排序方式: 共有39条查询结果,搜索用时 78 毫秒
21.
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。 相似文献
22.
针对自动化集装箱码头自动引导小车(automated guided vehicle,AGV)的实际换电特性,为了降低AGV的总任务完成时间和换电总时间,合理规划换电站内的电池包数量,建立了双层规划模型。首先考虑AGV的电池续航、空重载SOC变化特性和不同剩余电量与速度变化,以降低AGV的总任务完成时间为目标,构建考虑换电的多AGV集装箱任务调度上层模型。在此基础上,为了合理规划换电站内的电池包数量,考虑自动化码头中换电站的实际电池包选取原则和换电流程,对换电站和电池包的选择进行决策,以降低换电总时间为目标,构建换电电池包配置下层模型。最后通过遗传算法分别对小规模和大规模算例进行求解。算例结果表明,此双层规划模型能够有效地减少总任务完成时间和换电总时间,提高了6.46%的AGV利用率,减少了23.1%的换电站电池包数量。 相似文献
23.
为提高自动化集装箱码头的装卸效率,合理高效地利用设备资源,针对双小车岸桥与AGV的联合调度问题,综合考虑了岸桥作业过程中的不交叉作业、集装箱优先关系等现实约束,分析了中转平台的容量限制。采用基于混合流水车间调度的方法,建立以作业完工时间最小化为目标的三阶段混合整数规划模型,运用遗传算法(GA)对模型进行求解,获得集装箱任务的设备分配(QC和AGV)和处理顺序的调度方案。最后,对比遗传算法(GA)与粒子群算法(PSO)对模型求解的优劣性,算例结果表明,遗传算法得到的调度结果在完工时间与运行速度上更优。 相似文献
24.
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。 相似文献
25.
26.
首先深入考察桥吊卡槽事故可能发生的原因,合理绘制出事故树,找出基本事件;然后对其进行定性分析,给出基本事件的结构重要性排序;最后,针对分析结果,提出合理化的意见和建议,也为管理部门合理制定关于预防卡槽事故的安全措施提供决策依据. 相似文献
27.
基于离散贝位的集装箱港口岸桥作业调度研究 总被引:1,自引:0,他引:1
主要研究了港口中最重要的设备——岸桥的调度问题。岸桥作业能力的好坏很大程度上影响着集装箱港口总的装卸能力。因此,如何合理的分配岸桥,改进岸桥装卸作业进程是港口岸桥问题研究的重点。将岸桥移动时间以及安全系数和非干扰等因素全部考虑在内,先以岸桥作业时间最小为目的,建立模型,得到岸桥的优化作业线路。在此基础上,以船舶服务时间最短为目标,提出了一个基于离散贝位的岸桥调度混合整数规划模型。目的是使停靠在港口的船舶上的所有集装箱的装卸作业时的服务时间达到最小。最后,算例验证了模型的有效性。 相似文献
28.
针对岸桥调度问题的特性,分析了岸桥支援对提高港口整体效率的影响,建立了包含任务之间优先关系和岸桥之间不可交叉性和安全等条件的多目标混合整数规划模型,提出了一种启发式求解算法,验证了在一定时间内,启发式算法可以得到较优的可行解。而QCSP单目标和多目标计算结果表明,减少岸桥等待和移动时间,有助于岸桥更好地支援邻近船舶,加快港口整体运作效率,提高港口竞争力。 相似文献
29.
30.
针对自动化码头自动导引运输车(Automated Guided Vehicle,AGV)实际换电需求的特性,为减少AGV换电排队时间,降低换电过程对AGV调度的影响以提高其作业效率,构建了考虑换电过程的AGV作业调度混合整数优化模型。该模型在考虑AGV电池电量以及AGV不同状态耗电差异的约束下利用AGV作业顺序与换电站作业时间窗的协同,改变AGV原有换电策略,交错各AGV到达换电站的时刻以减少AGV换电排队时间。最后通过遗传算法(Genetic Algorithm,GA)对该模型求解,算例分析结果表明:与原有换电策略调度相比,优化后的换电策略有效减少了90. 96%的AGV换电排队时间,并提高了28. 03%的AGV作业效率,验证了该模型的有效性。 相似文献