散貨自動(dòng)化裝船策略設(shè)計(jì)及算法優(yōu)化

袁 建 明，閆 家 豪，涂 錚，胡 志 輝*

(1.武漢理工大學(xué) 物流工程學(xué)院，湖北 武漢 430070；2.武漢港迪智能技術(shù)有限公司，湖北 武漢 430063 )

0 引 言

礦石、散糧等大宗散貨多為單一類型的散狀顆粒，常采用水路船舶輸送．目前，大宗散貨裝船自動(dòng)化水平較低，裝船過(guò)程中難以合理規(guī)劃散貨物料在船艙的分布，需要人工不斷調(diào)整裝船設(shè)備位置進(jìn)行補(bǔ)料，而裝船機(jī)不宜頻繁移動(dòng)，需要定點(diǎn)堆積物料，容易造成物料分布不均勻、不合理．散貨裝船過(guò)程中物料的分布位置對(duì)船舶的運(yùn)載方式、航行姿態(tài)、船身壽命都有重要影響[1]，因此合理實(shí)現(xiàn)散貨裝船的自動(dòng)規(guī)劃顯得極為重要．

為了實(shí)現(xiàn)散貨裝船自動(dòng)化，建立能預(yù)測(cè)物料堆積效果且實(shí)現(xiàn)散貨裝船的自動(dòng)規(guī)劃策略是必不可少的．關(guān)于散貨裝船自動(dòng)化的研究主要集中在設(shè)備的自動(dòng)化控制及檢測(cè)反饋．曹洪岐等設(shè)計(jì)了一種可以實(shí)時(shí)測(cè)量船舶裝載狀態(tài)，反饋散貨堆積過(guò)程的系統(tǒng)，實(shí)現(xiàn)無(wú)人化的遠(yuǎn)程監(jiān)控[2-5]．趙溦等研究了散貨在存儲(chǔ)、運(yùn)輸、裝卸等過(guò)程中智能化裝卸機(jī)器的使用，指出了智慧散貨碼頭的發(fā)展方向[6]．包起帆研發(fā)并應(yīng)用多種自動(dòng)化散料裝卸機(jī)械，為散貨碼頭機(jī)械自動(dòng)控制奠定了基礎(chǔ)[7]．薛允濤建立了一種散貨智能裝船系統(tǒng)，實(shí)現(xiàn)了對(duì)散貨裝載過(guò)程的控制與反饋[8]．

綜上所述，國(guó)內(nèi)關(guān)于散貨碼頭設(shè)備自動(dòng)化控制與檢測(cè)研究較多，取得了一定的研究成果，但針對(duì)散貨裝船的物料自動(dòng)規(guī)劃方案研究較少，散貨裝船過(guò)程中物料的分布需要大量人工干預(yù)和判斷．為此，本文提出一種實(shí)現(xiàn)散貨裝船自動(dòng)規(guī)劃的策略，并提出具有自我影響因子的改進(jìn)黃金分割法，最優(yōu)化建模次數(shù)，且將實(shí)驗(yàn)和算法規(guī)劃的裝船結(jié)果進(jìn)行對(duì)比，探究散貨裝船自動(dòng)規(guī)劃策略的可行性及其效果．

1 散貨自動(dòng)化裝船策略設(shè)計(jì)

1.1 功能需求

散貨船舶裝載量大，而裝船機(jī)的效率相對(duì)較低，為減少裝船過(guò)程中裝船機(jī)移動(dòng)頻次，降低設(shè)備損耗、能耗以及操作人員勞動(dòng)強(qiáng)度，通常采用斷續(xù)移動(dòng)裝船機(jī)進(jìn)行裝船．首先根據(jù)船型及總裝載量規(guī)劃若干裝料點(diǎn)及每個(gè)裝料點(diǎn)對(duì)應(yīng)的裝載量，而后的裝船過(guò)程中，裝船機(jī)駐足在某個(gè)裝料點(diǎn)連續(xù)裝料，物料在船艙內(nèi)對(duì)應(yīng)堆點(diǎn)形成一定大小和質(zhì)量的料堆，然后裝船機(jī)沿船長(zhǎng)或船寬方向移動(dòng)到下一個(gè)相隔一定距離的裝料點(diǎn)繼續(xù)裝料．因此，綜合考慮裝船過(guò)程中船體的穩(wěn)定性、船體強(qiáng)度以及料堆頂部最終高度，需要以平衡裝載原則、物料堆積平整度和船舶安全性為基礎(chǔ)，合理規(guī)劃船艙內(nèi)物料堆點(diǎn)的布置及每個(gè)堆點(diǎn)對(duì)應(yīng)的裝載量．

1.2 裝船機(jī)落料口行走路線規(guī)劃

根據(jù)平整度最低原則及散料連續(xù)裝載原則，結(jié)合裝船機(jī)行走過(guò)程的起停狀態(tài)和裝船效率，參考人工裝載的習(xí)慣進(jìn)行裝船機(jī)落料口行走路線規(guī)劃，如圖1所示．裝船機(jī)落料口的行走路線需要考慮裝船過(guò)程中船體的穩(wěn)定性和船體強(qiáng)度，當(dāng)單側(cè)裝載量過(guò)大時(shí)，船身橫傾角和縱傾角會(huì)大于穩(wěn)定值，因此先從船艏或船艉船艙進(jìn)行散料裝船，使用15%～35%的物料鋪底，第2層再按照雙8字路線將剩余物料鋪滿船艙．

圖1 裝船機(jī)落料口行走路線示意圖Fig.1 Traveling route diagram of ship loader′s blanking port

1.3 自動(dòng)化裝船策略實(shí)現(xiàn)與方案選擇

散貨裝船中，各堆點(diǎn)料堆相互重疊，各料堆形狀不一且為非標(biāo)準(zhǔn)幾何體，因此無(wú)法采用數(shù)值模型計(jì)算各料堆體積．采用離散元仿真可以較好地模擬散粒物料堆積的最終效果，但離散元仿真速度較慢，無(wú)法進(jìn)行超大規(guī)模顆粒計(jì)算，而且絕大多數(shù)的離散元軟件只能根據(jù)規(guī)劃的物料質(zhì)量模擬最終的裝載效果，無(wú)法計(jì)算理想平整度狀態(tài)下各堆點(diǎn)質(zhì)量．

根據(jù)散貨堆積理論以及實(shí)驗(yàn)測(cè)試，裝船機(jī)溜筒下落的散粒物料堆積效果多為圓頂錐體，可以利用三維CAD軟件SolidWorks二次開(kāi)發(fā)構(gòu)建的理想錐體近似代替散粒料堆．首先根據(jù)裝載目標(biāo)建立物料平整堆積的整體模型．接著根據(jù)規(guī)劃的裝船機(jī)落料口行走路線計(jì)算各堆點(diǎn)的物料質(zhì)量，最終實(shí)現(xiàn)散貨自動(dòng)化裝船過(guò)程中物料分布的整體規(guī)劃．

自動(dòng)化裝船策略的運(yùn)行流程如圖2所示．散貨自動(dòng)化裝船策略根據(jù)測(cè)量反饋系統(tǒng)得到的待裝船舶船型參數(shù)和運(yùn)載需求參數(shù)，調(diào)取相應(yīng)物料參數(shù)，按照平衡裝載原則，在保證物料堆積平整度和船舶安全性的基礎(chǔ)上進(jìn)行裝船方案的自動(dòng)規(guī)劃．最后，根據(jù)規(guī)劃方案，通過(guò)遠(yuǎn)程通信控制裝船機(jī)進(jìn)行物料裝船．

圖2 散貨裝船策略運(yùn)行圖Fig.2 Operation chart of bulk cargo loading strategy

1.4 堆點(diǎn)變化分析

在散貨裝船過(guò)程中，根據(jù)現(xiàn)場(chǎng)裝載要求可以選取不同的裝載方式，采用的裝載方式直接影響船舶的縱彎矩和剪力以及船體的局部應(yīng)力[9]．本文選擇一般的船型數(shù)據(jù)進(jìn)行分析，分析結(jié)果如圖3所示，單個(gè)船艙中隨著堆點(diǎn)數(shù)量n的增加，堆點(diǎn)之間距離變化趨于緩和，堆點(diǎn)堆高h(yuǎn)下降速率明顯減小，堆高與堆谷之間的差值明顯縮小，裝載平整度接近理想狀態(tài)．由分析結(jié)果可知，對(duì)于單個(gè)船艙，裝載點(diǎn)的規(guī)劃過(guò)少容易造成裝載不平整，嚴(yán)重時(shí)會(huì)造成船體應(yīng)力集中，損害船體；裝載點(diǎn)規(guī)劃過(guò)多容易使裝船機(jī)頻繁移動(dòng)，不符合實(shí)際工程需要．散貨裝船策略通過(guò)堆點(diǎn)之間距離、堆點(diǎn)堆高、堆高與堆谷差值3個(gè)參數(shù)建立堆點(diǎn)數(shù)量評(píng)價(jià)標(biāo)準(zhǔn)，確保散貨裝船過(guò)程堆點(diǎn)分布的合理性．

圖3 同一船艙不同堆點(diǎn)方案差值變化圖Fig.3 Variation chart of scheme difference of different stacking points in the same cabin

2 堆點(diǎn)堆積量確定及算法優(yōu)化

2.1 基于進(jìn)退法與改進(jìn)黃金分割法的堆積量確定

為了能夠迅速模擬堆積過(guò)程，計(jì)算各堆點(diǎn)堆積量，需要尋找符合裝載總量的最優(yōu)堆型體積．由于尋找最優(yōu)堆型體積過(guò)程中，散貨裝船策略設(shè)計(jì)的堆型體積從小到大不斷增加，直至堆型體積大小符合散貨裝載體積，且堆型體積的變化曲線難以用數(shù)學(xué)模型表達(dá)，因此將堆型體積的搜尋過(guò)程提煉為無(wú)約束條件求單谷最優(yōu)解問(wèn)題[10]，并選取進(jìn)退法[11]和黃金分割法[12]對(duì)總體堆積量進(jìn)行確定．

進(jìn)退法是一種常用的確定搜索空間優(yōu)化算法．對(duì)于進(jìn)退法得到的搜索空間，通過(guò)優(yōu)化了的黃金分割法求最優(yōu)解，即在黃金分割法搜索過(guò)程中增加自我影響因子，對(duì)其搜索步長(zhǎng)進(jìn)行加速，使其在搜索過(guò)程中能夠減少搜索次數(shù)，更快地確定最優(yōu)解．改進(jìn)的黃金分割法運(yùn)行過(guò)程如圖4所示．

圖4 改進(jìn)的黃金分割法運(yùn)行流程圖Fig.4 The operation flow chart of improved golden section method

(1)為求區(qū)間[a，b]上最小值，令x1=a+0.382(b-a)，x2=b-0.382(b-a)，比較F(x1)與F(x2)大?。?/p>

(2)若F(x1)>F(x2)，則去掉區(qū)間[a，x1]，將新區(qū)間[a，b]進(jìn)行加速，令x1=a+0.382λk×(b-a)，k為加速趨勢(shì)，λ為加速次數(shù)，加速后若x1

(3)若F(x1)≤F(x2)，則去掉區(qū)間[x2，b]，將新區(qū)間[a，b]進(jìn)行加速，令x2=b-0.382λk(b-a)，加速后若x1≥x2，則取消加速．

通過(guò)借用粒子群算法中自我影響因子[13-15]的思想，改進(jìn)的黃金分割法能夠很好地避免谷值過(guò)度靠近區(qū)間端點(diǎn)時(shí)迭代次數(shù)過(guò)多的情況，使其在建模過(guò)程中能夠減少運(yùn)算次數(shù)，縮短算法的建模時(shí)間，從而提高系統(tǒng)運(yùn)行效率．

得到最優(yōu)整體堆型體積后，根據(jù)裝船機(jī)行走路線，對(duì)每個(gè)堆點(diǎn)的質(zhì)量進(jìn)行提取．根據(jù)總體模型各項(xiàng)參數(shù)，首先將對(duì)應(yīng)堆點(diǎn)的模型與前一個(gè)堆點(diǎn)的模型進(jìn)行相減，提取出對(duì)應(yīng)堆點(diǎn)的堆積體積，不斷重復(fù)上述建模過(guò)程就可以得到各個(gè)堆點(diǎn)規(guī)劃的物料體積，從而算出各個(gè)堆點(diǎn)規(guī)劃的物料質(zhì)量．

2.2 改進(jìn)算法效率分析

基于提出的改進(jìn)黃金分割法，選取大、中、小3種船型各5組不同裝載量進(jìn)行計(jì)算，如圖5所示．對(duì)3種船型測(cè)試的數(shù)據(jù)進(jìn)行對(duì)比分析可以發(fā)現(xiàn)，針對(duì)最優(yōu)值處于區(qū)間中間和兩端的情況，改進(jìn)的黃金分割法在搜索最優(yōu)值時(shí)能夠減少搜索次數(shù)t．當(dāng)最優(yōu)值靠近區(qū)間一端時(shí)，改進(jìn)的黃金分割法能夠減少搜索次數(shù)．此外，在提高搜索結(jié)果的精度時(shí)，改進(jìn)的黃金分割法的搜索次數(shù)會(huì)遠(yuǎn)遠(yuǎn)低于傳統(tǒng)黃金分割法的搜索次數(shù)，在程序運(yùn)行時(shí)有更好的優(yōu)越性．

(a)小型船測(cè)試計(jì)算結(jié)果

3 實(shí)驗(yàn)驗(yàn)證與分析

3.1 實(shí)驗(yàn)臺(tái)搭建

實(shí)驗(yàn)測(cè)試依托于實(shí)際裝船過(guò)程，如圖6(a)所示，選擇雙船艙的左側(cè)船艙建立等比縮小的船艙模型，縮小的船艙模型占據(jù)8字行走路線的一半．如表1所示．船艙尺寸為1 m×0.5 m×0.4 m，漏斗卸料口直徑為0.027 m，漏斗高度為0.6 m．根據(jù)圖6(a)裝船機(jī)行走路線所示，第1層堆點(diǎn)位置從船艏的中間位置開(kāi)始依次在0.2、0.4、0.6、0.8 m 4個(gè)點(diǎn)的位置落料．第2層堆點(diǎn)從船艉按原路徑返回，依次在0.8、0.6、0.4、0.2 m 4個(gè)點(diǎn)的位置落料，落料完畢，移動(dòng)到距離船艙中間位置0.125 m處的船艙一側(cè)，依次在0.2、0.4、0.6、0.8 m 4個(gè)點(diǎn)的位置落料，接著移動(dòng)到距離船艙中間位置0.125 m處的船艙另一側(cè)，依次在0.8、0.6、0.4、0.2 m 4個(gè)點(diǎn)的位置落料．本次實(shí)驗(yàn)選取聚丙烯樹(shù)脂顆粒作為物料，通過(guò)測(cè)繪其堆積角、密度等作為計(jì)算數(shù)據(jù)，第1層鋪底量為30%，第2層為總量的70%，實(shí)驗(yàn)過(guò)程堆點(diǎn)順序及堆點(diǎn)質(zhì)量如表2所示．

(a)裝船過(guò)程

表1 實(shí)驗(yàn)參數(shù)Tab.1 Experimental parameters

表2 堆點(diǎn)順序及堆點(diǎn)質(zhì)量Tab.2 Stacking point sequence and amount

3.2 實(shí)驗(yàn)結(jié)果分析

圖6(b)為實(shí)驗(yàn)照片，實(shí)驗(yàn)各堆點(diǎn)測(cè)量數(shù)據(jù)如圖7所示．圖7(a)所示為實(shí)驗(yàn)測(cè)量堆峰高度h1與算法生成模型堆峰高度的對(duì)比．從圖中分析可知，實(shí)驗(yàn)測(cè)量的高度均小于算法生成的高度，船艙中間位置的點(diǎn)1、2堆峰高度明顯小于船艉點(diǎn)3、4的堆峰高度．這是由于顆粒在堆積過(guò)程中，一方面，物料從高處落下，前一個(gè)堆點(diǎn)會(huì)被后一個(gè)堆點(diǎn)下落的物料沖擊，從而造成前一個(gè)堆點(diǎn)物料從堆峰滾落至船艙側(cè)邊和堆谷處．另一方面，由于顆粒的流動(dòng)性強(qiáng)，物料無(wú)法形成理想錐體．堆點(diǎn)5～12處于船艙兩側(cè)，堆積過(guò)程中顆粒更容易滾落至船艙側(cè)邊及堆谷處．

(a)實(shí)驗(yàn)堆峰與算法模型堆峰高度對(duì)比圖

如圖7(b)所示為實(shí)驗(yàn)測(cè)量堆谷高度h2與算法生成模型堆谷高度的對(duì)比．受沖擊影響，實(shí)驗(yàn)測(cè)量的堆谷高度明顯大于算法生成的堆谷高度．而點(diǎn)1、2和3是位于船艙中間的堆谷，受到周圍堆點(diǎn)物料下落影響最多，其堆谷高度明顯大于處于船艙兩側(cè)的堆谷高度．位于船艙兩側(cè)的堆谷受到堆峰處物料下落影響較少，其堆谷高度略大于算法生成的堆谷高度．

如圖7(c)所示為船艙側(cè)邊均勻選取9個(gè)點(diǎn)的實(shí)驗(yàn)測(cè)量高度h3與算法生成模型側(cè)邊高度的對(duì)比．可以看出實(shí)驗(yàn)測(cè)量的船艙側(cè)邊物料高度的起伏變化大致與算法生成的數(shù)據(jù)變化相同，由于下料過(guò)程的沖擊和顆粒的流動(dòng)性，實(shí)驗(yàn)測(cè)量的側(cè)邊堆谷高度會(huì)大于模型數(shù)據(jù)，而側(cè)邊堆峰會(huì)略小于模型數(shù)據(jù)．并且點(diǎn)4與6受到的沖擊影響要大于點(diǎn)2與8．

因此實(shí)際物料堆積效果與算法生成模型結(jié)果較為吻合．根據(jù)測(cè)量結(jié)果，堆峰、堆谷與側(cè)邊堆積高度的最大相對(duì)誤差分別為5.78%、14.31%、6.08%．其中，位于船艙中間堆谷的相對(duì)誤差均值為14.22%，位于船艙兩側(cè)堆谷的相對(duì)誤差均值為3.77%，而位于船艙中間區(qū)域的堆谷對(duì)船舶航行影響較小，相對(duì)均勻分布即可．最終，堆點(diǎn)堆高的平均相對(duì)誤差在7%范圍內(nèi)．因此，實(shí)驗(yàn)結(jié)果顯示本文所采用的規(guī)劃策略和實(shí)際散貨裝船效果具有較好的擬合性和準(zhǔn)確性．

4 結(jié) 論

(1)利用散貨物料堆積特性建立理想錐體模型近似模擬物料平整堆積裝船效果，建立散貨裝船物料堆點(diǎn)布置及對(duì)應(yīng)裝載量的自動(dòng)規(guī)劃策略，為實(shí)現(xiàn)散貨自動(dòng)化裝船提供了一種可行的實(shí)用方法．

(2)具有自我影響因子的改進(jìn)黃金分割法，以最少建模次數(shù)為優(yōu)化目標(biāo)，優(yōu)化自動(dòng)規(guī)劃算法效率，相比于傳統(tǒng)黃金分割法，其優(yōu)化效果明顯．

(3)實(shí)驗(yàn)測(cè)量和算法模型的堆點(diǎn)堆高最大平均相對(duì)誤差在7%范圍內(nèi)，證明文中提出的散貨裝船策略在實(shí)現(xiàn)散料平整堆積上具有良好的準(zhǔn)確性、適用性．