成果简介

1、自动化港口主动安全防控技术 传统的集装箱码头调度依赖于人工经验和固定规则，存在调度效率低、资源利用率不高以及应对突发事件能力不足等问题。从自动化集装箱码头多资源协同调度技术出发，以总体作业完工时间、能耗量、设备利用率等单一指标或组合指标为优化目标，重点研究自动化集装箱码头中自动化单、双小车岸桥，水平运输AGV、集卡和堆场装卸设备的作业流程，考虑资源设备类型、工作约束、设备冲突以及作业环境不确定因素等条件，对自动化集装箱码头整体作业流程进行数学建模，设计群启发算法对调度优化模型进行求解。实现了集装箱码头多资源设备之间的高效协同和调度优化，提升了码头运营效率、降低了成本，同时也增强了码头的应对突发事件的能力。 2、基于DQN的自动化集装箱码头AGV多目标调度优化方法 本技术针对自动化集装箱码头AGV调度问题,以最大化AGV利用率和最小化能源消耗为目标,创新性地提出了一种基于深度强化学习DQN算法的可变调度策略优化方法。首先建立了AGV多目标调度优化的数学模型,提炼了17个状态特征并定义了奖励函数。然后设计了7种不同的调度策略作为DQN算法的可变动作空间,使用DQN算法根据环境状态动态选择最优调度策略。同时基于A-Star算法设计了考虑路径冲突解决的AGV路径规划算法。通过仿真实验,与传统的遗传算法和Q-learning算法相比,该方法所得的AGV调度方案可使AGV的利用率分别提高14.76%和19.92%,能源消耗则分别降低16.88%和10.77%。与固定调度策略相比,该可变策略方法的平均AGV利用率提升12.39%,平均能耗降低7.58%。结果验证了所提出可变调度策略方法的有效性和优越性。该研究为自动化集装箱码头AGV调度提供了一种创新的利用深度强化学习技术实现多目标优化的解决方案,具有重要的理论意义和应用价值。