[发明专利]基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法

说明书

一种基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法，综合卡车在调度运输过程中的各项成本，以装载点的最大产量、卸载点的最大承载量、卡车装卸时间及品位要求、充电要求等为约束条件，制定一个可行的方案使参与工作的各设备在规定时间内完成计划任务，同时可使综合费用、卡车总等待时间、卡车耗电费用及卸载点品位偏差率达到最低，并引入神经网络的代理辅助模型进行预测。神经网络代理模型可有效训练数据集和指导种群优化过程。在线数据驱动的方法也可使历史最优数据集模型向更精确的搜索方向递进，使优化过程更加可靠，同时加快计算速度。通过实验验证，本方法可以有效的提高露天矿的工作效率。

技术领域

本发明属于矿业系统工程及矿山优化技术领域，特别涉及一种基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法。

背景技术

近年来，随着物联网，5G通信，大数据和人工智能技术的成熟，基于无人驾驶卡车的露天矿智能调度系统已成为矿山智能化建设的趋势。矿车作为露天矿的主要运输工具，相比于传统露天矿开采模式存在的诸多问题，如司机的安全问题、整个矿山对司机的管理等，使用无人驾驶卡车技术，一方面可以节约生产成本，另一方面也有助于提升露天开采效益。矿车的运输费用约占矿山运营成本的30％-40％，因此减少矿山企业生产成本，提高效益最行之有效的方法就是优化卡车调度，其本质是合理分配车辆和运输路线。如何在现有约束条件下实现低本高效生产，实现新型露天矿无人驾驶卡车的车流分配调度，是每个矿山企业亟需解决的关键问题。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法，将神经网络代理辅助模型并引入到进化算法中，通过历史数据的训练和模型管理策略，不断修正神经网络的网络权值和阈值使误差函数沿负梯度方向下降，从而逼近期望输出，指导种群优化。使模型的预测结果更加准确，同时加快计算速度，最终获得良好的露天矿无人卡车调度方案。

为了实现上述目的，本发明采用的技术方案是：

一种基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法，包括以下步骤：

步骤(1)，确定露天矿山调度生产实际要求和指标，至少包括露天矿山装卸载点数量、无人卡车数量、装卸载点间距离、各装载点的矿石含量、班次时长、卸载点卸矿总量、无人卡车重载花费、无人卡车空载花费、维修费用、运载速度、品位偏差率以及充电能力要求；

步骤(2)，以总运输成本最小、总等待时间最小、耗电费用最小及卸载点品位偏差率最小为目标，以装载点的出矿能力、卸载点的卸矿能力、装载点最大装车次数、卸载点卸矿总量、卸载点品位限制及无人卡车电量为约束，构建露天矿无人卡车多目标调度优化模型；

步骤(3)，使用至少包括历史运输成本、等待时间、耗电费用及品位偏差率的露天矿实际生产数据集训练神经网络，对每个个体，即全部卡车一个班次内的路线分配方案建立神经网络代理辅助模型，模型的预测值即为个体的适应度值；

步骤(4)，在模型管理策略中，采用基于逻辑回归的约束修正策略、随机排序策略和个体采样策略，以减少神经网络对适应度值的预测误差，得到改进后的神经网络代理辅助模型；

步骤(5)，在进化优化算法中，通过快速非支配排序和拥挤度距离估计的方法，选择适应度值较优的个体；通过交叉变异策略增加种群的多样性，并针对不可行个体采用惩罚函数进行惩罚；

步骤(6)，将改进后的神经网络代理辅助模型与进化优化算法结合，得到基于数据驱动的神经网络代理辅助进化算法；

步骤(7)，采用基于数据驱动的神经网络代理辅助进化算法对步骤(2)中建立的露天矿无人卡车多目标调度优化模型进行求解。