基于数字孪生的自动化集装箱码头多AGV动态调度方法技术

本发明专利技术公开了一种基于数字孪生的自动化集装箱码头多AGV动态调度方法，该方法包括多AGV动态调度数字孪生框架构建过程、AGV调度模型构建与方案生成过程、以及基于数字孪生的多AGV动态调度策略实现过程。本发明专利技术将数字孪生引入到当前自动化集装箱码头的AGV调度问题中，利用码头物理空间和孪生空间的闭环交互与迭代优化以提高调度效率和减少调度偏差。一方面，能够在调度执行前对方案进行验证优化，保证调度方案的最优性；另一方面，能够在调度执行的过程中感知异常扰动及对异常扰动分析处理，调用算法更新调度方案，保证物理与孪生空间的一致性并保证调度方案能满足实际生产要求。求。求。

【技术实现步骤摘要】
基于数字孪生的自动化集装箱码头多AGV动态调度方法


[0001]本专利技术涉及船舶航运领域，具体涉及一种基于数字孪生的自动化集装箱码头多AGV动态调度方法。

技术介绍

[0002]集装箱码头是国际运输的重要节点，也是海陆货物运输的重要枢纽。随着自动化集装箱码头建设的深入，从自动化到智能化的转变也将是集装箱码头的大势所趋。
[0003]但是面对生产连续性强且环境变化快的码头作业环境，当设备某一部分出现故障会对整个作业过程产生影响，及时响应作业中的动态事件是当前面临最棘手的问题；其次，当前码头信息透明度低，当一些不确定因素出现在生产中时会严重阻碍调度计划的制定和实施。此外，当前码头缺乏有效的仿真工具、信息模型和独立的决策机制，故以灵活的方式实现作业过程中的调度变得极其困难。数字孪生的出现使孪生空间与物理空间的交互变成了可能。同时在AGV调度作业的过程中，建立孪生空间实现与实际生产的迭代交互、及时响应调度中的动态事件，使码头生产信息透明化是很有必要的。因此，本专利技术将数字孪生与码头AGV调度相结合，提出了一种基于数字孪生的自动化集装箱码头多AGV动态调度方法。与当前码头作业相比，数字孪生的使用提升了码头作业效率，是未来自动化集装箱码头改造的重要研究方向。
[0004]目前，对于自动化集装箱码头AGV调度的研究还存在着以下几个方面的不足：
[0005](1)AGV调度是自动化集装箱码头作业的关键环节,其效率也是影响码头整体作业效率的决定性因素之一。大多数学者研究AGV的调度问题时，建模过程中依赖某些特定的假设(如设备一直可用，作业时间恒定等)，考虑的大多数动态因素并不是来自实际生产数据，不符合码头作业的实际情况；另外，一些学者在研究AGV动态调度时，忽略了重调度稳定性对码头作业的影响，无法保证AGV动态调度的稳定性。
[0006](2)在AGV动态调度的研究中，缺乏与实际生产的迭代交互的虚拟场景，从而动态调度问题未能得到很好的解决，当某一部分出现故障会对整个作业过程产生影响，及时响应作业中的动态事件是当前面临最棘手的问题。此外，当前码头缺乏有效的仿真工具、信息模型和独立的决策机制，故以灵活的方式实现作业过程中的调度变得极其困难。
[0007](3)在当前码头调度作业过程中，生产信息透明度低，各系统间存在信息孤岛；当一些不确定因素出现在生产中时会严重阻碍调度计划的制定和实施。再者，在实际生产调度过程中，不确定事件、信息不对称和异常扰动情况会导致执行偏差，影响调度执行的效率和稳定性。

技术实现思路

[0008]本专利技术的目的在于提供一种基于数字孪生的自动化集装箱码头多AGV动态调度方法，针对
技术介绍
中提到的三个问题进行研究，在考虑重调度稳定性和不确定因素影响的情况下，利用数字孪生的虚实交互特性对自动化集装箱码头多AGV的动态调度问题进行研
究。本专利技术将数字孪生与码头AGV调度相结合，提出了一种多AGV动态调度数字孪生框架，将调度稳定性考虑到调度问题建模中，研究一种基于数字孪生的自动化集装箱码多AGV 动态调度方法。考虑将数字孪生与遗传算法相结合用于自动化集装箱码头AGV调度作业中，利用数字孪生的虚实交互特性，对物理空间出现的扰动进行响应，调用相应的调度模型和遗传算法，调整和更新调度方案，指导码头当前作业。
[0009]为了达到上述目的，本专利技术采用的技术方案如下：
[0010]一种基于数字孪生的自动化集装箱码头多AGV动态调度方法，该方法包括：多AGV 动态调度数字孪生框架构建过程；AGV调度模型构建与方案生成过程；基于数字孪生的多AGV动态调度策略实现过程。本专利技术将数字孪生这一新兴技术引入到当前自动化集装箱码头的AGV调度问题中，利用码头物理空间和孪生空间的闭环交互与迭代优化以提高调度效率和减少调度偏差。一方面，能够在调度执行前对方案进行验证优化，保证调度方案的最优性；另一方面，能够在调度执行的过程中感知异常扰动及对异常扰动分析处理，调用算法更新调度方案，保证物理与孪生空间的一致性并保证调度方案能满足实际生产要求。
[0011]本专利技术基于数字孪生的自动化集装箱码头多AGV动态调度方法，多AGV动态调度数字孪生框架构建过程具体包括以下步骤：
[0012]S1：码头孪生空间的构建，码头孪生空间是码头物理空间的镜像。码头物理空间的物理实体主要包括岸桥、场桥、AGV、船舶、堆场、集装箱以及行驶路径等，利用3D MAX 工具建立这些物理实体的多维数字孪生模型，按码头真实场景组合这些多维数字孪生模型，从而构成码头孪生空间；
[0013]S2：调度作业过程中的动态数字孪生模型构建，主要包括AGV健康状态模型，AGV装卸效率模型以及AGV能耗模型；AGV健康状态建模是通过采集AGV作业过程中包括电机电流、电压、速度数据并利用长短时记忆网络建立设备状态健康因子，完成数据与状态间的映射，如公式(1
‑
5)所示。
[0014]Y
i
＝t
i
*tanh(Z
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0015][0016]f
i
＝σ(W
c
·
[Y
i
‑1,X
i
]+b
c
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0017]s
i
＝σ(W
c
·
[Y
i
‑1,X
i
]+b
c
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0018][0019]其中i表示所用AGV的数量，Y
i
表示第i个电机状态数据经运算后得到的输出结果，X
i
表示输入的第i个AGV电机的相应电流、电压、速度数据，t
i
表示作业中第i个AGV的非工作时间，Z
i
表示第i个AGV的电机状态数据，f
i
为逻辑回归函数，可决定前一个时刻电机状态中有多少信息可传输至下一时刻，σ为逻辑函数，用于计算出0
‑
1之间的值，W
c
为权重矩阵， b
c
是偏置，表示得到新的电机状态值；AGV装卸效率模型是利用相关性分析对调度中AGV 运输时间数据进行筛选并建立时间数据特征与效率间的映射关系，如公式(6)所示。
[0020][0021]其中V表示AGV的数量，p表示装卸效率，M
c
为总装卸集装箱的总数，T
fi
为第i个AGV完工时间，T
si
为第i个AGV开始时间，t
i
为第i个AGV非工作时间；AGV能耗模型是根据AGV作业状态以及单位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的自动化集装箱码头多AGV动态调度方法，其特征在于，包括以下步骤：S1：创建与码头物理空间中的物理实体相对应的孪生空间，码头物理空间的物理实体主要包括岸桥、场桥、AGV、船舶、堆场、集装箱以及行驶路径，利用3D MAX工具建立这些物理实体的多维数字孪生模型，按码头真实场景组合这些多维数字孪生模型，从而构成码头孪生空间；S2：依据AGV调度过程，构建作业过程中的动态数字孪生模型，包括AGV健康状态模型，AGV装卸效率模型以及AGV能耗模型；AGV健康状态建模是通过采集AGV作业过程中包括电机电流、电压、速度数据并利用长短时记忆网络建立设备状态健康因子，完成数据与状态间的映射，如公式(1
‑
5)所示。Y
i
＝t
i
*tanh(Z
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)f
i
＝σ(W
c
·
[Y
i
‑1,X
i
]+b
c
)
ꢀꢀꢀꢀ
(3)s
i
＝σ(W
c
·
[Y
i
‑1,X
i
]+b
c
)
ꢀꢀꢀꢀꢀꢀꢀ
(4)其中i表示所用AGV的数量，Y
i
表示第i个电机状态数据经运算后得到的输出结果，X
i
表示输入的第i个AGV电机的相应电流、电压、速度数据，t
i
表示作业中第i个AGV的非工作时间，Z
i
表示第i个AGV的电机状态数据，f
i
为逻辑回归函数，可决定前一个时刻电机状态中有多少信息可传输至下一时刻，σ为逻辑函数，用于计算出0
‑
1之间的值，W
c
为权重矩阵，b
c
是偏置，表示得到新的电机状态值；AGV装卸效率模型是利用相关性分析对调度中AGV运输时间数据进行筛选并建立时间数据特征与效率间的映射关系，如公式(6)所示。其中V表示AGV的数量，p表示装卸效率，M
c
为总装卸集装箱的总数，T
fi
为第i个AGV完工时间，T
si
为第i个AGV开始时间，t
i
为第i个AGV非工作时间；AGV能耗模型是根据AGV作业状态以及单位时间内所完成的任务数等数据构建设备能耗模型，如公式(7)所示。其中E
V
表示AGV的总能耗，N表示集装箱任务的数量，Q表示岸桥的数量，B表示场桥的数量，θ
e
、θ
d
、θ
w
分别为AGV处于空载行驶状态、负载行驶状态以及等待状态时的单位时间平均能耗，t
ajj
′
为AGV a从集装箱任务j的终点移动至另一个集装箱任务j
′
的起点所用时间，T
aj
为AGV a运输集装箱任务j时从任务j
′
的起始节点行进到其终点所用时间，表示在运输集装箱任务j时AGV a等待岸桥m所用的时间,表示在运输集装箱任务j时AGV a等待场桥b所用的时间；通过构建动态的AGV健康状态模型，AGV装卸效率模型以及AGV能耗模型可
对作业中的AGV进行实时仿真与优化；S3:对步骤S1构建的多维数字孪生模型进行模型相似性计算，其各模型相似性计算的具体根据以下式子8
‑
13：13：13：13：Q
i
＝rank A
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中ξ
ij
指对AGV或岸桥等模型在模型库的第i个构成组件ξ
i
的第j个方面的评级，其中组件间的拼接可构成完整的单个模型；β
ij
表示归一化的值；第j个方面包括几何、金属光泽、磨损程度；ω
j
表示各模型属性的权值；C
i
和P
i
分别表示模型的第i个构成组件ξ
i
与负和正最优解之间的距离；σ是多数标准权重，当σ大于0.5时，A
i
表示模型相似度较高；当σ小于0.5时，A
i
显示大多数人的消极态度；Q
i
是对的第i个构成组件进行排序，θ
e1
表示模型相似性评价指标，其值为0或1；是可变阈值，可根据实际需要设置；当Q
i
大于阈值时，θ
e1
为1,否则为0；对步骤S1构建的多维数字孪生模型进行布局相似性验证；布局相似性需要考虑泊位、缓冲区和贝位的位置数据；因此将θ
e2
作为泊位、缓冲区和贝位之间的相对距离作为布局相似性验证的指标；QC
i
(x
i
,y
i
)i∈[1,i
*
],i∈Z表示第i个泊位的坐标，i
*
为岸桥的数量；V
j
(x
j
,y
j
)j∈[1,j
*
],j∈Z表示第j个缓冲区坐标，j
*
为缓冲区数量；B
k
(x
k
,y
k
)k∈[1,k
*
],k∈Z表示第k个贝位的坐标，k
*
表示贝位的数量；QV
ij
表示码头物理空间第i个泊位与第j个缓冲区之间的距离；VB
ik
表示码头物理空间第i个泊位与第k个贝位之间的距离，如公式14、15所示；虚拟空间中模型之间距离通过直接测量得到；虚拟空间中模型之间距离通过直接测量得到；VQV
ij
和VVB
ik
分别表示码头虚拟空间中孪生模型泊位与缓冲区、泊位与贝位之间的距离；QPE
ij
表示码头虚拟空间中泊位和码头物理系统之间关于缓冲区的位置误差；BPE
ik
表示码头虚拟空间中泊位和码头物理系统之间关于贝位的位置误差，所涉及的公式如(16
‑
18)，其中为可调节的误差阈值，可据实际需求进行设定；QPE
ij
＝|QV
ij
‑
VQV
ij
|
ꢀꢀꢀ
...

【专利技术属性】
技术研发人员：苌道方，李玉，孙苗苗，徐国轩，高银萍，陆后军，田宇，凌强，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：