集装箱堆场分配与自动化装载小车路径联合优化

为研究自动化装载小车(Automated Lifted Vehicle,ALV)在自动化集装箱码头的作业状况,首先考虑ALV自行装卸集装箱的能力,其次考虑卸船集装箱的堆场分配与ALV的路径联合优化问题,以每个集装箱在时间窗内完成装卸任务为目标建立混合整数规划模型.最后通过比较不同实验条件下求出的最优目标延迟时间和计算机运行时间,得出整个操作过程中ALV数、集装箱数和堆场子箱区数这三者之间的关系.数值实验表明:当集装箱数和ALV数一定时,随着装卸箱比例的增大,目标延迟时间和模型运算时间呈相同的变化趋势,即在既有装船箱又有卸船箱时应优先分配ALV满足装船箱的运输;当集装箱数一定时,随着ALV数的增加,目标延迟时间和模型运算时间逐步减少;当ALV数一定时,随集装箱数的增加,目标延迟时间和模型运算时间增加.

模糊神经网络下基于强化学习的自主式地面车辆路径规划研究

通过引入一种启发式学习算法,部分改进了MAXQ递阶强化学习方法,并结合模糊神经网络开发了一种自主式地面车辆(ALV)全局路径规划Agent。该智能Agent充分融合了人类操作经验和机器学习能力,为强化学习明确了搜索方向,缩减了计算量,具有较强的自适应能力,满足了系统的实时性要求。仿真结果表明:在庞大状态空间和动态变化环境中,全局路径规划Agent能够有效、实时地进行最优行为的策略学习。

由S7-200双机通信组成的地铁车机控制系统

叙述了地铁架车机的原理、组成及特点 ,该系统由2个S7200PLC连网通讯构成的低成本控制系统。

自动化集装箱码头ALV水平作业任务调度优化

针对自动升降车(ALV)与岸桥协调调度优化问题,基于边装边卸作业模式,考虑ALV装卸事件发生的时间序列及岸桥装卸事件时间窗约束,建立双目标混合整数规划模型.对ALV执行任务的序列进行优化,得出不同条件下最优作业序列和时间成本的比较结果,证明了该优化模型的实用性.为进一步分析上述结果,设计四组实验场景,对参数进行调整,分析参数变化的影响及模型的特征.分析结果表明:ALV的总时间成本随集装箱装卸任务数、ALV准备期长度的增加而增加,随时间窗的增大而减少,且ALV的车速越大,对于时间窗变化的适应性越强.