【技术实现步骤摘要】
本专利技术涉及车辆路径规划，具体涉及一种基于多策略融合黏菌算法的露天矿电动卡车路径规划方法。
技术介绍
1、露天矿卡车在生产中的主要任务是往返于装载点和卸载点之间进行矿石运输，且运输成本一般不低于生产总成本的40％。随着露天矿开采深度的加深，卡车运输距离不断增大，随之带来运费的大幅上升，并且由于露天矿道路环境复杂，地形起伏，这也给卡车路径的合理化安排带来一定困难。因此，在露天矿的运输生产过程中，如何合理的规划出一条最经济高效的运输路线是实现卡车调度的基础和前提，也是降低矿山生产成本的重要方式。
2、纯电动卡车在露天矿山生产运输中的应用也越发广泛，进而产生了露天矿纯电动卡车最优路径规划问题。在解决这类问题时,除了要综合考虑车辆容量、道路质量、道路坡度、车速等因素的影响之外,还要考虑电池容量、充电方式、充电站位置、充电距离及充电时间等一些电动矿卡特有的且不可忽视的因素。这使之与传统燃油卡车的最优路径规划方法相比有很大不同，增加了问题的复杂性。
3、从目前国内外研究来看，关于露天矿卡车的路径优化研究还是主要集中在传统的燃油卡车上，而针对露天矿电动卡车路径优化的研究寥寥无几。考虑能耗动态变化的露天矿卡车路径优化、基于改进遗传算法的露天矿卡车路径规划算法等现有研究所设计的路径规划模型和求解算法已经不能满足实际露天矿电动卡车的生产运输需要。因此为了解决此问题，有必要研究一种针对露天矿电动卡车的路径规划方法。
技术实现思路
1、为了克服以上现有技术存在的缺陷，本专利技术的
2、为了实现上述目的，本专利技术采用的技术方案是：
3、一种基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，包括以下步骤；
4、步骤一：xijk是0-1变量，表示卡车k是否经过路段(i,j)；ykp是0-1变量，表示卡车k是否在充电桩p处充电；以xijk和ypk为决策变量，建立以最小成本为目标的目标函数模型；
5、步骤二：在建立目标函数模型时同时考虑路径节点约束，卡车电量约束和卡车负载约束，最终得到以运输成本、卡车充电成本和电池损耗成本最小化为目标的露天矿纯电动卡车最优路径规划模型；
6、步骤三：采用所述的多策略融合黏菌算法对最优路径规划模型进行求解。
7、所述步骤二中：构建以总成本最小化为目标的露天矿纯电动卡车最优路径规划模型如下所示：
8、minc＝ctravel+ccharge+closs；
9、露天矿卡车在实际运输过程中要考虑多方面因素的限制，约束条件包括节点约束、卡车负载约束和卡车电量约束三部分；
10、
11、
12、
13、
14、
15、
16、
17、
18、
19、
20、fr＝fmg cosα f为滚动阻力系数 (11)
21、
22、fi＝mg sinα (13)
23、
24、约束(1)表示卡车必须从一个装载点出发并返回该装载点；
25、约束(2)表示卡车到达卸载点的次数与出车次数相同；
26、约束(3)表示卡车不能从一个卸载点直接到另外一个卸载点；
27、约束(4)表示从每个节点进入的卡车数量与离开的卡车数量相同；
28、约束(5)表示卡车运载矿石重量不超过最大载重量且为非负；
29、等式(6)为计算卡车在到达节点i时的载货量；
30、等式(7)表示卡车在各节点的载重需求量；等式(8)保证卡车在充电桩充电完成后电量为电池最大电量；
31、约束(9)保证卡车在每个节点的剩余电量不小于0.3q且不大于q；
32、等式(10)计算卡车在节点j时的剩余电量，当在下坡行驶且坡度大于规定坡度时考虑纯电动矿卡的能量回收；
33、等式(11)-(13)分别计算卡车在行驶过程中的所受滚动阻力、空气阻力和坡度阻力；等式(14)表示卡车到达充电桩后所需的充电时间。
34、所述卡车的运输成本ctravel具体为：
35、卡车运输成本包括两个部分；第一个部分是卡车在重载时的运输成本，第二个部分是卡车在空载时的运输成本；
36、
37、式中所用参数符号以下定义：v1表示不包括卸载点的节点集合，v2表示不包括装在点的节点集合，k表示卡车集合，xijk为节点i到节点j的决策变量，ω0和ω0’分别表示单位距离车辆重载和空载运输时的成本，dij为节点i到节点j的距离。
38、所述卡车充电成本ccharge具体为：
39、卡车充电成本包括两个部分；第一部分是卡车充电时的等待成本，第二个部分是卡车在充电时所花费的电费；
40、ccharge＝c1+c2
41、
42、
43、式中所用参数符号以下定义：p表示充电桩集合，k表示卡车集合，ypk表示卡车k在充电桩p充电的决策变量，ω2为卡车充电时单位时间的等待成本，ω1为单位电价,δt为卡车的充电时间，q为电池总电量，qpk为在充电桩时卡车的剩余电量。
44、所述卡车电池损耗成本closs具体为：
45、
46、式中所用参数符号以下定义：p表示充电桩集合，k表示卡车集合，ypk为卡车k在充电桩p充电的决策变量，bnew和bused分别表示新电池和退役电池的价格，crr表示电池容量保持率，q为电池总电量，soc表示剩余电量占电池容量百分比，msocik表示充电上限与当前soc之差，δsocik表示电池使用区间最大值与最小值之差。
47、所述步骤三中，黏菌算法具体为：
48、步骤1：logistic混沌映射初始化种群策略：
49、为使得黏菌算法能应用于所建立的露天矿电动卡车路径优化模型，首先需要建立决策变量与算法种群个体之间的关系，通过决策变量xijk和ypk使用模拟二进制编码来表示种群中的黏菌个体x；接下来应用基于logistic混沌映射的种群初始化方法，能实现比其他混沌映射更好的均匀遍历性，在许多群智能优化算法中已经得到应用；logistic映射表达式如下所示：
50、xk+1＝μxk(1-xk)
51、其中式中，μ为控制参数，取值μ∈(0,4]；k为迭代次数；将logistic映射产生的变量值映射到黏菌个体上，实现黏菌种群的初始化，公式如下所示：
52、x＝xlb+(xlb-xub)xk+1
53、其中xlb、xub为每本文档来自技高网...
【技术保护点】
1.基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述步骤二中：构建以总成本最小化为目标的露天矿纯电动卡车最优路径规划模型如下所示：
3.根据权利要求2所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述卡车的运输成本Ctravel具体为：
4.根据权利要求2所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述卡车充电成本Ccharge具体为：
5.根据权利要求2所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述卡车电池损耗成本Closs具体为：
6.根据权利要求1所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述步骤三中，黏菌算法具体为：
7.根据权利要求1所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述步骤三中基于多策略融合黏菌算法的露天矿纯电动卡车最优路径规划模型求解
...【技术特征摘要】
1.基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述步骤二中：构建以总成本最小化为目标的露天矿纯电动卡车最优路径规划模型如下所示：
3.根据权利要求2所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特征在于，所述卡车的运输成本ctravel具体为：
4.根据权利要求2所述的基于多策略融合黏菌算法的露天矿电动卡车路径规划方法，其特...
【专利技术属性】
技术研发人员：李学现，顾清华，白家铭，刘迪，陈露，骆家乐，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。