一种船厂总组场地智能布局优化算法的制作方法

文档序号:16883721发布日期:2019-02-15 22:26阅读:436来源:国知局
一种船厂总组场地智能布局优化算法的制作方法
本发明涉及船舶建造
技术领域
,特别涉及一种船厂总组场地智能布局优化算法。
背景技术
:船坞作为船厂的核心资源,船坞的使用效率直接决定了船厂的经济效益。而总组场地作为船坞搭载资源的直接供给者,其管理成效直接决定着船坞的搭载效率。总组场地管理涉及的因素众多,并且它们之间存在着诸多的相互影响,传统手段显然无法有效处理如此大量的信息,只能“抓大放小”以较为粗放的方式进行管理;目前多数船厂由主管部门或搭载部专门成立多人组成的调度小组,按批次制定总组场地的二维布局调度方案和龙门吊使用计划,这种以资源驱动的被动式管理方式面对单批次的非连续生产时,此传统的总组场地管理模式问题并不突出,仅仅是无法做到综合效率最高。然而,面对多批次连续生产时,传统的总组场地管理模式的问题就暴露无遗了,主要体现如下:1)管理粗放、被动,无法推动综合生产效率的提高。由于总组场地的分段数量太多,计划的变动性较大,可视化和信息共享手段缺乏,导致场地布局和吊车资源调度(吊装顺序、多台吊车的协同)的随意性、盲目性较大,因此单凭管理者的经验对多产品总组场地的分段调度管理已经无法适应现代造船节能减排、降本增效等精益造船方式;2)应急处理能力不足。传统的总组场地管理模式对于多批次连续生产来说,如果某个环节出现了问题,导致当前场地分配无法实际执行,其结果往往是将总组场地后续的分配计划全部打乱,问题不断积累,有序管理逐渐变成无序管理,最终变成粗放的随机管理,无法保证资源的高效利用。随着数字化造船技术的发展,多数国内领先的造船厂将计算机软件系统应用到船舶生产管理过程中,但是,对于总组场地的使用几乎都是处于无量化、无精细化和无对比化状态,导致搭载作业的效率无法提高。所以,有必要研究船坞/船台仿真平台的系统建模关键技术和支持具有交互特性的船坞/船台建造过程的生产调度优化仿真技术。在实船生产建造前进行有效的数字化仿真模拟能预先发现并纠正存在的问题,同时在实际生产过程中验证作业计划的合理性,优化场地布局,提高生产效率,平衡龙门吊资源负荷,从而实现均衡连续的造船,这也是今后数字化造船的主要发展方向。技术实现要素:本发明提供一种船厂总组场地智能布局优化方法,替代传统的人工手动的计划编排方式,摆脱传统以资源驱动、被动式总组计划制定方式,实现船厂总组场地资源的精细化、数字化管理,提升总组场地的应急处理能力,提高作业计划的合理性,优化场地布局,提高生产效率,从而实现均衡连续的造船。为了解决上述技术问题,本发明提供了如下的技术方案:本发明提供一种船厂总组场地智能布局优化算法,包括总组场地基础数据模型、约束条件关系、场地布局智能优化算法和吊车计划智能优化算法;总组场地基础数据模型包括船坞场地模型、船型数据、总组计划、搭载网络、吊车数据模块及吊装时间模块;约束条件关系是设定在总组搭载过程中的场地规则、物流逻辑和工艺流程为主的相关调度约束,其中约束条件关系包括场地约束、搭载网络约束和吊车优化计算约束:场地约束包括场地网络划分大小、分段间隙、及计算权重值;搭载网络约束包括各分段周期最大浮动天数;吊车计划优化计算约束包括每天工作起始时间、休息时间、工作日历、初始吊车位置、及计算权重值;主要约束条件如表1所示:表1约束条件分类以总组场地基础数据模型和约束条件关系为基础,开发基于粒子群的场地布局智能优化算法和吊车计划智能优化算法,在调度方案基础上,以吊车资源、人力工时、工作时间、搭载/总组网络为约束,进行吊车优化计算。作为本发明的一种优选技术方案,总组场地基础数据模型具体内容包括:船坞场地模型将场地进行网格化划分,从而实现船坞场地数字化,形成场地布局的“画布”,为总组场地智能布局优化算法输入空间数据。如表2所示:表2船坞场地数据模型船型数据以分段为单位表示,以分段的最小包围盒的体积表示分段的体积大小,构成场地布局中的“图元”,具体数据模型为:以此包围盒在船体坐标系中六个端面的坐标数据表示,此六个数据如表3所示:表3端面坐标数据类型艉端面艏端面左端面右端面下端面上端面总组计划是船坞总组场地上进行分段总组及搭载的计划,可以获取分段占用场地的起始时间和结束时间,为总组场地智能布局优化算法输入时间数据。主要内容包括如表4所示:表4总组计划数据模型序号计划内容说明1船名船舶名称2总组总段总组总段名称3总段总段名称4分段分段名称5定位计划计划定位时间6所在工位总组场地所在位置7搭载计划计划搭载时间吊车数据模块及吊装时间模块,吊车数据模块主要记录吊车的数据;吊装时间数据模型定义不同区域分段、总段进行总组、搭载时所占用的标准吊装时间,吊车数据与吊装时间的具体数据如表5所示:表5吊车相关数据模型分类作为本发明的一种优选技术方案,场地布局智能优化算法和吊车计划智能优化算法均为粒子群优化算法,不同的是场地布局智能优化算法主要对空间进行优化,而吊车计划智能优化算法主要对时间进行优化;粒子群优化算法的位置和速度迭代公式为:vi,d(t+1)=ωvi,d(t)+c1r1(pi,d-xi,d(t))+c2r2(pg,d-xi,d(t))xi,d(t+1)=xi,d(t)+vi,d(t+1)(d=1,2,...,n)式中参数如表6所示:表6序号参数说明1ω惯性权值2r1和r20~1之间均匀分布的随机数3c1和c2学习因子ω的取值公式为:式中参数如表7所示:表7序号参数说明1ωmax最大惯性权重2ωmin最小惯性权重3run当前迭代次数4runmax算法迭代的总次数作为本发明的一种优选技术方案,场地布局智能优化算法采用正态分布赋值,同时加入位置优化算法策略如表8所示:表8优化算法策略而该场地布局智能优化算法中涉及的粒子群优化算法的适应度评价函数,函数的具体形式为:式中参数如表9所示:表9序号参数说明1ωg龙门吊起吊总能耗权重2ωt龙门吊起吊耗时权重3ωx吊运x方向能耗权重4ωy吊运y方向能耗权重5gi第i个总段质量6t方案总耗时7lxi吊运第i个总段x方向距离8lyi吊运第i个总段y方向距离作为本发明的一种优选技术方案,吊车计划智能优化算法,以总组场地布局方案,以吊车资源、人力工时、工作时间、搭载/总组网络为约束,平衡同一船坞中两台龙门吊作业负荷,以达到同一吊装物量下吊装时间和能耗综合消耗最低的目的,同时求解龙门吊的“让位、等待”状态的步长求解,得到吊装计划。本发明所达到的有益效果是:(1)采用船厂总组场地智能布局优化算法,能够将与总组场地相关的信息进行有效管理,有利于实现总组场地数字化管理。通过智能优化算法形成的场地布局优化方案可精准定位分段位置,吊车计划优化方案可精确规划吊车作业时间,为实现精细化管理奠定基础。(2)采用船厂总组场地智能布局优化算法,可在实船生产建造前进行有效的数字化仿真,同时在实际生产过程中验证作业计划的合理性,平衡设备资源负荷,提高生产效率,从而实现均衡连续的造船;(3)采用船厂总组场地智能布局优化方法,可以将分段、总段优先占用距离该分段、总段船坞搭载位置最近的区域,靠近船坞搭载区域的分段、总段排列紧密,减少龙门吊行走距离,从而减少能源消耗并提高场地利用率。(4)船厂总组场地智能布局优化方法考虑全局最优、周转率等因素,优先级较低的总段会为周转率、优先级较高的总段让位置;(5)船厂总组场地智能布局优化方法可以充分有效利用总组场地中距离船坞搭载位置最近区域,各总段尽量向搭载位置靠拢,占地面积较大及占用场地周期长的总段尽量放置在距搭载位置较远区域。附图说明附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:图1为本发明智能布局优化方法的流程图。图2为本发明实施例中某船厂总组场地数据的二维可视化模型。图3为本发明实施例中船厂总组场地智能布局优化算法中的粒子群优化算法。图4为本发明实施例中得出的总组场地优化布局方案。图5为本发明实施例中吊车方案。图6为本发明实施例中吊车工时物量统计。具体实施方式以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。实施例:如图1-6所示,本发明提供一种船厂总组场地智能布局优化算法,总组场地基础数据模型、约束条件关系、场地布局智能优化算法和吊车计划智能优化算法。现以某船厂为例讲述该技术方案:约束条件关系是设定在总组搭载过程中的场地规则、物流逻辑和工艺流程为主的相关调度约束,其中优化计算约束如表10所示:表10优化计算约束以基础数据模型和约束关系为基础,设置粒子群计算的初始条件如表11所示,图3为粒子群算法的具体过程,最终得到某船厂总组场地中某批次的总组布局方案。表11粒子群计算的初始条件序号参数初始值1迭代次数502粒子数303速度最大次数1004初始化速度8结合场地布局智能优化算法和吊车计划智能优化算法均为粒子群优化算法,不同的是场地布局智能优化算法是对空间的优化,而吊车计划智能优化算法是对时间的优化。粒子群优化算法的位置和速度迭代公式为:vi,d(t+1)=ωvi,d(t)+c1r1(pi,d-xi,d(t))+c2r2(pg,d-xi,d(t))xi,d(t+1)=xi,d(t)+vi,d(t+1)(d=1,2,...,n)式中参数如表12所示:表12序号参数说明1ω惯性权值2r1和r20~1之间均匀分布的随机数3c1和c2学习因子ω的取值公式为:式中参数如表13所示:表13序号参数说明1ωmax最大惯性权重2ωmin最小惯性权重3run当前迭代次数4runmax算法迭代的总次数场地布局智能优化算法采用正态分布赋值,同时加入位置优化算法策略如表14所示:表14优化算法策略而该场地布局智能优化算法中涉及的粒子群优化算法的适应度评价函数,函数的具体形式为:式中参数如表15所示:表15序号参数说明1ωg龙门吊起吊总能耗权重2ωt龙门吊起吊耗时权重3ωx吊运x方向能耗权重4ωy吊运y方向能耗权重5gi第i个总段质量6t方案总耗时7lxi吊运第i个总段x方向距离8lyi吊运第i个总段y方向距离以总组场地布局方案,并结合表16-表19,以吊车资源、人力工时、工作时间、搭载/总组网络为约束,平衡同一船坞中两台龙门吊作业负荷,以达到同一吊装物量下吊装时间和能耗综合消耗最低的目的,同时求解龙门吊的“让位、等待”状态的步长求解,得到综合消耗最低的吊装计划。表16船型数据分段名称*艉端面(mm)*艏端面(mm)*右端面(mm)*左端面(mm)*下端面(mm)*上端面(mm)*a021014700-275027501016014210a02027786670-540540600211960a221014700215014165865514210a321014700-14165-2150865514210a2310147000141601379218592a331014700-14160013792c表17吊车数据表18吊车时间表19总组计划最后应说明的是:以上仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。当前第1页12
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1