专利名称：露天矿卡车最佳流率的控制方法
技术领域：
大型工业，交通工程卡车运输技术领域。
背景技术：
目前国内露天矿应用最普遍的调度方式是固定配车的人工调度方式。固定配车的基本做法是给每个电铲配备固定的卸料点，根据电铲与卸料点之间的距离配备固定数量的卡车，一般情况下，这些卡车就在指定的电铲与卸料点之间往复运行，完成指定电铲的生产任务。这种调度方式基本上以每个电铲为一个独立的小系统，各个小系统之间互相影响很小。如果一台电铲突然发生了故障，其影响范围非常有限。这种小系统比较容易控制和管理，加上这种调度方式已经实行了很多年，积累了相当丰富的经验，故其产量和效益也可以达到比较高的水平。
当然，固定配车存在的问题也显而易见。最根本的问题就是受自身的局限，其产量和效益很难再提高了。主要原因分析如下。
第一信息太慢。目前的固定配车人工调度，生产信息严重滞后。比如一台电铲突然发生了故障，有关卡车在相当长的时间内并不知道，仍然不停地开往此铲……因此，信息要快，要建立及时、准确的检测与通讯系统，立足于生产的实时信息，进行实时调度。第二系统太小。为了便于控制与管理，固定配车将大规模生产人为地割裂为多个孤立的小系统，极大地限制了整体效益的提高。这正如裁剪衣服，多件衣服套裁比每件衣服单独裁要省布。因此，系统要大，要立足于大规模生产的全局，站在全局的高度进行统筹。第三调度太死。固定配车对每辆卡车的指派基本上是固定不变的，是“死”的，这种调度几乎等于没有调度。整个生产状况是瞬息万变的，每一辆空车或重车的调度，都应该根据申请调度时刻的全局生产状况，确定对全局而言最优的指派。因此，调度要“活”，要适应复杂时变的生产环境。只有信息快了、系统大了、调度活了，才能从根本上突破固定配车的局限，进一步提高整体效益。当然，这样的系统会更加复杂，彼此之间的影响会更多，控制和管理的难度也必然大大增加，只有采用更先进的控制技术、更高级的管理手段才能驾驭它。
露天矿卡车调度系统，是近20年来世界范围内发展起来的一项新技术，它可以显著提高露天矿的经济效益。国内外露天矿生产实践表明采用汽车运输露天矿的运输费用占整个矿山生产费用的50％以上，运输台班生产作业时间只占70％，非生产时间占30％，确实存在较大的优化空间。
自70年代起，露天矿卡车调度系统开始在国外问世，美国Cyprus Pima铜矿使用模拟调度盘的方法来调度卡车，使生产效率提高10％-15％。八十年代初，美国Tyrone露天铜矿成功的安装了计算机自动调度系统，从此，计算机卡车调度的发展进入了一个新的阶段美国模块公司开发了名为DISPATCH的调度系统。进入90年代末期，上述DISPATCH由原来的信标定位升级为GPS定位。目前，在世界范围内已有许多露天矿山成功的应用了该系统，新的DISPATCH系统采用了GPS来检测矿坑内所有设备的运行，取代位置信标。GPS具有全球地面连续覆盖、定时定位速度快、抗干扰性能好、保密性强等优点。随着新系统的安装，DISPATCH还开发了一些新增的系统特性和扩充的功能，主要有系统灵活性、报表、匀矿、易耗品跟踪、维修跟踪、故障诊断、挖掘机铲斗称重、穿孔检测、遥控、边坡检测、红外靠近应答等。
1997年德兴铜矿从位于美国亚利桑那州图森市的模块采矿系统公司引进卡车计算机调度系统，该系统已在世界范围内许多家矿山得到应用，德兴铜矿是第88家。该公司自70年代末开发出DISPATCH系统以来，经不断改进和完善，硬件产品已发展到第四代，软件已到17版。系统功能从最初的仅用于露天矿的卡车、电铲作业的调度控制，已向全方位的采矿生产管理系统发展。已投入使用的功能有车铲调度、自动配矿、钻机管理、边坡监测、轮胎管理等。在生产过程中，电铲和卡车指派匹配达到最佳，缩短了卡车运行周期，提高了经济效益。系统使用计算机数据通信及卫星定位，自动跟踪卡车的运行状况，并能确定移动设备的位置，强化对设备运行、维修保养的管理。在几年的应用中使生产管理在原来的基础上上了新台阶，生产效率提高8％以上。但是，它的价格昂贵，一套DISPATCH需300万美元左右；扩展困难，购买的软件对矿山管理人员而言是黑箱，维护长期依赖国外，非常不便。而且这种动态规划调度方法是基于预测的，如果预测得不准，该调度方法也就失去了存在的价值。因此它对GPS的定位精度、卡车在路上运行时间及装卸车时间的精度、称重的精度等都要求很高，这一点极大地限制了它的应用范围，不符合我国国情。本专利申请的实时调度准则不是基于预测，而是基于实现。通过对实现流率的负反馈控制，尽量消除随机因素等各种影响，最大限度地实现目标流率。
发明目的本发明的目的在于提供一种露天矿卡车最佳流率的控制方法露天矿卡车调度问题中，基本的实体是电铲、卡车、卸料点以及道路。露天矿生产的主要产品是矿石，为了生产一定数量的矿石，必须剥离一定数量的岩石，岩石是废石。电铲的作用是挖掘矿石或岩石，并装上卡车卡车将矿石或岩石运送到卸料点，卸料点包括矿石破碎站，岩石破碎站和岩石直排点；在矿石破碎站，矿石卸车后经破碎再由皮带运送到选矿厂。在岩石破碎站，岩石卸车后经破碎再由皮带运到山沟倒掉。在岩石直排点，卡车直接将岩石倒入山沟。因此，矿石、岩石的装、运、卸的循环过程就是露天矿生产的基本内容。
正常情况下，在卸料点，每一辆卸完车的空车都要申请调度，由调度系统指派它到最合适的一台电铲，并指定最优运行路线；在电铲处，每一辆装完车的重车也要申请调度，由调度系统指派它到最合适的一个卸料点，并指定最优运行路线。因此，所谓“卡车调度”，就是在任何情况下、对任意一辆申请调度的卡车进行指派；所谓“最优调度”，就是对卡车进行最优指派。我们的最佳流率控制方法就是用来实现对卡车的最优指派。
该露天矿卡车最佳流率控制方法可以编写成卡车调度系统核心软件，供用户使用。卡车调度系统核心软件使用的操作系统为中文版Microsoft Windows2000 Server，为了保证软件的编译、验证环境与实际使用环境一致，须在Windows2000 Server操作系统上安装中文企业版Microsoft SQL server2000和英文版Borland Delphi 6。当然也可以选择其它的软件环境。
首先介绍露天矿卡车调度中用到的一些概念。
节点包括电铲，卸料点和道路的交叉点。
路段两个相邻节点之间的道路。需要注意的是，这里的路段是有方向的，也就是两个相邻节点之间有两个路段。
运行时间包括重车运行时间和空车运行时间。在某一个路段上，重车通过和空车通过所需要的时间是不同的，所以有这种区别。
装卸强度包括电铲的工作强度和卸料点的工作强度，是指在单位小时内，电铲可以装多少车或者卸料点可以卸多少车，单位为辆/小时。
电铲和卸料点的优先系数一般由矿山工作人员按照其在生产中的重要性确定，重要性越大，优先系数越大。例如影响后续工作的电铲，优先系数大；后期无法工作的电铲，优先系数大，等等。优先系数分为五级，相邻两级优先系数相差十倍。分配卡车资源时，优先保证优先系数大的装卸点用车，装卸点是电铲和卸料点的统称。
运行道路通过最短路计算得到每个电铲到每个卸料点以及每个卸料点到每个电铲都有一条最短路，我们这里的最短路线是指卡车在电铲和卸料点之间的运行时间最短，这些最短路被称为运行道路，以后卡车在电铲和卸料点之间运行就按照运行道路来行驶。
流率假设卡车运载的货物是连续的，每条运行道路上单位时间内通过的货物的吨数或者空车运行时通过的卡车的运载能力称为该运行道路的流率，流率又分为重车流率和空车流率。
重车流率从电铲向卸料点行驶的卡车必定是装载着矿石或者岩石的，该运行道路的流率就是该运行道路上单位时间内通过的货物的吨数。重车流率＝运行道路上总吨数/运行道路的重车运行时间。
空车流率从卸料点向电铲行驶的卡车必定是空车，该运行道路的流率就是该运行道路上单位时间内通过的卡车装载能力，将要装矿石就是装矿的装载能力，将要装岩石就是装岩石的装载能力。空车流率＝运行道路上总装载能力/运行道路的空车运行时间。
目标流率求解线性规划得到的运行道路上的最佳流率。
实现流率经过卡车指派之后，当前各个运行道路的实际流率。
本发明的特征在于它依次含有以下步骤第1步，在数据库中设定以下数据表第1.1步，目标编码表，它含有每一个电铲，卸料点，卡车，路段的编码，分别用不同的起始位表示；第1.2步，路段参数表，它含有路段起点编码，路段终点编码，路段空车运行时间以及路段重车运行时间；第1.3步，电铲参数表，卸料点参数表，它们分别含有电铲编码，卸料点编码，电铲和卸料点的工作强度，优先系数以及入网标识，其中，入网标识表示电铲或者卸料点当前是否可用；优先系数是指电铲或卸料点在生产中的重要度，共分为五级，相邻两级的优先系数相差十倍；第1.4步，卡车参数表，它含有卡车编码，当前卡车的前方目标即电铲或卸料点，卡车负载类型1表示重车，0表示空车；第2步，位于中心调度室的中心调度计算机从数据库中分别读取不同类型的参数，存入以下相应的数组读取目标编码表中的所有参数，存入目标编码数组；读取路段参数表中的所有参数，存入路段参数数组；读取电铲参数表，卸料点参数表中的所有参数，分别存入电铲参数数组和卸料点参数数组；读取卡车参数表中的所有参数，存入卡车参数数组；第3步，中心调度计算机用经典的最优化算法即Dijkstra算法计算每个电铲到每个卸料点以及每个卸料点到每个电铲的最短路线，即卡车运行时间最短的路线，它依次含有以下步骤第3.1步，从路段参数数组中读取所有路段的个数，并读取路段参数数组中每个路段的起点编码，终点编码，重车运行时间，空车运行时间；第3.2步，从目标编码数组中，读取所有的道路节点个数，再读取道路节点中的电铲节点个数，卸料点节点个数；第3.3步，通过上述Dijkstra算法从由所有的道路节点和路段构成的网络图中得到每个电铲到所有卸料点的最短路线和每个卸料点到所有电铲的最短路线；在计算电铲到卸料点的最短路线时，以电铲为起始点，路段的权值取重车运行时间；在计算卸料点到电铲的最短路线时，以卸料点为起始点，路段的权值取空车运行时间；第3.4步，把第3.3步得到的所有电铲到所有卸料点以及所有卸料点到所有电铲的最短路线及运行时间存入运行道路数组；第4步，以第三步得到的各电铲和卸料点之间的最短路线为基础，各最短路线上的重车流率xi，空车流率yk吨/小时为变量，在一定时间内从所有电铲到相应卸料点的最短路线上的重车流率的加权和达到最大即整个采场的总产量最大为线性规划模型的目标函数，求出各最短路线上重车流率的最佳值和空车流率的最佳值，第4步依次含有以下步骤第4.1步，在电铲参数数组和卸料点参数数组中检查入网电铲和卸料点个数，如果没有电铲或者没有卸料点，则返回；如果同时存在电铲和卸料点，则读取电铲和卸料点的个数，编码，优先系数和装卸强度；第4.2步，根据第4.1步得到的已知条件，设置上述线性规划模型的变量xi和yk，列出以下目标函数和约束条件目标函数为MaxZ=Σi∈Acixi,]]>其中，xi为各最短路线上的重车流率，即该运行道路上单位时间内通过的货物的吨数，表示成重车流率＝运行道路上的总吨数/运行道路的重车运行时间，xi≥0；ci为重车流率的优先系数，ci＞0，它为相应重车流率对应的电铲和卸料点的优先系数的乘积；A为重车流率xi下标i的集合，即所有电铲到所有卸料点最短路线的集合；Z为各最短路线上重车流率xi的加权和；约束条件为xi，yk都大于或等于0；I.卡车总数约束Σi∈AQixi+Σk∈BRkyk≤N,]]>其中，xi，yk分别为重车流率和空车流率，上述yk是指该运行道路上单位时间内通过的卡车装载能力，yk＝运行道路上总装载能力/运行道路的空车运行时间；Qi为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Qi可表示为Qi＝在相应道路的重车运行时间/卡车载重量，Qi＞0；Qixi就是相应道路所需的卡车数量；
Rk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Rk可表示为Rk＝在相应道路的空车运行时间/卡车装载能力，Rk＞0；Rkyk就是相应道路所需的卡车数量；A为重车流率下标i的集合；B为空车流率下标k的集合；N为卡车总数，N＞0；II.各电铲与卸料点最大工作强度约束Σi∈Ejxi≤bj,]]>Σi∈Emxi≤dm,]]>其中，bj，dm分别为电铲、卸料点的最大工作强度，即最大装卸强度，单位为辆/小时，bj，dm＞0；Ej为通往电铲j的运行道路的重车流率下标i的集合；Em为通往卸料点m的运行道路的重车流率下标i的集合；III.车流基尔霍夫定律约束Σi∈EjTixi-Σk∈FjSkyk=0,]]>Σi∈EmTixi-Σk∈FmSkyk=0,]]>其中，Ti为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Ti表示式为Ti＝在相应道路的重车运行时间/卡车载重量，Ti＞0；Sk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨；Sk表示式为Sk＝在相应道路的空车运行时间/卡车装载能力，Sk＞0；Ej为通往电铲j的运行道路重车流率xi下标i的集合；Em为通往卸料点m的运行道路重车流率xi下标i的集合；Fj为通往电铲j的运行道路空车流率yk下标k的集合；Fm为通往卸料点m的运行道路空车流率yk下标k的集合；IV.矿石质量即品位约束(Σi∈Ejxi)Hlj≤Σi∈Ej(xigi)≤(Σi∈Ejxi)Huj,]]>其中，gi为原矿品位；Huj，Hlj分别为矿石目标品位上下限，Huj＞Hlj＞0；再把线性规划变量xi，yk的系数和约束右侧的常数N，bj，Huj，Hlj，gi存储在线性规划数组中；第4.3步，用求解线性规划的单纯形法，求解出重车流率的最佳值和空车流率的最佳值，即目标流率；第4.4步，把第4.3步得到的最佳值存入道路运行数组中；
第5步，在满足理想派车间隔的条件下，通过基于目标流率饱和度的实时调度准则来实现目标流率，它依次含有以下步骤第5.1步，中心调度计算机通过设有无线通讯终端的通讯计算机判断是否存在带有GPS系统的卡车申请调度，若没有，则等待；若有，则转入下一步；第5.2步，中心调度计算机在卡车参数数组中读取申请卡车的卡车编码，负载类型及该卡车所在电铲或卸料点的编码；第5.3步，若卡车为空车，便从运行道路数组记录的空车流率中找到和当前卡车卸料点之间空车流率大于0的所有电铲，定为可选择电铲，将这些电铲编码存储到可选择电铲数组中；从电铲参数数组读取可选择电铲的工作强度；从运行道路数组中读取该电铲与卡车所在卸料点对应道路最短路线，上次派车时间，目标流率和实际流率；若卡车为重车，便从运行道路数组记录的重车流率中找到和当前卡车所在电铲之间空车流率大于0的所有卸料点，定为可选择卸料点，将这些卸料点编码存储到可选择卸料点数组中；从卸料点参数数组读取可选择卸料点的工作强度；从运行道路数组中读取该卸料点与卡车所在电铲对应道路最短路线，上次派车时间，目标流率和实际流率；第5.4步，若卡车为空车，则计算所有可选择电铲当前的实际派车间隔，它为当前时间与上次派车时间之差；若卡车为重车，则计算所有可选择卸料点当前的实际派车间隔，它为当前时间与上次派车时间之差；第5.5步，若为空车，则计算所有可选择电铲理想的派车间隔，即电铲装一次车的时间，它等于电铲工作强度的倒数；若为重车，则计算所有可选择卸料点理想的派车间隔，即卸料点卸一次车的时间，它等于卸料点工作强度的倒数；第5.6步，若为空车，依次检查可选择电铲中的电铲的实际派车间隔是否小于理想的派车间隔，若为小于，将其从可选择电铲数组中去掉；若为重车，依次检查可选择卸料点中的卸料点的实际派车间隔是否小于理想的派车间隔，若为小于，将其从可选择卸料点数组中去掉；第5.7步，若为空车，计算可选择电铲中的电铲与空车所在卸料点之间的运行道路的空车流率饱和度Kji；Kji=qjipji,]]>其中，pji为卸料点j与电铲i之间运行道路的目标空车流率，qji为卸料点j与电铲i之间道路的实现空车流率，qji＝Tji/tji，其中Tji为卸料点j与电铲i之间道路上运行卡车总装载能力，单位为吨，tji为卸料点j与电铲i之间的空车运行时间；计算Kmin=miniKji]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路；若为重车，计算可选择卸料点中的卸料点与重车所在电铲之间的运行道路的重车流率饱和度Kij；Kij=qijpij,]]>其中，pij为电铲i与卸料点j之间运行道路的目标重车流率，qij为电铲i与卸料点j之间道路的实现重车流率，qij＝Tij/tij，其中Tij为电铲i与卸料点j之间道路上运行卡车总载重量，单位吨，tij为电铲i与卸料点j之间的重车运行时间；计算Kmin=minjKij]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路；第5.8步，检查选择的运行道路饱和度是否大于1，若是，转到第5.10步；若否，转到第5.9步；第5.9步，在卡车参数数组中记录该电铲或者卸料点为当前卡车的前方目标，按照最短路线行驶，在运行道路数组中更新该电铲或卸料点上次派车时间和实现流率，更新实现流率分两步，减小卡车来时运行道路的实现流率，和增大将要行驶的运行道路的实现流率；转到第5.12步；第5.10步，若为空车，重新选择可选择电铲，将所有开启的电铲定为可选择电铲；若为重车，重新选择可选择卸料点，将所有能够卸料的卸料点定为可选择卸料点；第5.11步，若为空车，计算可选择电铲的目标流率饱和度MiMi=Σj∈AqjiΣj∈Apji,]]>A是所有卸料点的集合，Mi表示电铲i的目标流率的实现程度；计算Mmin=miniMi,]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的电铲；若为重车，计算可选择卸料点的目标流率饱和度MjMj=Σi∈AqijΣi∈Apij,]]>A是所有电铲的集合，Mj表示卸料点j的目标流率的实现程度；计算
Mmin=minjMj,]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的卸料点；然后转到第5.9步；第5.12步，结束；系统在运行中，当路段参数有改变，包括电铲移动位置，新开路段或者废弃路段，需要更新路段数据表数据，然后重新回到第3步，重新进行最短路的计算；如果重新进行了最短路的计算，有新电铲，新卸料点开启，原有电铲或卸料点关闭，或者电铲，卸料点的参数变化，要更新电铲数据表，卸料点数据表，然后回到第4步，重新进行最佳流率的求解；实验效果在一个理论计算问题中，采场规模为8个电铲，3个卸料点。通过软件计算得到，若按照定铲固定配车方案需要42辆卡车，而基于我们的优化调度方法，需要37台卡车，这表明在理论上优化调度比固定配车节省卡车11.9％。
在某一个白班的现场自动调度过程中，生产规模为7台电铲，所需卡车为29台。针对该生产状态，请两位经验丰富的调度人员分别估计若采用固定配车需要的车数，他们估计的结果是一致的，现列于后03铲 6台04铲 5台05铲 7台06铲 3台10铲 1-2台11铲 6台12铲 4台一共需要32-33台卡车。这一估计表明实际中优化调度比固定配车节省卡车9.38％-12.12％。
另外一个例子，如果采场规模为十个电铲，三个卸料点，优化调度需要44辆卡车，如果用44辆卡车来进行固定配车调度的话，通过计算可知所用卡车数相同时，优化调度比固定配车提高产量10.46％。
图1.本发明的系统硬件框图。
图2.本发明的程序流程总框图。
图3.本发明的初始化总框图。
图4.a本发明的最短路线求解的流程框图，b相应的网络图。
图5.本发明的最佳流率求解流程框图。
图6.a本发明的最佳流率实现流程框图，当空车调度时，b当重车调度时。
具体实施例方式
终端安装于电铲，卸料点，卡车之上，由图像显示/触摸屏输入设备，移动式32位微处理器和GPS定位接收机组成。人机交互设备由键盘，鼠标，显示器组成。
信息传输如下电铲，卡车，卸料点终端将自己的信息，包括通过GPS系统获得的所在位置节点，卡车运载种类，包括重，空，通过无线通讯网，由无线通讯终端传输到通讯总站的通讯计算机；通讯计算机再通过局域网将信息传输给中心调度计算机，写入数据库中相应的数据表，供调度软件调用。调度人员也可以通过显示器查看。
调度人员通过输入设备将初始数据输入中心调度计算机的数据库，调度软件基于这些数据和作业现场传输的实时数据计算出调度指令，再通过局域网传输给通讯总站的通讯计算机，通讯计算机再由无线通讯终端通过无线通讯网传输给卡车终端调度指令，传输给电铲和卸料点开启或关闭指令。
在软件运行之前，需要数据库提供以下数据表供系统读取。
1)目标编码表每一个电铲，卸料点，道路交叉点，卡车，路段都有一个唯一的编码，用来区别不同事物。每种类型实体编码起始位不同，用来加以区别。
2)路段参数表包括路段起点编码，路段终点编码，路段编码，路段空车运行时间，路段重车运行时间。
3)电铲参数表、卸料点参数表包括电铲编码，卸料点编码，电铲和卸料点的工作强度，优先系数，入网标识，入网标识表示电铲或者卸料点当前是否可用。
4)卡车参数表包括卡车编码，当前卡车的前方目标，前方目标必须为电铲或者卸料点；卡车负载类型，包括重车或空车，分别用1，0表示。
在软件运行时，有以下全局变量存储程序调用的数据。
1)目标编码数组包括所有的目标编码。
2)路段参数数组包括路段起点编码，路段终点编码，路段编码，路段空车运行时间，路段重车运行时间。
3)电铲参数数组包括电铲编码，电铲工作强度，优先系数，入网标识，上次派车时间。
4)卸料点参数数组包括卸料点编码，卸料点的工作强度，优先系数，入网标识，上次派车时间。
5)卡车参数数组包括卡车编码，当前卡车的前方目标，卡车负载类型。
6)运行道路数组包括每个电铲到每个卸料点和每个卸料点到每个电铲的最短路线，即记录中间经过的节点，该路线运行时间，目标流率和实际流率。
初始化1)从数据库中读取目标编码表中所有参数，存入目标编码数组。
2)从数据库中读取路段参数表中所有参数，存入路段参数数组。
3)从数据库中读取电铲参数表中所有参数，存入电铲参数数组。
4)从数据库中读取卸料点参数表中所有参数，存入卸料点参数数组。
5)从数据库中读取卡车参数表中所有参数，存入卡车参数数组。
最短路模型的主要功能是依据最优化算法，计算出道路网络图中电铲和卸料点之间的最短路线。当道路网络发生变化时，及时根据新的数据对最短路线进行更新。
求解最短路的算法中最常用的是Dijkstra算法，它是图论中公认的好算法。我们就是采用的这种经典的算法。
下面列出电铲到所有卸料点之间的最短路计算流程1)从路段参数数组中读取所有路段的个数，并读取路段参数数组中每个路段的起点编码、终点编码、重车时间、空车时间。
2)从目标编码数组中，通过编码的区别，读取所有的道路节点个数，再读取道路节点中的电铲节点个数，卸料点节点个数。
3)所有的道路节点和路段构成了一个完整的网络图，可以通过Dijkstra算法得到每个电铲到所有卸料点的最短路线和每个卸料点到所有电铲的最短路线。计算电铲到卸料点的最短路线时，以电铲为起始点，路段的权值取重车运行时间；计算卸料点到电铲的最短路线时，以卸料点为起始点，路段的权值取空车运行时间。
4)将得到的所有电铲到所有卸料点和所有卸料点到所有电铲的最短路线及运行时间保存到运行道路数组。
系统在运行中，当路段参数有改变，包括电铲移动位置，新开路段或者废弃路段，需要更新路段数据表数据，然后重新回到最短路计算这步，重新进行最短路的计算。
Dijkstra算法流程
道路网络图G，G中节点个数为n，节点包括起始点和路线的交点，路线弧的条数为m。Dijkstra算法的基本思路是假设每个节点j都有一对标号(dj，pj)，其中dj是从起始点s到节点j的最短路径的运行时间；pj则是从s到j的最短路径中j节点的前一节点的下标。求解从起始点s到节点j的最短路径算法的基本过程如下1)初始化。起始点设置为ds＝0，ps＝s；所有其它点idi＝+∞，pi＝i；标记起始点s，记k＝s，其它所有节点设为未标记。
2)检验从所有已标记的节点k到其直接连接的未标记和待标记的节点j的运行时间，并设置dj＝min[dj，dk+lkj]式中lkj是从节点k到j的直接连接路线的运行时间，并修改j中的未标记节点为待标记节点。
3)选取下一个点。从所有待标记的节点中，选取dj中最小的一个idi＝min(dj)，其中j为所有待标记的节点，点i就被选为最短路径中的一点，并设为已标记的。
4)找到节点i的前一节点，从已标记的节点中找到通过最短路径直接连接到节点i的点j′，作为前一节点，设置pi＝j′。
5)标记节点i。如果待标记集合为空，或者结束点都变为已标记，则算法完全退出，否则，记k＝i，转到2)再继续。
具体实例现有网络图如下，设A，B为电铲，C，D为节点，E为卸料点。
下面以电铲A为起始点，搜索电铲A到其他点的最短路，道路上标注的时间为重车时间。
1)初始化，设置起始点为A，标号为(0，A)已标记，其余节点i为未标记di＝+∞，pi＝i(i＝B，C，D，E)。
2)检验从所有已标记的节点到其直接连接的未标记和待标记的节点，已标记的节点为A，未标记和待标记的节点只有节点C，必然为最小，dC＝60，C的前一节点为A，修改C的标号为(60，A)，已标记。
3)检验从所有已标记的节点到其直接连接的未标记和待标记的节点，已标记的节点包括A，C，未标记和待标记的节点包括节点D和节点E，修改这两个节点为待标记，dD＝60+30＝90，dE＝60+80＝140，标号分别为(90，D)，(140，E)。由于dD＝90，dE＝140，dD＜dE，D的前一节点为C所以修改节点D的标号为(90，C)已标记。
4)检验从所有已标记的节点到其直接连接的未标记和待标记的节点，已标记的节点包括A，C，D，未标记和待标记的节点包括节点B和节点E，修改这两个节点为待标记，dB＝90+80＝170，dE＝min(140，90+40)＝130，标号分别为(170，B)，(130，E)。由于dB＝170，dE＝120，dB＞dE，E的前一节点为D所以修改节点E的标号为(130，D)已标记。
5)检验从所有已标记的节点到其直接连接的未标记和待标记的节点，已标记的节点包括A，C，D，E，未标记和待标记的节点只有节点B，必然为最小，B的前一节点为D，dB＝170，修改B的标号为(170，D)，已标记。
6)检验从所有已标记的节点到其直接连接的未标记和待标记的节点，结束点都变为已标记，整个计算过程结束，前溯E的标号，得到电铲A到卸料点E的最短路为A-C-D-E.运行时间为130s。
最佳流率的求解是一个复杂的过程。首先我们要进行深入的调查研究，把露天矿卡车调度问题追求的目标以及追求目标过程中的主要的约束条件确定下来，然后再用数学式子把这一实际问题描述清楚---这就是建立数学模型。建立数学模型包括设置变量、用变量将目标函数和约束条件写出来。我们希望实现的目标就是在一定时间内，整个采场的总产量最大，也就是总采剥量最大，如果所有电铲到卸料点的重车流率的加权和达到最大，就可以达到我们的目标。我们选定的约束条件有四类卡车总数约束、各电铲与卸料点最大工作强度约束、车流基尔霍夫定律约束、矿石质量约束等。我们建立的数学模型是线性规划模型，它的基本特征是目标函数是变量的线性函数，约束条件是变量的线性等式或线性不等式。线性规划模型的变量设的就是我们要求的各条运行道路上的最佳流率。线性规划模型建立起来之后，只要采用现有技术---求解线性规划的单纯形法，即可求解出最佳流率了。
下面介绍线性规划的数学模型。
首先采用最优化算法计算出各电铲和卸料点之间的最短路线，模型的变量就设置为各最短路线上的重车流率xi和空车流率yk，单位为吨/小时。
目标函数Max Z=Σi∈Acixi,]]>使Z最大化xi为重车流率，xi≥0。
ci为重车流率的优先系数，ci＞0，为相应重车流率对应的电铲和卸料点优先系数的乘积。
A为重车流率下标i的集合，Z是重车流率的加权和。
约束条件约束条件除了变量非负的约束外，主要有以下四类。
1)卡车总数约束Σi∈AQixi+Σk∈BRkyk≤N]]>xi为重车流率，xi≥0。
yk为空车流率，yk≥0。
Qi为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，计算方法为在相应道路的重车运行时间/卡车载重量。Qixi就是相应道路所需的卡车数量。Qi＞0。
Rk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，计算方法为在相应道路的空车运行时间/卡车装载能力。
RkRkyk就是相应道路所需的卡车数量，Rk＞0。A为重车流率下标i的集合，B为空车流率下标k的集合，N为卡车总数，N＞0。
2)各电铲与卸料点最大工作强度约束Σi∈Ejxi≤bj,]]>Σi∈Emxi≤dm,]]>其中，bj，dm分别为电铲、卸料点的最大工作强度，即最大装卸强度，单位为辆/小时，bj，dm＞0；Ej为通往电铲j的运行道路的重车流率下标i的集合；Em为通往卸料点m的运行道路的重车流率下标i的集合；3)车流基尔霍夫定律约束Σi∈EjTixi-Σk∈FjSkyk=0,]]>Σi∈EmTixi-Σk∈FmSkyk=0,]]>其中，Ti为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Ti表示式为Ti＝在相应道路的重车运行时间/卡车载重量，Ti＞0；Sk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨；Sk表示式为Sk＝在相应道路的空车运行时间/卡车装载能力，Sk＞0；Ej为通往电铲j的运行道路重车流率xi下标i的集合；Em为通往卸料点m的运行道路重车流率xi下标i的集合；Fi为通往电铲j的运行道路空车流率yk下标k的集合；Fm为通往卸料点m的运行道路空车流率yk下标k的集合；4)矿石质量约束为空车流率下标k的集合(Fi∈B)矿石质量约束(Σi∈Emxi)Hlj≤Σi∈Em(xigi)≤(Σi∈Emxi)Huj;]]>其中，gi为原矿品位，Huj，Hlj分别为矿石目标品位上下限，Huj＞Hlj＞0；以上给出了我们的车流规划数学模型，其基本结构、模式是合理的，具有一定的普遍性。当然，对于不同露天矿、在不同需求情况下，数学模型的具体形式可能有差别。
下面列出最佳流率求解的详细计算流程求解需要一个局部的变量，我们称为线性规划数组，里面存放着线性规划的目标函数及约束条件的线性规划变量的系数和约束右侧的常数。
1)在电铲参数数组和卸料点参数数组中检查入网电铲和卸料点个数，如果没有电铲或者没有卸料点，则返回；如果存在电铲和卸料点，读取电铲和卸料点的个数，编码，优先系数和装卸强度。
2)根据已知条件，设置好线性规划模型的变量，列出目标函数，以及约束条件。将线性规划变量的系数和约束右侧的常数存储在线性规划数组中。
3)采用求解线性规划的单纯形法，求解出变量的最优值，也就是重车流率的最佳值和空车流率的最佳值。
4)将这些最佳值存储到运行道路数组中，待实现最佳流率时调用。
线性规划的求解基本依据单纯形法原理，下面介绍在本系统中使用的求解方法1)找出初始可行基，确定初始可行基可行解，建立初始单纯形表。
2)检验各非基变量xj的检验数是σj=cj-Σi=1mciaij,]]>若σj≤0，j＝m+1，…，n；则已经得到最优解，可停止计算，否则转入下一步。
3)在σi＞0.j＝m+1，…，n中，若有某个σk对应xk的系数列向量Pk≤0，则此问题是无界，停止计算。否则，转入下一步。
4)根据max(σj＞0)＝σk，确定xk为换入变量，按θ规则计算θ=min(biaik|aik>0).]]>可以确定一个最小的θ对应的xl为换出变量，转入下一步。
5)以alk为主元素进行迭代，把xk所对应的列向量Pk=a1ka2k..alk..amk⇒00..1..0]]>将XB列中的xl换为xk，得到新的单纯形表。重复第二步到第五步，直到终止。
系统在运行中，如果重新进行了最短路的计算，有新电铲，新卸料点开启，原有电铲或卸料点关闭，或者电铲，卸料点的参数变化，要更新电铲数据表，卸料点数据表，然后回到最佳流率的求解这步，重新进行最佳流率的求解。
求解线性规划模型得到的各装卸点之间的目标流率，是实时调度派车时力求实现的理想目标值。各装卸点之间的运行道路上的实际流率是通过对每一辆卡车的指派实现的。为了最优地指派每一辆卡车，使道路上的实际流率尽可能接近目标流率，我们设计了实时调度模型。实时调度模型的最主要部分就是实时调度准则，对每一辆卡车的指派，都要依据实时调度准则。我们提出了基于目标流率饱和度的实时调度准则。实时调度准则是能否实现优化调度的关键。
卡车间隔的控制为了尽量避免卡车在电铲前排队，最大限度的提高卡车和电铲的工作效率，在最佳流率的实现方法中加入了卡车间隔的控制。每条有流率的道路都有一个合适的间隔，这个间隔对应电铲就是道路终点的装车时间，对应卸料点或者是卸车时间，如果派车不符合这个间隔，下一辆车到达时就会出现前一辆车还没有结束工作的现象，影响效率。派车时把满足这个间隔的道路所对应的电铲列为可选电铲，所以派往每条道路的车辆都符合间隔的要求，正常情况下一般不会出现压车现象。
基于目标流率饱和度的实时调度准则在使用实时调度准则之前，需要判断有关道路上当前派车和上次派车的时间间隔是否符合要求。
实时调度准则一若为空车调度，计算可选择电铲中的电铲与空车所在卸料点之间的运行道路的空车流率饱和度Kji。
Kji=qjipji,]]>其中，pji为卸料点j与电铲i之间运行道路的目标空车流率，qji为卸料点j与电铲i之间道路的实现空车流率，qji＝Tji/tji，其中Tji为卸料点j与电铲i之间道路上运行卡车总装载能力，单位吨，tji为卸料点j与电铲i之间的空车运行时间。
计算Kmin=miniKji]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路。
若为重车，计算可选择电铲中的电铲与空车所在卸料点之间的运行道路的空车流率饱和度Kij。
Kij=qijpij,]]>其中，pij为电铲i与卸料点j之间运行道路的目标重车流率，qij为电铲i与卸料点j之间道路的实现重车流率，qij＝Tij/tij，其中Tij为电铲i与卸料点j之间道路上运行卡车总载重量，单位吨，tij为电铲i与卸料点j之间的重车运行时间。
计算Kmin=minjKij]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路。
如果目标流率饱和度最小的道路的饱和度大于1，转到准则二。
实时调度准则二若为空车调度，计算所有电铲的目标流率饱和度Mi
Mi=Σj∈AqjiΣj∈Apji]]>A是所有卸料点的集合。Mi表示电铲i的目标流率的实现程度。
计算Mmin=miniMi]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的电铲。
若为重车调度，计算所有可选择卸料点的目标流率饱和度MjMj=Σi∈AqijΣi∈Apij]]>A是所有电铲的集合。Mj表示卸料点j的目标流率的实现程度。
计算Mmin=minjMj]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的卸料点。
空车调度流程如下需要一个数组记录可选择电铲编码，称为可选择电铲数组。
1)在卡车参数数组读取申请卡车的卡车编码，负载类型。假定卡车为空车，也即负载类型为0。
2)从运行道路数组记录的空车流率中找到和当前卡车卸料点之间空车流率大于0的所有电铲，定为可选择电铲，将这些电铲编码存储到可选电铲数组中。从电铲参数数组读取可选电铲的工作强度，从运行道路数组中读取该电铲与卡车所在卸料点对应道路最短路线，上次派车时间，目标流率和实际流率。
3)计算所有可选择电铲当前的实际派车间隔，也就是当前时间与上次派车时间之差。
4)计算所有可选择电铲理想的派车间隔，等于电铲的装车时间，也就是工作强度的倒数。
5)依次检查可选择电铲中的电铲的实际派车间隔是否小于理想的派车间隔。如果小于，将其从可选择电铲数组中去掉。
6)检查可选择电铲中是否还存在电铲，如果是，转到7)；如果否，转到10)7)依次计算可选择电铲中的电铲与空车所在卸料点之间的运行道路的目标流率饱和度。记录饱和度最小的一台电铲。
8)检查该电铲饱和度是否大于1，若是，转到10)；若否，转到9)。
9)在卡车参数数组中记录该电铲为当前卡车的前方目标，按照该卸料点与电铲之间的最短路线行驶。在运行道路数组中更新该电铲上次派车时间和实现流率。更新实际流率分两步，减小卡车来时运行道路的实现流率，和增大卡车将要行驶的运行道路的实现流率。结束。
10)重新选择可选择电铲，将所有开启的电铲定为可选电铲。
11)从运行道路数组中读取所有卸料点到电铲的最短路线，目标流率和实际流率，依次计算可选择电铲中的电铲目标流率饱和度。记录饱和度最小的一台电铲。
12)在卡车参数数组中记录该电铲为当前卡车的前方目标，按照该卸料点与电铲之间的最短路线行驶。在运行道路数组中更新该电铲上次派车时间和实现流率。更新实现流率分两步，减小卡车来时运行道路的实现流率，和增大卡车将要行驶的运行道路的实现流率。结束。
重车调度流程需要一个数组记录可选择卸料点编码，称为可选择卸料点数组。
1)在卡车参数数组读取申请卡车的卡车编码，负载类型。假定卡车为重车，也即负载类型为1。
2)从运行道路数组记录的重车流率中找到和当前卡车电铲之间重车流率大于0的所有卸料点，定为可选择卸料点，将这些卸料点编码存储到可选择卸料点数组中。从卸料点参数数组读取可选择卸料点的工作强度，从运行道路数组中读取该卸料点与卡车所在电铲对应道路最短路线，上次派车时间，目标流率和实际流率。
3)计算所有可选择卸料点当前的实际派车间隔，也就是当前时间与上次派车时间之差。
4)计算所有可选择卸料点理想的派车间隔，等于卸料点的卸车时间，也就是工作强度的倒数。
5)依次检查可选择卸料点中的卸料点的实际派车间隔是否小于理想的派车间隔。如果小于，将其从可选择卸料点数组中去掉。
6)检查可选择卸料点中是否还存在卸料点，如果是，转到7)；如果否，转到10)7)依次计算可选择卸料点中的卸料点与重车所在电铲之间的运行道路的目标流率饱和度。记录饱和度最小的一个卸料点。
8)检查该卸料点饱和度是否大于1，若是，转到10)；若否，转到9)。
9)在卡车参数数组中记录该卸料点为当前卡车的前方目标，按照该电铲与卸料点之间的最短路线行驶。在运行道路数组中更新该卸料点上次派车时间和实现流率。更新实现流率分两步，减小卡车来时运行道路的实现流率，和增大卡车将要行驶的运行道路的实现流率。结束。
10)重新选择可选择卸料点，将所有开启的卸料点定为可选择卸料点。
11)从运行道路数组中读取所有电铲到卸料点的最短路线，目标流率和实际流率，依次计算可选择卸料点中的卸料点目标流率饱和度。记录饱和度最小的一个卸料点。
12)在卡车参数数组中记录该卸料点为当前卡车的前方目标，按照该电铲与卸料点之间的最短路线行驶。在运行道路数组中更新该卸料点上次派车时间和实现流率。更新实现流率分两步，减小卡车来时运行道路的实现流率，和增大卡车将要行驶的运行道路的实现流率。结束。
具体实例举一个具体的例子，有电铲六台A，B，C，D，E，F卸料点一处Z。经过线性规划得到Z-A，Z-E，Z-F之间空车流率大于0。
假设在实际生产中，有一台空车提出申请，这时假设目前系统的状态如下。
电铲A的理想派车间隔为5分钟，电铲E，F的理想派车间隔为10分钟。
上次向电铲A派车是6分钟前，上次向电铲E派车是3分钟前，上次向电铲F派车是10分钟前。
卸点Z到电铲A，E，F的道路目标流率饱和度分别为0.8，0.9，1.1。
电铲A，B，C，D，E，F的目标流率饱和度分别为0.6，1.2，0.9，1，0.5，0.8。
1)首先读取申请调度的卡车，得知是空车。
2)与卸料点Z之间空车流率大于0的电铲有A，E，F，所以可选电铲表中包括电铲A，E，F。
3)计算出卸料点Z到电铲A，E，F的实际派车间隔分别为6分钟，3分钟，10分钟。
4)电铲A，E，F理想派车间隔分别为5分钟，10分钟，10分钟。
5)电铲E的实际派车间隔比理想派车间隔小，所以从可选电铲中去掉，于是可选电铲中还剩下电铲A，F。
6)可选电铲中还剩余有电铲，转到7。
7)计算卸料点Z到电铲A，F的目标流率饱和度，分别为0.8，1.1。记录饱和度最小的电铲为A。
8)电铲A饱和度不大于1，转到9。
9)记录电铲A为当前卡车的前方目标，指派卡车按照卸料点Z与电铲A之间的运行道路行驶。结束。
权利要求
1.露天矿卡车最佳流率的控制方法，其特征在于它依次含有以下步骤第1步，在数据库中设定以下数据表第1.1步，目标编码表，它含有每一个电铲，卸料点，卡车，路段的编码，分别用不同的起始位表示；第1.2步，路段参数表，它含有路段起点编码，路段终点编码，路段空车运行时间以及路段重车运行时间；第1.3步，电铲参数表，卸料点参数表，它们分别含有电铲编码，卸料点编码，电铲和卸料点的工作强度，优先系数以及入网标识，其中，入网标识表示电铲或者卸料点当前是否可用；优先系数是指电铲或卸料点在生产中的重要度，共分为五级，相邻两级的优先系数相差十倍；第1.4步，卡车参数表，它含有卡车编码，当前卡车的前方目标即电铲或卸料点，卡车负载类型1表示重车，0表示空车；第2步，位于中心调度室的中心调度计算机从数据库中分别读取不同类型的参数，存入以下相应的数组读取目标编码表中的所有参数，存入目标编码数组；读取路段参数表中的所有参数，存入路段参数数组；读取电铲参数表，卸料点参数表中的所有参数，分别存入电铲参数数组和卸料点参数数组；读取卡车参数表中的所有参数，存入卡车参数数组；第3步，中心调度计算机用经典的最优化算法即Dijkstra算法计算每个电铲到每个卸料点以及每个卸料点到每个电铲的最短路线，即卡车运行时间最短的路线，它依次含有以下步骤第3.1步，从路段参数数组中读取所有路段的个数，并读取路段参数数组中每个路段的起点编码，终点编码，重车运行时间，空车运行时间；第3.2步，从目标编码数组中，读取所有的道路节点个数，再读取道路节点中的电铲节点个数，卸料点节点个数；第3.3步，通过上述Dijkstra算法从由所有的道路节点和路段构成的网络图中得到每个电铲到所有卸料点的最短路线和每个卸料点到所有电铲的最短路线；在计算电铲到卸料点的最短路线时，以电铲为起始点，路段的权值取重车运行时间；在计算卸料点到电铲的最短路线时，以卸料点为起始点，路段的权值取空车运行时间；第3.4步，把第3.3步得到的所有电铲到所有卸料点以及所有卸料点到所有电铲的最短路线及运行时间存入运行道路数组；第4步，以第三步得到的各电铲和卸料点之间的最短路线为基础，各最短路线上的重车流率xi，空车流率yk吨/小时为变量，在一定时间内从所有电铲到相应卸料点的最短路线上的重车流率的加权和达到最大即整个采场的总产量最大为线性规划模型的目标函数，求出各最短路线上重车流率的最佳值和空车流率的最佳值，第4步依次含有以下步骤第4.1步，在电铲参数数组和卸料点参数数组中检查入网电铲和卸料点个数，如果没有电铲或者没有卸料点，则返回；如果同时存在电铲和卸料点，则读取电铲和卸料点的个数，编码，优先系数和装卸强度；第4.2步，根据第4.1步得到的已知条件，设置上述线性规划模型的变量xi和yk，列出以下目标函数和约束条件目标函数为MaxZ=Σi∈Acixi,]]>其中，xi为各最短路线上的重车流率，即该运行道路上单位时间内通过的货物的吨数，表示成重车流率＝运行道路上的总吨数/运行道路的重车运行时间，xi≥0；ci为重车流率的优先系数，ci＞0，它为相应重车流率对应的电铲和卸料点的优先系数的乘积；A为重车流率xi下标i的集合，即所有电铲到所有卸料点最短路线的集合；Z为各最短路线上重车流率xi的加权和；约束条件为xi，yk都大于或等于0；I.卡车总数约束Σi∈AQixi+Σk∈BRkyk≤N,]]>其中，xi，yk分别为重车流率和空车流率，上述yk是指该运行道路上单位时间内通过的卡车装载能力，yk＝运行道路上总装载能力/运行道路的空车运行时间；Qi为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Qi可表示为Qi＝在相应道路的重车运行时间/卡车载重量，Qi＞0；Qixi就是相应道路所需的卡车数量；Rk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Rk可表示为Rk＝在相应道路的空车运行时间/卡车装载能力，Rk＞0；Rkyk就是相应道路所需的卡车数量；A为重车流率下标i的集合；B为空车流率下标k的集合；N为卡车总数，N＞0；II.各电铲与卸料点最大工作强度约束Σi∈Ejxi≤bj,Σi∈Emxi≤dm,]]>其中，bj，dm分别为电铲、卸料点的最大工作强度，即最大装卸强度，单位为辆/小时，bj，dm＞0；Ej为通往电铲j的运行道路的重车流率下标i的集合；Em为通往卸料点m的运行道路的重车流率下标i的集合；III.车流基尔霍夫定律约束Σi∈EjTixi-Σk∈FjSkyk=0,Σi∈EmTixi-Σk∈FmSkyk=0,]]>其中，Ti为重车流率xi与运行道路上所需卡车数量的转换参数，单位为辆小时/吨，Ti表示式为Ti＝在相应道路的重车运行时间/卡车载重量，Ti＞0；Sk为空车流率yk与运行道路上所需卡车数量的转换参数，单位为辆小时/吨；Sk表示式为Sk＝在相应道路的空车运行时间/卡车装载能力，Sk＞0；Ej为通往电铲j的运行道路重车流率xi下标i的集合；Em为通往卸料点m的运行道路重车流率xi下标i的集合；Fj为通往电铲j的运行道路空车流率yk下标k的集合；Fm为通往卸料点m的运行道路空车流率yk下标k的集合；IV.矿石质量即品位约束(Σi∈Ejxi)Hlj≤Σi∈Ej(xigi)≤(Σi∈Ejxi)Huj,]]>其中，gi为原矿品位，Huj，Hlj分别为矿石目标品位上下限，Huj＞Hlj＞0；再把线性规划变量xi，yk的系数和约束右侧的常数N，bj，Huj，Hlj，gi存储在线性规划数组中；第4.3步，用求解线性规划的单纯形法，求解出重车流率的最佳值和空车流率的最佳值，即目标流率；第4.4步，把第4.3步得到的最佳值存入道路运行数组中；第5步，在满足理想派车间隔的条件下，通过基于目标流率饱和度的实时调度准则来实现目标流率，它依次含有以下步骤第5.1步，中心调度计算机通过设有无线通讯终端的通讯计算机判断是否存在带有GPS系统的卡车申请调度，若没有，则等待；若有，则转入下一步；第5.2步，中心调度计算机在卡车参数数组中读取申请卡车的卡车编码，负载类型及该卡车所在电铲或卸料点的编码；第5.3步，若卡车为空车，便从运行道路数组记录的空车流率中找到和当前卡车卸料点之间空车流率大于0的所有电铲，定为可选择电铲，将这些电铲编码存储到可选择电铲数组中；从电铲参数数组读取可选择电铲的工作强度；从运行道路数组中读取该电铲与卡车所在卸料点对应道路最短路线，上次派车时间，目标流率和实际流率；若卡车为重车，便从运行道路数组记录的重车流率中找到和当前卡车所在电铲之间空车流率大于0的所有卸料点，定为可选择卸料点，将这些卸料点编码存储到可选择卸料点数组中；从卸料点参数数组读取可选择卸料点的工作强度；从运行道路数组中读取该卸料点与卡车所在电铲对应道路最短路线，上次派车时间，目标流率和实际流率；第5.4步，若卡车为空车，则计算所有可选择电铲当前的实际派车间隔，它为当前时间与上次派车时间之差；若卡车为重车，则计算所有可选择卸料点当前的实际派车间隔，它为当前时间与上次派车时间之差；第5.5步，若为空车，则计算所有可选择电铲理想的派车间隔，即电铲装一次车的时间，它等于电铲工作强度的倒数；若为重车，则计算所有可选择卸料点理想的派车间隔，即卸料点卸一次车的时间，它等于卸料点工作强度的倒数；第5.6步，若为空车，依次检查可选择电铲中的电铲的实际派车间隔是否小于理想的派车间隔，若为小于，将其从可选择电铲数组中去掉；若为重车，依次检查可选择卸料点中的卸料点的实际派车间隔是否小于理想的派车间隔，若为小于，将其从可选择卸料点数组中去掉；第5.7步，若为空车，计算可选择电铲中的电铲与空车所在卸料点之间的运行道路的空车流率饱和度Kji，Kji=qjipji,]]>其中，pji为卸料点j与电铲i之间运行道路的目标空车流率，qji为卸料点j与电铲i之间道路的实现空车流率，qji＝Tji/tji，其中Tji为卸料点j与电铲i之间道路上运行卡车总装载能力，单位吨，tji为卸料点j与电铲i之间的空车运行时间；计算Kmin=miniKji,]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路；若为重车，计算可选择卸料点中的卸料点与重车所在电铲之间的运行道路的重车流率饱和度Kij；Kij=qijpij,]]>其中，pij为电铲i与卸料点j之间运行道路的目标重车流率，qij为电铲i与卸料点j之间道路的实现重车流率，qij＝Tij/tij，其中Tij为电铲i与卸料点j之间道路上运行卡车总载重量，单位吨，tij为电铲i与卸料点j之间的重车运行时间；计算Kmin=minjKij,]]>以Kmin作为道路选择参数，选取目标流率饱和度最小的道路；第5.8步，检查选择的运行道路饱和度是否大于1，若是，转到第5.10步；若否，转到第5.9步；第5.9步，在卡车参数数组中记录该电铲或者卸料点为当前卡车的前方目标，按照最短路线行驶。在运行道路数组中更新该电铲或卸料点上次派车时间和实现流率。更新实现流率分两步，减小卡车来时运行道路的实现流率，和增大将要行驶的运行道路的实现流率；转到第5.12步；第5.10步，若为空车，重新选择可选择电铲，将所有开启的电铲定为可选择电铲；若为重车，重新选择可选择卸料点，将所有能够卸料的卸料点定为可选择卸料点；第5.11步，若为空车，计算可选择电铲的目标流率饱和度MiMi=Σj∈AqjiΣj∈Apji,]]>A是所有卸料点的集合，Mi表示电铲i的目标流率的实现程度；计算Mmin=miniMi,]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的电铲；若为重车，计算可选择卸料点的目标流率饱和度MjMj=Σj∈AqijΣj∈Apij,]]>A是所有电铲的集合，Mj表示卸料点j的目标流率的实现程度；计算Mmin=minjMj,]]>以Mmin作为装卸点选择参数，选取目标流率饱和度最小的卸料点；然后转到第5.9步；第5.12步，结束。
全文摘要
露天矿卡车最佳流率的控制方法，属于卡车运输技术领域，其特征在于它首先用图论中经典的Dijkstra标号算法求出道路网络图中电铲和卸料点之间的最短路线；再用线性规划模型求出各最短路线上的重车流率，空车流率最佳值，以此作为目标流率；接着再对申请调度的卡车，按照一辆卡车装车或卸车所需的时间，分别确定理想的派车间隔，确定可选装卸点，按照运行道路的目标流率的饱和度最小原则，选定一个目的电铲或卸料点，如果运行道路目标流率饱和度均大于1，则按照可选装卸点目标流率的饱和度最小原则，选定目的电铲或卸料点。它是一种基于实现而非预测的最佳流率控制方法，通过对实现流率的负反馈控制，尽量排除干扰，最大限度实现目标流率。
文档编号G08G1/00GK1601572SQ200410009670
公开日2005年3月30日 申请日期2004年10月15日 优先权日2004年10月15日
发明者张莹, 王强, 徐文立 申请人:清华大学