一种高大平仓房的储粮方法与流程

本发明涉及一种储粮方法，尤其涉及一种高大平仓房的储粮方法。

背景技术：

用于储粮的高大平仓房，是我国近年来投资修建的主要仓型，对这种仓型的研究重点主要在于储粮工艺、管理制度和相关设备及其安全操作规程。目前不少企业开发的装仓机增加了驱动装置，在输送距离、高度、装仓效率、安全性方面都作了很好的改进，但是缺少一种高效、有序、方便、安全的粮食装仓工艺，用于指导粮库工作人员规范化、高效装仓，使得装仓机在仓库内搬动次数少，装仓机和作业人员保持一定的安全距离，粮食入库后装仓机装仓量大，补仓量少，且粮面平整，平整粮面工作量较少。

技术实现要素：

为解决以上技术问题，本发明实施例提供一种高大平仓房的储粮方法，可以使得高大平仓房在储粮时，装仓机在仓库内搬动次数少，装仓机和作业人员保持一定的安全距离，粮食入库后装仓机装仓量大，补仓量少，且粮面平整，平整粮面工作量较少。

为达上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供一种高大平仓房的储粮方法，所述方法包括：

获取仓房、仓门、待储藏的粮食以及装仓设备的数据参数；

根据所述数据参数确定所述装仓设备出粮口在所述仓房内能达到的位置，确定仓房内各点的粮堆形貌；

确定所述仓房内的可作业路径，将所述可作业路径划分为m个可作业工位，并设定出口工位，其中，所述m为整数，且所述m≥1；

基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径；

根据预定目标，选取最优的粮食储粮路径。

在本发明实施例中，所述基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径的方法为：

生成规模为m的初始蚁群，将m只蚂蚁随机置于m个所述可作业工位上；

计算每只蚂蚁移动至所述出口工位的概率；

根据每只蚂蚁移动至所述出口工位时的路径，得到每只蚂蚁的帕累托前沿；

根据帕累托前沿解集、装仓体积及粮面平整度，得到各所述可作业工位之间新的转移概率矩阵。

在本发明实施例中，得到所述帕累托前沿的方法为：

根据公式：miny＝w1*1/y1+w2*y2+w3*y3；

其中，所述y表示高大平仓房装仓工艺多目标优化评价函数；

所述w1、所述w2和所述w3分别代表装仓体积、粮面平整度和仓内作业工位数的权重，所述w1＝0.6，所述w2＝0.3，所述w3＝0.1。

所述y1为第n工位的装仓体积，所述n≤所述m；

y2表示粮面平整度且y2∈[0，1]；

y3表示装仓机在仓内作业的工位数。

在本发明实施例中，所述y1通过公式：

得到；

其中，所述vni是第n工位的第i个工序的装仓量；

所述k是根据平仓房和装仓机的结构确定的第n工位的工序数量，且所述k≥1。

在本发明实施例中，所述y2通过公式：

得到；

其中，所述xni是第n工位堆出的第i个粮堆的粮面高度；

所述k表示第n工位所堆粮面的所有谷底和高峰的数量，所述k≥1。

在本发明实施例中，所述y3通过公式：

得到；

其中，所述len为仓房的长度，所述wid为仓房的宽度；

所述loc_x、loc_y为仓门的位置，所述dr_wid为仓门的宽度，所述dr_ht为仓门的高度dr_ht；

所述ma_min为装仓机的前臂长度，所述ma_max为装仓机的最大伸缩长度、所述ma_h1为装仓机的回转高度、所述ma_h2为装仓机的最大可抛粮高度、所述ma_tail为装仓机的尾部长度、所述ma_wid为装仓机的轮距、所述ma_len为装仓机的轴距。

在本发明实施例中，所述根据预定目标，选取最优粮食储粮路径的方法为：

判断进化代数是否满足；

如未满足，重复所述基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径，直至进化结束，输出最优路径。

本发明实施例提供一种高大平仓房的储粮方法，所述方法包括：获取仓房、仓门、待储藏的粮食以及装仓设备的数据参数；根据所述数据参数确定所述装仓设备出粮口在所述仓房内能达到的位置，确定仓房内各点的粮堆形貌；确定所述仓房内的可作业路径，将所述可作业路径划分为m个可作业工位，并设定出口工位，其中，所述m为整数，且所述m≥1；基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径；根据预定目标，选取最优的粮食储粮路径；这样，通过蚁群算法将仓房内各个所述可作业孔位向所述出口工位转移的概率计算出，然后根据预定目标，选取最优的粮食储粮路径，从而使得仓房内在进行储粮时，粮食入库后装仓机装仓量大，补仓量少，且粮面平整，平整粮面工作量较少。

附图说明

图1为本发明实施例一提供的高大平仓房的储粮方法的流程图；

图2为本发明实施例二提供的通过蚁群算法获得多条粮食储粮路径的方法的流程图；

图3为本发明实施例三提供的选取最优粮食储粮路径的方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例一

本发明实施例提供一种高大平仓房的储粮方法，如图1所示，所述方法包括：

步骤s101：获取仓房、仓门、待储藏的粮食以及装仓设备的数据参数；

这里，获取仓房的数据参数包括：仓房长度、仓房宽度和仓房堆粮高度。

获取仓门的数据参数包括：门中心位置、门宽度、门高度、封板高度(当仓门口堆粮时，需要加装封板)。

获取待储藏的粮食的数据参数包括：粮食的种类、容重以及堆粮时粮食的自流角。

获取装仓设备的数据参数包括：前臂长度、最大伸缩长度、回转高度、最大可抛粮高度、尾部长度、轮距、轴距、设备的最大仰角以及粮堆与装仓机之间的安全距离(一般取2米)。

步骤s201：根据所述数据参数确定所述装仓设备出粮口在所述仓房内能达到的位置，确定仓房内各点的粮堆形貌；

这里，根据所述仓房的数据参数、仓门的数据参数、装仓设备的数据参数，初始化装仓机出粮口在仓房中所有可能达到的位置。

根据待储藏的粮食的数据参数中的自流角，初始化各可能位置点上形成的粮堆的形貌。

步骤s301：确定所述仓房内的可作业路径，将所述可作业路径划分为m个可作业工位，并设定出口工位，其中，所述m为整数，且所述m≥1；

这里，所述可作业路径是指根据仓门位置及仓库尺寸自动规划装仓机的可作业路径，然后将可作业路径离散为m个可作业工位，并设定出所述出口工位。

步骤s401：基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径；

这里，通过蚁群算法，计算每一个所述可作业工位在移动至所述可作业工位后至所述出口工位的路线，即获取到了多条粮食储粮路径。

步骤s501：根据预定目标，选取最优的粮食储粮路径。

这里，所述的预定目标包括装仓体积、粮面平整度等数据。

实施例二

进一步地，在本发明实施例中，如图2所示，所述基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径的方法为：

步骤s411：生成规模为m的初始蚁群，将m只蚂蚁随机置于m个所述可作业工位上；

步骤s412：计算每只蚂蚁移动至所述出口工位的概率；

这里，计算每只蚂蚁移动至所述出口工位的概率的公式为：

其中，所述i表示起点，所述j表示终点，所述k表示起点和终点之间的节点；

所述ηij＝1/dij为能见度，是两点i、j路距离的倒数；

所述τij(t)为时间t时由i到j的信息素强度；

所述allowedk为尚未访问过的节点集合；

所述α、所述β为常数，分别是信息素和能见度的加权值。

这里，所述dij＝w_vo*粮食增加体积(归一化)+w_fl*1/(凹坑深度归一化后)；

所述凹坑深度归一化方法：eta1＝(vadd-min(vadd))/(max(vadd)-min(vadd))，eta1值越小表示粮堆增加的体积越小，所述vadd为增加的粮食体积；

所述凹坑深度归一化方法：eta2＝((max(fl)-fl)./(max(fl)-min(fl)))，eta2越小表示凹坑越深粮食表面越不平整，fl为凹坑深度；

信息启发因子α反映蚂蚁在运动过程中所积累的信息量，其值越大，蚂蚁选择以前走过路径的可能性越大，而搜索的随机性减弱，而α值过小，则容易使蚁群算法陷入局部最优，这里所述α取1。

期望启发因子β反映了蚂蚁在搜索过程中的相对重要程度，其大小反映蚁群寻优过程中先验性、确定性因素的作用强度，β值越大，蚂蚁在某个局部点上选择局部最短路径的可能性大，算法容易陷入局部最优，这里所述β取4。

信息素挥发因子ρ为蚂蚁信息素蒸发率，通常0<ρ<＝1，当ρ较小时，算法搜索空间减小，容易陷入局部最优，但算法容易收敛，反之则算法不易陷入局部最优，而收敛性降低。这里所述ρ取0.5。

具体地，如果蚂蚁所在的位置不是靠门口的最终节点，则蚂蚁需要寻找下一节点可能的工位集合；

根据当前粮堆底面情况，依据以下原则计算当前位置下装仓机后续可能的工作点：1、当前已经被粮食覆盖的区域不能作为下一工位可能的选择；2、当前位置前轮安全距离范围内的区域不能作为下一工位可能的选择；3、当蚂蚁处于垂直于门中线的横向位置时，其只能沿一个方向横向移动；4、当蚂蚁处于门中线位置时，其只能向门口方向移动。

步骤s413：根据每只蚂蚁移动至所述出口工位时的路径，得到每只蚂蚁的帕累托前沿；

这里，根据该代每只蚂蚁所走工位，以装仓体积最大、粮面最平整和仓内作业工位数最少为目标，计算该代蚂蚁中的帕累托前沿，找到处于帕累托前沿的解集。

其中，通过得到所述帕累托前沿的方法为：

根据公式：miny＝w1*1/y1+w2*y2+w3*y3；

其中，所述y表示高大平仓房装仓工艺多目标优化评价函数；

所述w1、所述w2和所述w3分别代表装仓体积、粮面平整度和仓内作业工位数的权重，所述w1＝0.6，所述w2＝0.3，所述w3＝0.1。

所述y1为第n工位的装仓体积，所述n≤所述m；

y2表示粮面平整度且y2∈[0，1]；

y3表示装仓机在仓内作业的工位数。

具体地，所述y1通过公式：

得到；

其中，所述vni是第n工位的第i个工序的装仓量；

所述k是根据平仓房和装仓机的结构确定的第n工位的工序数量，且所述k≥1。

所述y2通过公式：

得到；

其中，所述xni是第n工位堆出的第i个粮堆的粮面高度；

所述k表示第n工位所堆粮面的所有谷底和高峰的数量，所述k≥1。

所述y3通过公式：

得到；

其中，所述len为仓房的长度，所述wid为仓房的宽度；

所述loc_x、loc_y为仓门的位置，所述dr_wid为仓门的宽度，所述dr_ht为仓门的高度dr_ht；

所述ma_min为装仓机的前臂长度，所述ma_max为装仓机的最大伸缩长度、所述ma_h1为装仓机的回转高度、所述ma_h2为装仓机的最大可抛粮高度、所述ma_tail为装仓机的尾部长度、所述ma_wid为装仓机的轮距、所述ma_len为装仓机的轴距。

步骤s414：根据帕累托前沿解集、装仓体积及粮面平整度，得到各所述可作业工位之间新的转移概率矩阵。

实施例三

进一步地，如图3所示，在本发明实施例中，所述根据预定目标，选取最优粮食储粮路径的方法为：

步骤s511：判断进化代数是否满足，其中，所述进化代数是指算法迭代的次数；

步骤s512：如未满足，重复所述基于所述可作业工位和所述出口工位的位置，通过蚁群算法获得多条粮食储粮路径，直至进化结束，输出最优路径。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。