集装箱起重机工作模型优化和多目标路径的实现

2018-08-09谢京强

中国设备工程 2018年14期

谢京强

（上海振华重工（集团）股份有限公司，上海 200125）

集装箱的装载运输量的不断加大，给码头的工作带来了很大的压力，因此，为了实现高效率工作，码头在集装箱装卸工作中增加了大量的工作人员，还增加了一定的装卸设备，但是这样的方式也大大的增加了码头的运营成本。为了能够更好的保证集装箱装卸运输事业的效益，解放劳动力，自动化生产的实现变得十分迫切。实现自动化，不仅能够有效的解放劳动力，降低运营成本，还可以有效的保证人员的生产安全，提升港口码头的综合竞争力。

1 集装箱起重机装卸工作模型

在当前的集装箱起重机装卸工作中，人是其中最主要也是最直接的劳动力，现场的装卸环境十分恶劣，给操作人员的人身安全带来了很大的威胁。除此之外，起重机在集装箱装卸工作单调而重复，因此，长时间的操作会使人的疲劳感增加，工作效率下降，甚至有可能会发生危险。因此，希望可以实现集装箱起重机的自动化操作，这样既可以有效的解放人力，提高工作效率，还能够有效的保证工作的安全性。机械路径问题的优化，是实现起重机自动控制的重要环节，也是整个优化工作中最具挑战的环节。

在集装箱的装卸操作中应用最优路径规划，在目前的相关研究中是很少提到的，相关工作的开展大多是以经验为基础而展开的，对于相关行业的理论知识和专业技术的关注度和重视程度不够，实际工作中，港口的环境十分复杂，并且不同的港口之间环境也有一定的差异，对于不同的港口单位来说，起重机不同，各起重机的性能也有较大的差异，此外，对于不同的工作场所而言，集装箱的位置、机械来回操作路径之间都有着一定的差异。这些因素都是可能导致危险发生的隐患。因此，实现集装箱起重机自动化工作，对现有的传统方式进行优化，解决当前问题是直接有效的方式。现有的集装箱装卸操作方式包括“门框式”装卸操作、经验操作和日本安川桥吊集装箱装卸操作三种。

2 系统模型优化与改进

在当前世界各地集装箱运输事业的发展给码头工作带来了极大的压力的环境下，为了更好的保证集装箱装载和运输的效率，推动自动化码头的普及和广泛应用，使世界各地的集装箱装卸和运输事业能够均衡发展，满足码头运输的需求，自动化码头的普及和升级工作正在积极进行，这样就可以有效的减少操作人员数量，降低运营成本，同时还可以有效的提高工作效率，提升港口码头的综合竞争力和工作能力。

对现有集装箱起重机装卸系统的优化有以下两个发展方向。

2.1 集装箱自动化码头

集装箱自动化码头，指的是在集装箱装卸工作中实现自动化，应用自动化设备和相应的管控系统，实现集装箱装卸的自动化，以自动化设备逐渐代替人工的搬运和装卸工作，从而有效的实现解放生产劳动力、降低人员成本和运营成本、提高工作效率的目的。在世界上，集装箱自动化码头已经在多个国家投入使用。

2.2 高效智能型立体装卸集装箱码头

目前，高效智能型立体装卸集装箱码头的研发和使用是为了彻底的摆脱传统集装箱起重机装卸的方式，实现码头集装箱装卸自动化的同时，努力提高系统运行的高效化和智能化，推动集装箱装卸事业的发展。高效智能型立体装卸集装箱码头改变了传统装卸方式中采用内燃机提供驱动力的运输方式，实现了集装箱自动化轨道电驱动，这大大的解放了人力。下图1所示为高效智能型立体装卸集装箱码头平面图。

图1 高效智能型立体装卸集装箱码头平面图

3 装卸操作路径规划多目标问题研究

在集装箱的装卸工作中，安全距离一直都是一个不容忽视的问题，为了提高工作的安全性，避免事故的发生，“门框式”的集装箱装卸方式在实际工作中被认可。因此，本文在对多目标问题进行研究和分析时，为了人员操作安全的考虑和实际操作的便利性，也会对安全距离问题予以充分的关注。

最优化的设计，指的就是在切实可行的前提下，在设计空间中查找目标函数最优解的问题。在集装箱装卸运输工作中，存在着多个需要考虑的因素，因此将装卸操作路径的优化问题作为多问题解决考虑。

自上世纪60年代开始，集装箱装卸工作中的多目标优化问题受到了广泛的关注，和单目标优化不同的是，多目标的优化大多是找到一个折中解，也就是说，在需要考虑的所有目标函数中，搜索对于所有函数而言最优的一个解，这个解可以解决所有目标函数问题，并且不存在优于这个解的其他解。

传统的多目标优化的方法，是建立在权重的基础上的，在开始尝试进行多目标优化时，以权重为基础建立起来的多目标优化方法得到了广泛的应用，这一方法的主要优点在于可以将多目标优化问题转化成单目标优化问题，也就是将复杂的问题简单化，这样更方便我们的求解。

进化算法是一种模拟自然进化过程的随机优化方法。自上世纪50年代开始，这一算法开始被研究，在80年代形成成熟的算法。进化算法在后来的发展中形成了三个主要的分支：遗传算法、进化策略和进化规程。这些分支在算法上存在着一定的细微差别，但其发展的根源则都是来源于生物演化过程的思想和原理。进化算法在多目标问题优化中有着十分明显的优势。

VEGA算法也可以说是目标分解算法，它是对我们现有的目标进行分解，从而得到各个小的分目标，再对这些小的分目标分别赋予一个函数，这些新的目标函数在其对应的群体中求得最优解，从而组成一个新的多目标群体，然后再对这一多目标群体进行最优解的探究，最后经过多轮的分解和综合求解的过程，算出这个问题的非支配解。这一方法对目标函数的要求不是十分的严格，可以处理如不连续、多维的、高度非线性的多目标问题，这一算法的提出，也引起了广泛的研究和应用。

多目标优化问题的难点在于，众多目标之间可能存在一定的冲突，因此，想要寻求多目标的最优解也就有了一定的难度，在多目标问题的研究中，对于某一问题的最优解，在其他问题上却不一定是最优的，甚至还可能会是最差的解。可以说，在对多目标进行研究分析时，最优解的寻找并不能通过对各个单目标的解进行简单的对比分析而得到。在多目标问题中，一个解的得出或者说存在，并不能保证所有的问题都处于最优状态，想要寻求多目标的最优解，只能说是找到一个折中解，在所有的多目标问题共同作用时取到最大的好处和优势。