李 玉,萇道方,高銀萍+,凌 強(qiáng)

(1.上海海事大學(xué) 物流科學(xué)與工程研究院,上海 201306; 2.上海國際港務(wù)(集團(tuán))有限公司,上海 201306)

0 引言

集裝箱碼頭是國際運(yùn)輸?shù)闹匾?jié)點(diǎn),也是海陸貨物運(yùn)輸?shù)闹匾獦屑~[1]。隨著自動(dòng)化集裝箱碼頭(Automated Container Terminals,ACTs)建設(shè)的深入,從自動(dòng)化到智能化的轉(zhuǎn)變是集裝箱碼頭的大勢(shì)所趨[2]。自動(dòng)導(dǎo)引車(Automatic Guided Vehicle,AGV)是ACTs中重要的運(yùn)輸設(shè)備之一,具有自動(dòng)化、智能化、并行作業(yè)的特點(diǎn)。AGV配備了電磁或光學(xué)等自動(dòng)導(dǎo)航裝置,可沿預(yù)先設(shè)定的引導(dǎo)路徑行駛,完成ACT中集裝箱的水平運(yùn)輸[3]。同時(shí),AGV水平運(yùn)輸效率也是影響碼頭整體作業(yè)效率的重要因素之一。面對(duì)碼頭復(fù)雜多變的作業(yè)過程,如何設(shè)計(jì)合理的AGV動(dòng)態(tài)調(diào)度方案,以提高碼頭整體作業(yè)效率,是當(dāng)前ACTs亟待解決的問題之一。

AGV調(diào)度作為碼頭作業(yè)的關(guān)鍵環(huán)節(jié),一直受到學(xué)者們的廣泛關(guān)注,主要集中于集裝箱與AGV間分配、AGV路徑規(guī)劃以及作業(yè)過程中執(zhí)行順序的管理,其本質(zhì)是一個(gè)多目標(biāo)、多約束的組合優(yōu)化問題[4],目的是優(yōu)化完工時(shí)間、延遲時(shí)間以及AGV總運(yùn)輸成本等。AGV調(diào)度問題的研究可分為靜態(tài)調(diào)度、動(dòng)態(tài)調(diào)度、主動(dòng)調(diào)度。梁承姬等[5]在考慮裝卸順序的情況下研究岸橋與AGV協(xié)同調(diào)度問題,以最大完工時(shí)間最小化為目標(biāo)建立混合整數(shù)規(guī)劃模型,并利用遺傳算法來求解該模型;馬越匯等[6]建立以最末任務(wù)結(jié)束時(shí)間最小化為目標(biāo)的混合整數(shù)規(guī)劃模型來研究不確定環(huán)境下AGV的調(diào)度與配置問題。由于靜態(tài)調(diào)度是一次性的作業(yè)調(diào)度,一般都要基于一些特定的假設(shè)(如設(shè)備一直可用,作業(yè)時(shí)間恒定等),這些假設(shè)不能滿足實(shí)際作業(yè)的需求。為了提高水平作業(yè)中AGV調(diào)度的靈活性,國內(nèi)外學(xué)者將重心放在動(dòng)態(tài)調(diào)度問題的研究上。動(dòng)態(tài)調(diào)度則是根據(jù)碼頭作業(yè)中的變化動(dòng)態(tài)調(diào)整AGV的調(diào)度方案,靈活性強(qiáng)。XIN等[7]基于設(shè)備的當(dāng)前狀態(tài)提出一種重調(diào)度方法以應(yīng)對(duì)作業(yè)中出現(xiàn)操作延遲或設(shè)備故障等干擾;CAI等[8]針對(duì)新任務(wù)到達(dá)等不確定情況,提出了重調(diào)度新到達(dá)作業(yè)和重調(diào)度新作業(yè)與未執(zhí)行作業(yè)組合兩種策略;JIANG等[9]將加工時(shí)間和到達(dá)時(shí)間的不確定性視為區(qū)間,提出一種基于改進(jìn)差分進(jìn)化的多級(jí)動(dòng)態(tài)調(diào)度算法。研究者們?cè)趧?dòng)態(tài)調(diào)度問題上作出了很大貢獻(xiàn),但大多數(shù)動(dòng)態(tài)因素并非來自實(shí)際生產(chǎn)數(shù)據(jù)。同時(shí)缺乏與實(shí)際生產(chǎn)的迭代交互的虛擬場(chǎng)景,因此動(dòng)態(tài)調(diào)度問題未能得到很好的解決。此外,為了實(shí)現(xiàn)調(diào)度過程中動(dòng)態(tài)事件的及時(shí)響應(yīng),一些學(xué)者也開展了主動(dòng)調(diào)度的研究。SHEN等[10]為實(shí)現(xiàn)對(duì)關(guān)鍵動(dòng)態(tài)事件做出響應(yīng)提出一種基于多目標(biāo)進(jìn)化算法的主動(dòng)重調(diào)度。主動(dòng)調(diào)度雖能及時(shí)響應(yīng)動(dòng)態(tài)事件,但缺乏與實(shí)際的交互,重調(diào)度的準(zhǔn)確性無法保障。

上述研究表明,面對(duì)生產(chǎn)連續(xù)性強(qiáng)且環(huán)境變化快的碼頭作業(yè)環(huán)境,當(dāng)某一部分出現(xiàn)故障會(huì)對(duì)整個(gè)作業(yè)過程產(chǎn)生影響,及時(shí)響應(yīng)作業(yè)中的動(dòng)態(tài)事件是當(dāng)前面臨最棘手的問題;其次,當(dāng)前碼頭信息透明度低,當(dāng)一些不確定因素出現(xiàn)在生產(chǎn)中時(shí)會(huì)嚴(yán)重阻礙調(diào)度計(jì)劃的制定和實(shí)施。此外,在實(shí)際生產(chǎn)調(diào)度過程中,不確定事件、信息不對(duì)稱和異常擾動(dòng)情況會(huì)導(dǎo)致執(zhí)行偏差,影響調(diào)度執(zhí)行的效率和穩(wěn)定性。最后,當(dāng)前碼頭缺乏有效的仿真工具、信息模型和獨(dú)立的決策機(jī)制,故以靈活的方式實(shí)現(xiàn)作業(yè)過程中的調(diào)度變得極其困難。因此,在AGV調(diào)度作業(yè)的過程中,建立虛擬空間實(shí)現(xiàn)與實(shí)際生產(chǎn)的迭代交互、及時(shí)響應(yīng)調(diào)度中的動(dòng)態(tài)事件,使碼頭生產(chǎn)信息透明化是很有必要的。

隨著數(shù)字孿生和工業(yè)物聯(lián)網(wǎng)等新一代技術(shù)在工業(yè)的應(yīng)用,使得虛擬空間與物理空間的交互變成了可能。數(shù)字孿生最早由GRIEVES教授提出[11],它是虛擬空間中物理實(shí)體的鏡像,具有虛實(shí)交互、實(shí)時(shí)映射及共生進(jìn)化的能力,通過借助工業(yè)物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)生產(chǎn)要素的互聯(lián),并實(shí)時(shí)反映真實(shí)作業(yè)運(yùn)行過程,進(jìn)而為實(shí)際作業(yè)過程提供指導(dǎo)。數(shù)字孿生在智能制造、海運(yùn)、生產(chǎn)車間、車間生產(chǎn)及智能化生產(chǎn)管控中有較為廣泛的應(yīng)用。TAO等[12]提出數(shù)字孿生車間的概念,并建立數(shù)字孿生五維模型,通過物理世界和信息世界的交互和集成來實(shí)現(xiàn)智能制造;魏世橋等[13]將數(shù)字孿生與碼頭深度融合,通過信息物理系統(tǒng)和貨客滾裝碼頭生產(chǎn)系統(tǒng)的交互實(shí)現(xiàn)物理與虛擬之間實(shí)時(shí)映射;張新生[14]利用數(shù)字孿生重構(gòu)車間管控系統(tǒng),實(shí)現(xiàn)了車間的智能管控;周成等[15]針對(duì)車間監(jiān)控透明度低、實(shí)時(shí)性差等問題,提出了基于數(shù)字孿生的車間三維可視化監(jiān)控系統(tǒng);FANG等[16]提出一種基于數(shù)字孿生的作業(yè)車間調(diào)度方法來減少調(diào)度過程中因不確定事件或異常擾動(dòng)引起的偏差。此外,WANG等[17]為實(shí)現(xiàn)對(duì)車間生產(chǎn)活動(dòng)中的不確定因素進(jìn)行全方位的管理和控制,將數(shù)字孿生與計(jì)劃調(diào)度相結(jié)合,構(gòu)建基于數(shù)字孿生的計(jì)劃調(diào)度系統(tǒng)。數(shù)字孿生為解決生產(chǎn)調(diào)度中不確定因素的影響提供了一種新的思路。然而在自動(dòng)化集裝箱碼頭的研究中,極少考慮動(dòng)態(tài)環(huán)境變化對(duì)AGV調(diào)度產(chǎn)生的影響以及重調(diào)度穩(wěn)定性等問題。

綜上所述,在考慮重調(diào)度穩(wěn)定性和不確定因素影響的情況下,利用數(shù)字孿生實(shí)現(xiàn)自動(dòng)化集裝箱碼頭AGV的動(dòng)態(tài)調(diào)度是很值得研究的課題。為此,本文將數(shù)字孿生與碼頭AGV調(diào)度相結(jié)合,提出一種多AGV動(dòng)態(tài)調(diào)度數(shù)字孿生框架,將調(diào)度穩(wěn)定性考慮到調(diào)度問題建模中,研究基于數(shù)字孿生的多AGV動(dòng)態(tài)調(diào)度方法,為自動(dòng)化集裝箱碼頭多AGV動(dòng)態(tài)調(diào)度提供一種新的思路。此外,本文試圖將數(shù)字孿生與遺傳算法相結(jié)合用于自動(dòng)化集裝箱碼頭AGV調(diào)度作業(yè)中,利用數(shù)字孿生的虛實(shí)交互特性,對(duì)物理空間出現(xiàn)的擾動(dòng)進(jìn)行響應(yīng),調(diào)用相應(yīng)的調(diào)度模型和遺傳算法,調(diào)整和更新調(diào)度方案,指導(dǎo)碼頭當(dāng)前作業(yè)。最后通過構(gòu)建原型系統(tǒng)驗(yàn)證了所提出方案的有效性。

1 基于數(shù)字孿生的自動(dòng)化集裝箱碼頭多AGV動(dòng)態(tài)調(diào)度框架

1.1 總體框架

AGV調(diào)度在碼頭生產(chǎn)作業(yè)中起著至關(guān)重要的作用。它能夠充分利用碼頭現(xiàn)有的生產(chǎn)資源,通過制定最優(yōu)的調(diào)度方案將集裝箱任務(wù)合理分配給待作業(yè)的AGV,從而使得碼頭裝卸效率最大化。面對(duì)碼頭復(fù)雜多樣的作業(yè)過程,生產(chǎn)調(diào)度參數(shù)的變化會(huì)對(duì)靜態(tài)調(diào)度方案的準(zhǔn)確性造成影響。其次在碼頭調(diào)度的過程中,會(huì)產(chǎn)生多種多樣的數(shù)據(jù),如何從眾多數(shù)據(jù)中準(zhǔn)確地獲取與AGV調(diào)度相關(guān)的數(shù)據(jù),以實(shí)現(xiàn)碼頭的精確調(diào)度也是當(dāng)前面臨的重要問題。此外,在碼頭調(diào)度作業(yè)的過程中,往往會(huì)發(fā)生一些如運(yùn)輸設(shè)備故障、作業(yè)延遲等不確定性的干擾,這些擾動(dòng)會(huì)使得調(diào)度過程偏離計(jì)劃,從而影響碼頭的作業(yè)效率。因此,碼頭物理和孿生空間之間的交互映射成為了實(shí)現(xiàn)AGV動(dòng)態(tài)調(diào)度的關(guān)鍵。

利用數(shù)字孿生的虛實(shí)映射和實(shí)時(shí)交互特性,碼頭物理和孿生空間的交互融合得以實(shí)現(xiàn),同時(shí)也能夠很好地滿足AGV調(diào)度新模式的需求。因此,本文提出了AGV動(dòng)態(tài)調(diào)度數(shù)字孿生框架,該框架主要由碼頭物理空間、數(shù)據(jù)服務(wù)平臺(tái)、AGV調(diào)度數(shù)字孿生系統(tǒng)以及連接四部分組成,如圖1所示。碼頭物理空間是框架的基礎(chǔ),主要負(fù)責(zé)提供設(shè)備電流、電量等基礎(chǔ)信息、正在執(zhí)行的任務(wù)信息、設(shè)備運(yùn)行狀態(tài)以及與調(diào)度相關(guān)的數(shù)據(jù)信息。數(shù)據(jù)信息會(huì)通過數(shù)據(jù)服務(wù)平臺(tái)處理后傳輸?shù)紸GV調(diào)度數(shù)字孿生系統(tǒng)。AGV調(diào)度數(shù)字孿生系統(tǒng)主要由服務(wù)系統(tǒng)和孿生空間組成。孿生空間會(huì)在實(shí)時(shí)數(shù)據(jù)基礎(chǔ)上,結(jié)合歷史數(shù)據(jù)完成模型更新,實(shí)現(xiàn)虛實(shí)同步,更新產(chǎn)生的新數(shù)據(jù)會(huì)傳輸至數(shù)據(jù)服務(wù)平臺(tái)保存。同時(shí),服務(wù)系統(tǒng)會(huì)在實(shí)時(shí)數(shù)據(jù)基礎(chǔ)上,結(jié)合相應(yīng)的模型和算法庫生成調(diào)度方案,并實(shí)現(xiàn)調(diào)度過程信息統(tǒng)計(jì)和設(shè)備監(jiān)控等服務(wù)。生成后的調(diào)度方案會(huì)在孿生空間進(jìn)行仿真驗(yàn)證,得到最優(yōu)調(diào)度方案后會(huì)通過數(shù)據(jù)服務(wù)平臺(tái)來驅(qū)動(dòng)碼頭物理空間的運(yùn)行。各部分之間是通過電子數(shù)據(jù)交換(Electronic Data Interchange,EDI)或事先定義好的接口進(jìn)行交互。通過上述4個(gè)部分的相互作用,形成了虛擬與現(xiàn)實(shí)之間具有連續(xù)迭代和優(yōu)化的AGV動(dòng)態(tài)調(diào)度過程。如此反復(fù),從而實(shí)現(xiàn)虛實(shí)交互迭代的AGV動(dòng)態(tài)調(diào)度過程。該框架形式化表達(dá)如下:

DTF∷={TPS,DSP,VSS,CON}。

(1)

式中:DTF為數(shù)字孿生框架;∷=表示被定義為;TPS為碼頭物理空間;DSP為數(shù)據(jù)服務(wù)平臺(tái);VSS為AGV調(diào)度數(shù)字孿生系統(tǒng);CON為各部分之間的連接。

1.2 數(shù)據(jù)服務(wù)平臺(tái)

數(shù)據(jù)服務(wù)平臺(tái)是連接碼頭物理空間和AGV調(diào)度數(shù)字孿生系統(tǒng)的媒介,通過數(shù)據(jù)間的交互實(shí)現(xiàn)物理空間與孿生空間的雙向映射。如圖1中間部分所示,它主要包括數(shù)據(jù)處理、數(shù)據(jù)映射和數(shù)據(jù)存儲(chǔ)。數(shù)據(jù)處理模塊主要對(duì)作業(yè)中所產(chǎn)生的數(shù)據(jù)進(jìn)行清洗、重采樣以及融合等處理。由于采集到的原始數(shù)據(jù)大多是時(shí)序數(shù)據(jù),需要對(duì)時(shí)序數(shù)據(jù)快速處理來保障物理與孿生空間的同步。為完成對(duì)數(shù)字孿生模型的訓(xùn)練,需對(duì)時(shí)序數(shù)據(jù)進(jìn)行清理、重采樣及相關(guān)性分析等處理。數(shù)據(jù)清洗用于過濾和刪除冗余數(shù)據(jù)、補(bǔ)充缺失數(shù)據(jù)、糾正或刪除錯(cuò)誤數(shù)據(jù),最后得到的數(shù)據(jù)可用于后續(xù)操作。本文需要清洗的數(shù)據(jù)有AGV位置、電量、速度等、AGV完成一次任務(wù)的時(shí)長和等待時(shí)間、集裝箱的初始和目的位置、岸橋和場(chǎng)橋完成一次任務(wù)的時(shí)長等。首先,對(duì)數(shù)據(jù)集進(jìn)行備份、統(tǒng)一數(shù)據(jù)格式等預(yù)處理操作;其次預(yù)處理后的數(shù)據(jù)集利用式(2)中拉格朗日插值法對(duì)缺失值進(jìn)行補(bǔ)充;最后,根據(jù)異常程度用平均值對(duì)異常數(shù)據(jù)進(jìn)行刪除或修正。

(2)

(3)

(4)

數(shù)據(jù)量和數(shù)據(jù)維度應(yīng)被考慮。多數(shù)情況下,大量的數(shù)據(jù)及數(shù)據(jù)維度會(huì)導(dǎo)致模型運(yùn)行慢,且過大的數(shù)據(jù)維度還易引發(fā)數(shù)據(jù)災(zāi)難,因此對(duì)數(shù)據(jù)進(jìn)行降維。在實(shí)際工程問題中,由于采集來的數(shù)據(jù)本身就具有很重要的物理意義和研究價(jià)值,若采用主成分分析會(huì)破壞原有數(shù)據(jù)的信息,而基于皮爾遜相關(guān)性分析的特征融合方法來實(shí)現(xiàn)維度的下降,能夠充分利用多維特征的信息資源,實(shí)現(xiàn)多數(shù)量、多類別、多方面、多層次信息互聯(lián)、互補(bǔ)、互通的基礎(chǔ)上,獲取更加全面、準(zhǔn)確、可靠的信息。因此,為了分析數(shù)據(jù)特征之間的相關(guān)性,皮爾遜相關(guān)性分析被采用,表示為:

(5)

式中ρX1X2值介于-1與1之間,其值越大,相關(guān)性越強(qiáng)。該種降維方法在融合之前先對(duì)多維特征進(jìn)行相關(guān)性分析,接著采用主成分分析(Principal Component Analysis,PCA)進(jìn)行多維特征的融合、凝練特征,獲得信息互補(bǔ)精簡的特征,從而實(shí)現(xiàn)降維。以碼頭AGV作業(yè)為例,AGV運(yùn)行過程中會(huì)產(chǎn)生大量數(shù)據(jù),包括AGV電量、速度、電機(jī)功率、電流、加速度、轉(zhuǎn)速等,這些數(shù)據(jù)間很容易存在冗余現(xiàn)象。故利用式(5)先對(duì)N維數(shù)據(jù)特征兩兩配對(duì)求其相關(guān)系數(shù),得到N×N的相關(guān)系數(shù)矩陣;接著根據(jù)相關(guān)系數(shù)矩陣,將相關(guān)性強(qiáng)聚合成新矩陣,對(duì)新矩陣的每一行進(jìn)行零均值化(即減去這一行的平均值),得協(xié)方差矩陣;再者求出協(xié)方差矩陣的特征值及其對(duì)應(yīng)的特征向量,將特征向量按對(duì)應(yīng)特征值大小從上到下按行排列成矩陣,取前k行組成新的k維矩陣,從而實(shí)現(xiàn)降維。但在k的選取上要滿足如下的誤差公式:

(6)

數(shù)據(jù)存儲(chǔ)模塊用于存儲(chǔ)處理后的數(shù)據(jù),為AGV調(diào)度分析和決策提供了可靠的、可重用的數(shù)據(jù)資源。存儲(chǔ)的數(shù)據(jù)主要是物理數(shù)據(jù)和虛擬數(shù)據(jù)。物理數(shù)據(jù)主要包括任務(wù)數(shù)據(jù)、設(shè)備數(shù)據(jù)等,虛擬數(shù)據(jù)主要包括仿真數(shù)據(jù)、模型數(shù)據(jù)和決策數(shù)據(jù)。數(shù)據(jù)映射模塊是通過數(shù)據(jù)結(jié)構(gòu)信息建立數(shù)據(jù)間映射機(jī)制,包括數(shù)據(jù)時(shí)序分析、數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)同步[18],它支持物理數(shù)據(jù)與虛擬操作的同步映射。

1.3 數(shù)字孿生模型

1.3.1 多維多尺度數(shù)字孿生模型構(gòu)建與虛實(shí)一致性驗(yàn)證

為了構(gòu)建覆蓋自動(dòng)化集裝箱碼頭高保真的數(shù)字孿生模型,從幾何、物理、行為、規(guī)則等對(duì)裝卸設(shè)備等生產(chǎn)要素進(jìn)行多維建模。幾何模型通過要素的幾何特征參數(shù)來構(gòu)建;物理模型以幾何模型為基礎(chǔ),綜合了設(shè)備的深層物理特性;行為模型是依據(jù)各部件間的行為關(guān)系來刻畫設(shè)備的行為;規(guī)則模型是利用XML語言描述設(shè)備的演繹與關(guān)聯(lián)等規(guī)則以實(shí)現(xiàn)要素的多維度建模。AGV多維孿生建模的構(gòu)建如圖2所示。而多尺度的數(shù)字孿生模型則是將構(gòu)建好的多維模型(單元級(jí)設(shè)備)進(jìn)行融合與組裝,通過單元級(jí)設(shè)備添加空間、約束等關(guān)聯(lián)關(guān)系組裝成系統(tǒng)級(jí)的碼頭作業(yè)數(shù)字孿生模型。

參考陶飛等[19]提出的虛實(shí)一致性驗(yàn)證規(guī)則,本文完成碼頭多維多尺度數(shù)字孿生模型的虛實(shí)一致性驗(yàn)證。如圖3所示,虛實(shí)一致性驗(yàn)證保證了模型的有效性、正確性和準(zhǔn)確性。QIAN等[20]提出的孿生模型驗(yàn)證方法進(jìn)一步量化了孿生模型虛實(shí)一致性驗(yàn)證。在上述研究基礎(chǔ)上,本文探究碼頭虛擬模型和碼頭物理系統(tǒng)之間的虛實(shí)一致性驗(yàn)證,主要從兩方面開展。一方面通過評(píng)價(jià)指標(biāo)θe對(duì)模型和布局相似性進(jìn)行評(píng)價(jià),模型相似性的計(jì)算采用模糊層次分析法[21]。在自動(dòng)化集裝箱碼頭構(gòu)建了岸橋模型、AGV模型、場(chǎng)橋模型以及集裝箱等模型,其各模型相似性計(jì)算的具體實(shí)現(xiàn)如下:

(7)

(8)

(9)

(10)

Qi=rankAi,

(11)

(12)

其中:ξij為對(duì)AGV或岸橋等模型在模型庫的第i個(gè)構(gòu)成組件ξi的第j個(gè)方面的評(píng)級(jí),第j個(gè)方面包括幾何、金屬光澤、磨損程度等;βij表示歸一化的值;ωj表示各模型屬性的權(quán)值;Ci和Pi分別表示模型的第i個(gè)構(gòu)成組件ξi與負(fù)和正最優(yōu)解之間的距離;σ為多數(shù)標(biāo)準(zhǔn)權(quán)重,當(dāng)σ>0.5時(shí),Ai表示模型相似度較高,當(dāng)σ<0.5時(shí),Ai表示模型相似度較低;Qi表示對(duì)Ai進(jìn)行排序;θe1表示模型相似性評(píng)價(jià)指標(biāo),其值為0或1,為可變閾值,可根據(jù)實(shí)際需要進(jìn)行修改,當(dāng)Qi大于閾值時(shí),θe1為1,否則為0。

布局相似性需要考慮泊位、緩沖區(qū)和貝位的位置數(shù)據(jù)。因此,將θe2作為泊位、緩沖區(qū)和貝位之間的相對(duì)距離,該參數(shù)也作為布局相似性驗(yàn)證的指標(biāo)。QCi(xi,yi)i∈[1,i*],i∈Z表示第i個(gè)泊位的坐標(biāo),i*為岸橋的數(shù)量;Vj(xj,yj)j∈[1,j*],j∈Z表示第j個(gè)緩沖區(qū)坐標(biāo),j*為緩沖區(qū)數(shù)量;Bk(xk,yk)k∈[1,k*],k∈Z表示第k個(gè)貝位的坐標(biāo),k*表示貝位的數(shù)量。虛擬空間中模型之間距離可通過直接測(cè)量得到,如式(13)～式(14)所示。

(13)

(14)

其中:QVij表示碼頭物理空間第i個(gè)泊位與第j個(gè)緩沖區(qū)之間的距離;VBik表示碼頭物理空間第i個(gè)泊位與第k個(gè)貝位之間的距離。

QPEij=|QVij-VQVij|>,

(15)

BPEik=|VBik-VVBik|>,

(16)

(17)

其中:VQVij和VVBik分別表示碼頭虛擬空間中孿生模型泊位與緩沖區(qū)、泊位與貝位之間的距離;QPEij表示碼頭虛擬空間中泊位和碼頭物理系統(tǒng)之間關(guān)于緩沖區(qū)的位置誤差;BPEik表示碼頭虛擬空間中泊位和碼頭物理系統(tǒng)之間關(guān)于貝位的位置誤差;其中R為可調(diào)節(jié)的誤差閾值,可據(jù)實(shí)際需求進(jìn)行設(shè)定。

因此θe=θe1∩θe2,如式(18)所示。當(dāng)θe=1時(shí)表示碼頭物理空間與孿生空間具有相同的模型相似性和布局相似性。

(18)

φ=U∑VT。

(19)

(20)

(21)

(22)

其中:θσ為判斷虛實(shí)一致性相同特征數(shù)量的評(píng)價(jià)指標(biāo),θσ=1意味著兩空間具有相同的前k個(gè)主要特征。

(23)

(24)

(25)

(26)

其中αall表示兩空間中前k個(gè)特征中具有相同重要性比例的特征數(shù)量,若前k個(gè)主要特征中具有相同重要性比例的特征數(shù)為k,則表示碼頭物理空間與孿生空間有相同的主要特征。

因此,θb=θσ∩θγ,如式(27)所示,當(dāng)θb=1時(shí)表示碼頭物理與孿生空間具有相同的行為特征。

(27)

綜上所述,虛實(shí)一致性的評(píng)估標(biāo)準(zhǔn)為θe∩θb,當(dāng)θe∩θb=1時(shí),所構(gòu)建的碼頭孿生模型滿足虛實(shí)一致性驗(yàn)證。

1.3.2 作業(yè)過程動(dòng)態(tài)數(shù)字孿生模型構(gòu)建

AGV調(diào)度會(huì)受到多種不確定因素影響,且AGV與岸橋、場(chǎng)橋間的作業(yè)狀態(tài)存在耦合,難以構(gòu)建較為準(zhǔn)確且動(dòng)態(tài)變化的調(diào)度機(jī)理模型。作業(yè)過程動(dòng)態(tài)數(shù)字孿生模型構(gòu)建的關(guān)鍵在于根據(jù)數(shù)據(jù)特征建立調(diào)度數(shù)據(jù)和設(shè)備狀態(tài)間的映射關(guān)系,分析映射機(jī)理以實(shí)現(xiàn)模型實(shí)時(shí)動(dòng)態(tài)更新。根據(jù)不同的應(yīng)用需求可構(gòu)建出不同生產(chǎn)動(dòng)態(tài)模型。設(shè)備健康狀態(tài)、能耗以及裝卸效率等是調(diào)度過程最重要的影響因素。故本文構(gòu)建的動(dòng)態(tài)數(shù)字孿生模型有AGV健康狀態(tài)模型、AGV裝卸效率模型以及AGV能耗模型。AGV健康狀態(tài)建模是通過采集AGV作業(yè)過程中的電機(jī)電流、電壓、速度等數(shù)據(jù)并利用長短時(shí)記憶網(wǎng)絡(luò)建立設(shè)備狀態(tài)健康因子,完成數(shù)據(jù)與狀態(tài)間的映射,如式(28)～式(32)所示。同時(shí)設(shè)立失效閾值來估計(jì)AGV的剩余壽命[22],進(jìn)而能及時(shí)對(duì)設(shè)備進(jìn)行預(yù)測(cè)性維護(hù)。

Yi=ti×tanh(Zi),

(28)

(29)

fi=σ(Wc×[Yi-1,Xi]+bc),

(30)

si=σ(Wc×[Yi-1,Xi]+bc),

(31)

(32)

(33)

式中:p為裝卸效率;Mc為總裝卸集裝箱的總數(shù);Tfi為第i個(gè)AGV完工時(shí)間;Tsi為第i個(gè)AGV開始時(shí)間;ti為第i個(gè)AGV非工作時(shí)間。AGV能耗模型是根據(jù)AGV作業(yè)狀態(tài)以及單位時(shí)間內(nèi)所完成的任務(wù)數(shù)等數(shù)據(jù)構(gòu)建設(shè)備能耗模型,如式(34)所示。

(34)

1.4 碼頭虛實(shí)交互

碼頭虛擬現(xiàn)實(shí)交互是在物理空間與虛擬空間之間建立連接,作業(yè)中虛擬空間可對(duì)物理空間異常數(shù)據(jù)進(jìn)行仿真優(yōu)化,通過不斷制定新的決策實(shí)時(shí)指導(dǎo)物理空間中的生產(chǎn)調(diào)度,如圖4所示。碼頭虛實(shí)交互的實(shí)現(xiàn)步驟如下:首先對(duì)碼頭物理空間中各種生產(chǎn)數(shù)據(jù)進(jìn)行獲取。實(shí)時(shí)生產(chǎn)數(shù)據(jù)是實(shí)現(xiàn)碼頭虛擬空間和物理空間之間交互的基礎(chǔ),RFID(射頻識(shí)別技術(shù))、物理網(wǎng)、無線傳感器網(wǎng)絡(luò)以及各種傳感器用于在碼頭收集生產(chǎn)數(shù)據(jù)和監(jiān)控調(diào)度過程。其次,基于物理空間所收集的生產(chǎn)數(shù)據(jù),通過建立一種高速穩(wěn)定的數(shù)據(jù)傳輸協(xié)議,融合物理及虛擬空間之間的生產(chǎn)數(shù)據(jù),使得物理與虛擬之間保持同步。在碼頭作業(yè)過程中,當(dāng)物理空間中出現(xiàn)一些動(dòng)態(tài)干擾時(shí),如作業(yè)的AGV出現(xiàn)故障,異常數(shù)據(jù)會(huì)被傳輸至虛擬空間。最后,虛擬空間會(huì)對(duì)異常數(shù)據(jù)進(jìn)行分析,通過分析特定類型的動(dòng)態(tài)事件,調(diào)用相應(yīng)的調(diào)度模型和算法,調(diào)整和更新先前的方案,以得到及時(shí)且準(zhǔn)確的新調(diào)度方案。利用壓縮時(shí)空比的特性在虛擬空間中對(duì)新調(diào)度方案進(jìn)行了仿真驗(yàn)證,將驗(yàn)證后的調(diào)度方案反饋到物理空間的執(zhí)行系統(tǒng)指導(dǎo)碼頭當(dāng)前作業(yè)。通過碼頭物理車間和虛擬車間之間的交互,可以實(shí)時(shí)掌握物理空間的動(dòng)態(tài)變化并實(shí)時(shí)響應(yīng),使調(diào)度計(jì)劃更接近實(shí)際生產(chǎn)情況。此外,通過及時(shí)響應(yīng)生產(chǎn)異常,保證了碼頭調(diào)度過程中的穩(wěn)定性。因此,通過虛擬空間和物理空間之間的相互作用和反饋,促進(jìn)了碼頭生產(chǎn)效率和調(diào)度穩(wěn)定性的提高。

2 自動(dòng)化集裝箱碼頭AGV調(diào)度問題建模

本文研究的是典型自動(dòng)化集裝箱碼頭AGV調(diào)度問題,其涉及的自動(dòng)化設(shè)備主要有岸橋、AGV和場(chǎng)橋,如圖5所示。碼頭中存在多個(gè)待裝卸的集裝箱任務(wù)且數(shù)目已知,本文以AGV完工時(shí)間和穩(wěn)定性為目標(biāo),在滿足最小化AGV完工時(shí)間的基礎(chǔ)上,通過最小化重調(diào)度方案的偏差程度來保障其穩(wěn)定性,從而體現(xiàn)基于數(shù)字孿生AGV動(dòng)態(tài)調(diào)度的魯棒性。模型建立需依據(jù)以下假設(shè):

岸橋?qū)⒓b箱卸載到AGV上的時(shí)間有固定值;岸橋一次只裝卸一個(gè)集裝箱,所有集裝箱都是40英尺;每個(gè)任務(wù)至少配備一個(gè)AGV,每個(gè)AGV一次只能處理一個(gè)集裝箱;所有AGV在最初時(shí)刻都是正常的且AGV按照?qǐng)D5中的方向順時(shí)針行駛;

每個(gè)AGV都可以服務(wù)于任何一個(gè)岸橋或場(chǎng)橋;裝卸集裝箱時(shí),岸橋與場(chǎng)橋相匹配;不考慮岸橋間的干擾沖突和堆場(chǎng)的箱位分配、翻箱等問題。模型參數(shù)說明如表1所示,決策變量如表2所示。

表1 模型參數(shù)說明

表2 決策變量

目標(biāo)函數(shù):

(35)

s.t.

(36)

(37)

(38)

(39)

(40)

(41)

(42)

(43)

?i∈I,?m∈Q,?q,b∈Nq,Nb;

(44)

(45)

?m∈Q,?q,b∈NQ,NB;

(46)

?i∈I,j∈E,?c,d∈Nq,m,l∈Q;

(47)

?m∈Q,?q,b∈N*,?a∈V。

(48)

式(36)表示運(yùn)輸每個(gè)集裝箱的完成時(shí)間均小于等于最后一個(gè)集裝箱的完成時(shí)間;式(37)～式(38)表示每臺(tái)AGV初始任務(wù)為0,結(jié)束任務(wù)為虛擬任務(wù)f;式(39)表示AGV的操作序列,確保在AGV當(dāng)前正在處理的集裝箱任務(wù)之前和之后只有一個(gè)集裝箱任務(wù);式(40)表示任何集裝箱只能由一輛AGV處理,式(41)表示每輛AGV每次都可以運(yùn)輸一個(gè)集裝箱,兩式保證了AGV與集裝箱之間的唯一性;式(42)～式(43)確保AGV開始裝卸船的順序,式(42)為同一輛AGV完成一個(gè)岸橋卸船任務(wù)后要去完成一個(gè)岸橋的裝船任務(wù),式(43)表示同一輛AGV完成一個(gè)岸橋的裝船任務(wù)后要去完成一個(gè)岸橋的卸船任務(wù);式(44)表示AGVa從開始卸載集裝箱到集裝箱伴侶上的時(shí)間關(guān)系;式(45)表示AGV空載狀態(tài)下從一個(gè)AGV伴侶到另一個(gè)AGV伴侶之間的時(shí)間約束;式(46)表示AGVa從AGV伴侶上裝載集裝箱到岸橋之間的時(shí)間關(guān)系;式(47)表示AGVa空載狀態(tài)下從一個(gè)岸橋到另一個(gè)岸橋之間的時(shí)間約束;式(48)為AGV調(diào)度問題中的非負(fù)約束。

3 基于數(shù)字孿生的自動(dòng)化集裝箱碼頭多AGV動(dòng)態(tài)調(diào)度策略

3.1 基于數(shù)字孿生的多AGV動(dòng)態(tài)調(diào)度流程

在上述框架和調(diào)度模型建立的基礎(chǔ)上,面對(duì)AGV調(diào)度過程中不確定因素的影響,充分利用AGV動(dòng)態(tài)調(diào)度數(shù)字孿生框架,通過數(shù)據(jù)服務(wù)平臺(tái)融合AGV作業(yè)中產(chǎn)生的實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)來驅(qū)動(dòng)系統(tǒng)中的相關(guān)服務(wù),從而實(shí)現(xiàn)多AGV動(dòng)態(tài)調(diào)度。數(shù)字孿生驅(qū)動(dòng)下的AGV動(dòng)態(tài)調(diào)度流程如圖6所示。調(diào)度開始前,AGV調(diào)度系統(tǒng)根據(jù)作業(yè)需求和現(xiàn)場(chǎng)資源通過調(diào)度方案生成服務(wù)生成初始調(diào)度方案。初始調(diào)度方案會(huì)在孿生空間進(jìn)行仿真驗(yàn)證,驗(yàn)證后的結(jié)果會(huì)反饋到調(diào)度系統(tǒng)中。調(diào)度系統(tǒng)會(huì)根據(jù)反饋結(jié)果調(diào)用調(diào)度算法對(duì)方案進(jìn)行修改,生成新的方案,驗(yàn)證通過后驅(qū)動(dòng)現(xiàn)場(chǎng)作業(yè)執(zhí)行。在調(diào)度方案執(zhí)行的過程中,AGV調(diào)度系統(tǒng)會(huì)調(diào)用碼頭生產(chǎn)過程狀態(tài)監(jiān)控服務(wù)判斷是否存在擾動(dòng)。若擾動(dòng)不存在,判斷調(diào)度任務(wù)是否已經(jīng)完成,若沒有完成,則繼續(xù)執(zhí)行當(dāng)前調(diào)度方案,否則調(diào)用生產(chǎn)信息統(tǒng)計(jì)服務(wù),輸出調(diào)度過程中完工時(shí)間、故障率等信息;若擾動(dòng)存在,則根據(jù)擾動(dòng)情況更新當(dāng)前的調(diào)度方案,同時(shí)孿生空間通過對(duì)異常數(shù)據(jù)分析,分析特定類型的動(dòng)態(tài)事件,反饋給AGV調(diào)度系統(tǒng),系統(tǒng)調(diào)用相應(yīng)的調(diào)度模型和遺傳算法生成實(shí)時(shí)調(diào)度方案。利用壓縮時(shí)空比的特性在孿生空間中對(duì)新調(diào)度方案進(jìn)行了仿真驗(yàn)證,將驗(yàn)證后的調(diào)度方案與當(dāng)前執(zhí)行的方案的目標(biāo)值進(jìn)行對(duì)比,從而判斷是否需要觸發(fā)重調(diào)度。若不需要觸發(fā)重調(diào)度,則繼續(xù)執(zhí)行當(dāng)前方案;若需要,對(duì)剩下未完成的任務(wù)進(jìn)行重調(diào)度,利用實(shí)時(shí)調(diào)度方案去替換更新后且當(dāng)前正執(zhí)行的調(diào)度方案。如此循環(huán)往復(fù),直至AGV完成所有任務(wù)。

3.2 調(diào)度算法

遺傳算法因其具有全局搜索能力、靈活性強(qiáng)、操作簡便等特點(diǎn)被廣泛應(yīng)用到調(diào)度領(lǐng)域中[23]。因此實(shí)時(shí)調(diào)度方案的優(yōu)化擬采用多層編碼的自適應(yīng)遺傳算法來實(shí)現(xiàn)。自適應(yīng)遺傳算法的改進(jìn)點(diǎn)在于自適應(yīng)調(diào)整遺傳參數(shù),使得保持群體多樣性的同時(shí),保證了算法的收斂性。自適應(yīng)策略則是在進(jìn)化過程中進(jìn)行自適應(yīng)調(diào)整:開始階段選取較大交叉、變異概率,這樣的粗略搜索過程有利于保持種群多樣性,后期則調(diào)整為較小值以進(jìn)行細(xì)致搜索,防止破化最優(yōu)解,加快收斂速度。自適應(yīng)調(diào)整策略在遺傳搜索過程中可動(dòng)態(tài)地調(diào)整交叉率(Pc)和變異率(Pm)以提高算法的收斂速度和精度[24],如式(49)和式(50)所示。作為解決方案,在算法中添加初始方案和調(diào)度方案的比較規(guī)則來計(jì)算其穩(wěn)定性,如圖6右側(cè)所示。

(49)

(50)

其中:f′為較優(yōu)個(gè)體的適應(yīng)度值;favg為種群平均適應(yīng)度值;fmax為種群最大的適應(yīng)度值;c1、c2、m1、m2為常數(shù),其取值范圍在0到1之間。

(1)染色體編碼 針對(duì)研究AGV調(diào)度問題的特點(diǎn),本文采用實(shí)數(shù)編碼方式對(duì)問題進(jìn)行編碼。為了能夠更好地表述問題,對(duì)染色體基因進(jìn)行多層編碼。在AGV運(yùn)輸?shù)倪^程中,AGV將集裝箱卸載后會(huì)去裝載另一個(gè)集裝箱。一次裝卸完成后,AGV會(huì)繼續(xù)運(yùn)輸下一個(gè)卸載集裝箱。設(shè)計(jì)長度2×N的多層染色體,其中N代表集裝箱任務(wù)數(shù)量。如圖7所示,染色體的第一層表示集裝箱編號(hào),前N/2表示卸載集裝箱,后N/2表示裝載集裝箱;染色體的第二層表示AGV的編號(hào),假設(shè)有16個(gè)集裝箱,8個(gè)AGV。

(2)適應(yīng)度值計(jì)算 適應(yīng)度是度量種群中個(gè)體在優(yōu)化計(jì)算中有可能達(dá)到最優(yōu)解的優(yōu)良程度,其設(shè)計(jì)直接影響算法的性能。適應(yīng)度值較高的個(gè)體遺傳到下一代的概率就較大。為了更簡單地評(píng)估個(gè)體,本文將目標(biāo)函數(shù)的倒數(shù)作為適應(yīng)度函數(shù)。

(51)

(4)交叉 本文采用多點(diǎn)與逆序相結(jié)合的方式實(shí)現(xiàn)交叉操作。首先從父代染色體X1和X2上隨機(jī)選擇選取4個(gè)交叉點(diǎn),且交叉點(diǎn)1和交叉點(diǎn)3之間相差N/2;其次保留交叉點(diǎn)1和交叉點(diǎn)2之間、交叉點(diǎn)3和交叉點(diǎn)4之間的基因片段X11和X22,其余位置補(bǔ)0;交換X11和X22,得X′11和X′22;從X1染色體中劃去與X′11相同的基因,隨后用剩余基因從交叉點(diǎn)2和4開始依次補(bǔ)齊空位,則可得新染色體X′1和X′2,如圖8所示。

(5)變異 變異是根據(jù)變異概率隨機(jī)使染色體上的某些基因發(fā)生變化。本文通過兩點(diǎn)交換的方式來完成變異操作。在[0,N/2]或[N/2,N]區(qū)間內(nèi),隨機(jī)選擇兩個(gè)基因位置,使其內(nèi)部的基因進(jìn)行對(duì)調(diào)。

(6)精英保留 交叉、變異等操作可能會(huì)破壞前期所得到最優(yōu)個(gè)體的基因結(jié)構(gòu),而精英保留則是將種群進(jìn)化到當(dāng)前為止所得到的最優(yōu)個(gè)體不經(jīng)過后續(xù)的交叉、變異等操作,直接保留下來。

(7)停止準(zhǔn)則 為了平衡搜索計(jì)算時(shí)間和逼近最優(yōu)解,本文采用遺傳算法允許的最大進(jìn)化代數(shù)作為停止準(zhǔn)則。

4 案例分析

為驗(yàn)證基于數(shù)字孿生的AGV動(dòng)態(tài)調(diào)度方法的有效性,本文構(gòu)建了自動(dòng)化集裝箱碼頭多AGV調(diào)度系統(tǒng),以某自動(dòng)化碼頭實(shí)際裝卸任務(wù)為例開展對(duì)比實(shí)驗(yàn),比較基于數(shù)字孿生生成和不使用數(shù)字孿生生成的兩種調(diào)度方案的優(yōu)劣性。在測(cè)試實(shí)驗(yàn)開始之前,利用Unity構(gòu)建與真實(shí)場(chǎng)景1∶1還原的三維孿生空間(如圖9),建立了AGV、場(chǎng)橋、岸橋、集裝箱、船舶、導(dǎo)引路徑等三維數(shù)字孿生模型,并結(jié)合碼頭實(shí)際生產(chǎn)數(shù)據(jù)完成虛擬模型的虛實(shí)一致性驗(yàn)證,虛實(shí)一致性驗(yàn)證已在2.3.1節(jié)進(jìn)行詳細(xì)論述。

本次調(diào)度任務(wù)涉及的集裝箱數(shù)量在20～200不等,10個(gè)AGV,4個(gè)岸橋,4個(gè)場(chǎng)橋,且每個(gè)岸橋的處理時(shí)間和AGV在作業(yè)中的行駛時(shí)間是通過對(duì)以往實(shí)際作業(yè)進(jìn)行多次仿真所得。遺傳算法的初始參數(shù)設(shè)置如下:任務(wù)數(shù)N=40,種群大小pop=20,最大迭代數(shù)genMax=200,Pc=0.8,Pm=0.1,前5個(gè)AGV以卸船開始,裝船結(jié)束;后五個(gè)AGV以裝船開始,卸船結(jié)束,開始處理時(shí)間都為0。開始調(diào)度之前,在相同的測(cè)試環(huán)境下,開展兩種初始調(diào)度方案比較。首先利用AGV調(diào)度服務(wù)系統(tǒng)直接生成初始調(diào)度方案,如圖10所示。圖10中的p(9,1)=125表示AGV9運(yùn)輸集裝箱1需要的處理時(shí)間為125 s。任務(wù)分配及任務(wù)開始和結(jié)束時(shí)刻如表3所示。

表3 未使用數(shù)字孿生的AGV初始調(diào)度方案任務(wù)分配

其次,在相同的測(cè)試條件下,利用AGV調(diào)度服務(wù)系統(tǒng)與三維孿生空間的交互,生成基于數(shù)字孿生的初始調(diào)度方案,如圖11所示,任務(wù)分配及任務(wù)開始和結(jié)束時(shí)刻如表4所示。

表4 基于數(shù)字孿生的AGV初始調(diào)度方案任務(wù)分配

如圖12所示的兩種方案的AGV完工時(shí)間比較可知,基于數(shù)字孿生的初始調(diào)度方案的完工時(shí)間遠(yuǎn)小于系統(tǒng)直接生成的調(diào)度方案的完工時(shí)間。原因在于系統(tǒng)生成的初始調(diào)度方案會(huì)在孿生空間進(jìn)行仿真驗(yàn)證,驗(yàn)證結(jié)果會(huì)反饋到系統(tǒng),系統(tǒng)會(huì)根據(jù)反饋結(jié)果對(duì)方案進(jìn)行調(diào)整,直到找到滿足約束且最優(yōu)的方案為止。

在調(diào)度執(zhí)行過程中,作業(yè)過程狀態(tài)監(jiān)控服務(wù)檢測(cè)到AGV9在106 s處出現(xiàn)故障,維修時(shí)間3分鐘。而基于數(shù)字孿生的AGV調(diào)度系統(tǒng)會(huì)對(duì)擾動(dòng)后的執(zhí)行方案進(jìn)行預(yù)判,是否滿足當(dāng)前約束。若不滿足,則觸發(fā)重調(diào)度,即對(duì)后續(xù)未完成的任務(wù)進(jìn)行重分配,生成的新方案先在孿生空間完成驗(yàn)證,驗(yàn)證后的方案去替換當(dāng)前的執(zhí)行方案。重調(diào)度完成后,得到最終方案如圖13所示。如圖14a所示,最終調(diào)度方案AGV的完工時(shí)間為521 s,如圖14b所示為遺傳算法在164代達(dá)到收斂,具有更好的最有適應(yīng)度值。表5展示了基于數(shù)字孿生與未使用數(shù)字孿生的AGV調(diào)度方案在最大完工時(shí)間、調(diào)度穩(wěn)定性方面進(jìn)行對(duì)比。

表5 兩種方法比較

上述實(shí)驗(yàn)結(jié)果表明,當(dāng)調(diào)度過程中不確定時(shí)間發(fā)生時(shí),基于數(shù)字孿生的AGV調(diào)度方法會(huì)對(duì)未完成的集裝箱任務(wù)進(jìn)行重調(diào)度,即故障AGV上的任務(wù)會(huì)分配給最早完成的AGV。通過對(duì)AGV調(diào)度數(shù)字孿生系統(tǒng)的結(jié)果分析,系統(tǒng)能夠及時(shí)響應(yīng)碼頭調(diào)度作業(yè)過程中的不確定事件,同時(shí)其調(diào)度方案的穩(wěn)定性也獲得了大幅度提升。因此,數(shù)字孿生的存在使孿生空間與物理空間交互成為了可能,通過兩者間的交互及時(shí)地觸發(fā)重調(diào)度,減少AGV空閑時(shí)間,提高AGV運(yùn)輸效率,進(jìn)而減少最大完工時(shí)間。此外,通過服務(wù)系統(tǒng)與孿生空間閉環(huán)迭代交互,AGV調(diào)度中的參數(shù)越來越精確,調(diào)度穩(wěn)定性也越來越高。

5 結(jié)束語

本文研究了數(shù)字孿生在自動(dòng)化集裝箱碼頭多AGV調(diào)度中的應(yīng)用。AGV調(diào)度過程中受到不確定因素的影響可能導(dǎo)致作業(yè)延遲,甚至生產(chǎn)中斷等現(xiàn)象發(fā)生。面對(duì)復(fù)雜多變的AGV調(diào)度過程,如何通過動(dòng)態(tài)調(diào)度快速響應(yīng)作業(yè)過程中的干擾變得十分重要。然而數(shù)字孿生的出現(xiàn)為此提供了一種新的解決方案。因此,本文提出了一種基于數(shù)字孿生的自動(dòng)化集裝箱碼頭多AGV動(dòng)態(tài)調(diào)度方法,通過碼頭物理空間與孿生空間之間的閉環(huán)交互,可及時(shí)響應(yīng)調(diào)度過程中的不確定干擾,并使生產(chǎn)信息透明化。為驗(yàn)證所提出的調(diào)度方案的可行性,開發(fā)了一個(gè)基于Unity的原型系統(tǒng)。本文的主要貢獻(xiàn)如下:

(1)提出了基于數(shù)字孿生的碼頭AGV動(dòng)態(tài)調(diào)度的總體架構(gòu),研究數(shù)據(jù)服務(wù)平臺(tái)、數(shù)字孿生模型構(gòu)建、模型一致性驗(yàn)證以及碼頭虛實(shí)交互運(yùn)作機(jī)理。

(2)調(diào)度問題建模中考慮了調(diào)度穩(wěn)定性對(duì)調(diào)度過程的影響,以最大完工時(shí)間和調(diào)度穩(wěn)定性為目標(biāo)來找尋最優(yōu)調(diào)度方案;設(shè)計(jì)了基于數(shù)字孿生的AGV動(dòng)態(tài)調(diào)度策略以實(shí)現(xiàn)對(duì)調(diào)度中不確定事件的及時(shí)響應(yīng)。

(3)以某自動(dòng)碼頭實(shí)際作業(yè)過程為例,開發(fā)基于數(shù)字孿生的AGV動(dòng)態(tài)調(diào)度系統(tǒng),對(duì)比基于數(shù)字孿生的AGV調(diào)度方案和未使用數(shù)字孿生的碼頭常規(guī)調(diào)度方案,其所得結(jié)果顯示基于數(shù)字孿生的調(diào)度方案在最大完工時(shí)間和調(diào)度穩(wěn)定性方案均優(yōu)于未使用數(shù)字孿生的調(diào)度方案,從而驗(yàn)證了所提方案的有效性。

在未來,構(gòu)建高保真虛擬模型和如何將深度學(xué)習(xí)應(yīng)用到AGV調(diào)度數(shù)字孿生框架中,以解決動(dòng)態(tài)實(shí)時(shí)性強(qiáng)的復(fù)雜AGV調(diào)度問題將是研究的重點(diǎn)。