论文部分内容阅读
随着露天采矿的不断发展,为更好地提高现代化露天矿安全生产效率,使用无人驾驶卡车代替传统的卡车作为运输工具,将在露天矿生产过程中发挥越来越重要的作用。在无人驾驶卡车的背景下,露天矿无人驾驶卡车车流分配调度是新型露天矿无人驾驶卡车调度的核心内容,合理的车流分配调度将大幅度提高智能开采效率。为了促进新型露天矿的发展朝着无人化、智能化、精细化、高效化发展,论文针对露天矿无人驾驶卡车多目标车流分配调度问题,展开了以下研究:(1)对国内外矿卡车流分配调度模型理论研究和优化研究进行了总结,对传统人工驾驶车流分配调度问题进行概述,对新型露天矿无人驾驶卡车车流分配调度与传统人工驾驶卡车调度问题的异同进行分析,为建立无人驾驶卡车多目标车流分配调度模型做理论基础。同时对多目标优化基本概念和多目标优化算法进行了概述,为求解无人驾驶卡车多目标车流分配调度模型做理论铺垫。(2)根据目前研究文献总结出,露天矿卡车车流分配调度时遵循的需求主要来源于收益、成本、矿石质量三个方面,建立了以运输成本最小、无人驾驶卡车总排队时间最小、品位偏差最小为目标函数的传统露天矿卡车多目标车流分配调度模型。通过与传统人工驾驶卡车车流分配调度模型的对比,建立了在无人驾驶卡车背景下以运输成本最小、无人驾驶卡车总排队时间最小、品位偏差最小为目标函数的露天矿无人驾驶卡车多目标车流分配调度模型。(3)根据建立的露天矿无人驾驶卡车多目标车流分配调度模型的特点,结合多目标遗传算法、基于分解多目标优化算法适应性和特点,最终选用pareto支配、分解与约束支配相融合的方法,提出一种新的基于分解约束支配的NSGA-II优化算法(Decomposition-based constrained dominance principle NSGA-II即DBCDP-NSGA-II)。并将算法用于求解露天矿无人驾驶卡车多目标车流分配调度模型中,并通过与C-NSGA-II(Constraint Non-dominated Sorting Genetic Algorithm-II)、C-MOEA/D(Constraint Multi-objective Evolutionary Algorithm Based on Decomposition)算法相对比,DBCDP-NSGA-II在三个目标函数方面均有最好解。并且算法一次运行结果包含多个Pareto最优解及多种车流分配调度计划,可以满足矿山不同生产需要,为露天矿生产管理者提供了多种选择方案。(4)将本研究提出的露天矿无人驾驶卡车多目标车流分配调度模型和求解算法用于某露天矿智能开采区的无人驾驶卡车车流分配调度管理中。选取该露天矿智能开采区某卡车某班次的相关数据,得到了pareto最优解集,展示了20辆无人驾驶卡车的调度方案,一个班次内1号无人驾驶卡车时间表和甘特图等。结果表明该车流分配调度算法降低了露天矿开采中的运输成本,减小了无人驾驶卡车的排队时间,有效控制了品位波动。