字孪生调度系统中,以某自动化集装箱码头为例,验证了本文所述方法的可行性,实现了对堆场资源调度方案的优化,能够为码头的运营决策提供指导。