一种矿山智能化管理方法和系统与流程

本发明涉及智慧矿山，具体为一种矿山智能化管理方法和系统。

背景技术：

1、矿山作为自然资源(金属矿、煤矿和石油矿等)的开采地点，通常包含地下和地表两种场景。其中，以地表矿山开采为例，即露天矿山开采过程中由于复杂的开采环境和艰巨的开采难度对矿山企业造成了巨大的人力和物力消耗，因此采取一种有效的露天矿山智能化管理方法有助于矿山企业更好的对矿山进行开采，减少消耗。

2、矿山智能化管理是指通过利用先进的信息技术和智能化设备来提高露天矿山生产效率、降低成本和改善安全环境等管理方式。矿山智能化管理包括多个方面，如开采管理、运输管理、安全管理和环境管理等；其中，运输管理在众多管理项目中一个非常重要的环节，一个有效的运输管理方法可以减少运输过程中的浪费。通过合理规划路线、优化车辆利用率以及有效控制运输过程中的损耗和停工时间，可以降低运营成本。

3、随着研究的深入，许多学者在针对露天矿山运输的调度任务上提出了很多有效的优化方法。如2007年，学者姚在兴因遗传算法的自适应性和并行性，求解大规模的露天矿卡车调度问题所具有的优势来分别求解成本最小和矿山企业资源调度问题；2009年，学者鞠军将遗传算法与神经网络算法相结合，在它们优势互补的条件下，提出一种新的集成求解方法，利用遗传算法很强的全局搜索能力来弥补神经网络易陷入局部最优的优化方法，使得成本最小的卡车调度问题得到很好的解决；2010年，学者王华提出一种基于贪心算法和线性规划建模相结合的解决卡车调度问题的方法，使得卡车调度的成本最小；2015年，学者马琳使用遗传算法与模拟退火算法相结合高效、快速的解决车流规划问题。

4、目前，在众多露天矿山运输调度任务解决方法仍存在一些缺陷，如现有技术申请号为cn202010364155.9的中国专利公开了一种基于露天无人矿山的卡车调度方法，该方法通过三步生成最优调度方法，分别为：第一步：周期性计算每个装载点到每个卸载点的最优路径；第二步：计算每条最优路径上的每种矿卡的最佳流量；第三步：根据车型，结合计算出的最佳流量和实时流量，对矿卡进行实时调度；此外，在现有技术申请号为cn202110769831.5的中国专利公开了基于数字孪生预测的露天矿无人驾驶卡车调度系统及方法，该专利通过计算分析整个系统中的矿卡实时上报的数据、电铲实时数据、卸载区域实时数据、道路路网gis数据，计算出每个调度任务的路径和调度目标，再根据当前各辆车的实时数据预测出每个调度任务因新加的调度任务所受到的影响，从而判断出当前计算出的调度任务是否是最佳调度方案，并在合适的时间把根据调度方案生成的调度路径数据下发给无人矿卡和电铲。无人矿卡根据收到的调度路径，按照调度路径数据中的设定速度受控行驶，并实时上报行车位置信息数据给智能调度平台。以上提及的现有技术仍存在一些缺陷，无法做到最优化调度策略生成，如在实际露天矿山开采过程中各设备规模的不一致性、装载点和卸载点等因素都未进行考虑，脱离了现实场景下的运输条件。

5、为解决上述现有技术存在的缺陷，本发明提出一种矿山智能化管理方法和系统。

技术实现思路

1、本发明为了解决现有中对于无人矿卡调度的方法存在的缺陷，本发明提出了一种露天矿山智能管理方法和系统。本发明主要技术思路主要为：通过对露天矿山进行等量、等距的网格划分法，将露天矿山分为多个工作区，并通过收集数据建立露天矿山运输数字孪生模型，以观测无人矿卡运输过程中调度过程。为了优化运输过程中对无人矿卡的调度性能，本发明从以下三个方面进行研究；首先，在装载过程中每个工作面的开采难度以及开采设备并不一致，因此对于无人矿卡的调度存在一定的影响，因此，提出一种装载成本解析函数结合实际开采情况进行成本影响分析；其次，在无人矿卡的运输过程中，运输的路线的选择影响整个调度进程，因此，提出一种运输成本解析函数，对于每个运载路线进行成本分析；最后，卸载区是整个运输流程的目的点，在卸载过程中由于无人矿卡的排队卸载也存在对调度的影响；通过以上三个解析函数可以对无人矿卡不同的调度方式进行成本计算，但这远远满足不了在实际露天矿山开采过程中对无人矿卡的调度；为了真正符合实际需求，本发明还提供了一种调度优化方法，该方法通过将不同的网格进行合并使得运输场景不断变得复杂化，进行逐步优化，并且优化方法通过设定三条约束条件以动态计算不同运输路线上的成本，并可根据获取数据的变化实时生成最佳调度策略。

2、一种矿山智能化管理方法，包括：

3、通过网格法将所述露天矿山划分n个网格；其中，n为大于或等于1的自然数；

4、进一步地，获取所述网格内全部的相关数据；其中，所述相关数据包括：装载区数据、工作面数据、地形数据、电铲数据、无人矿卡数据和卸载区数据；所述装载区数据包括：装载区位置和装载速率；所述工作面数据包括：工作面数量和工作面开采难度；所述地形数据包括：地形路线；所述电铲数据包括：电铲数量、电铲规模和电铲功率；所述无人矿卡数据包括：无人矿卡位置、无人矿卡规模、无人矿卡行驶速度、无人矿卡装载容量和无人矿卡装载状态；所述卸载区数据包括：卸载区位置和卸载容量。

5、进一步地，根据所述相关数据建立露天矿山运输数字孪生模型，由所述露天矿山运输数字孪生模型反映实际露天矿山的运输情况；

6、进一步地，根据所述露天矿山运输数字孪生模型计算无人矿卡调度成本；其中，所述无人矿卡调度成本的计算公式为：

7、ucsci＝α1*lca(xi)+α2*tca(xi)+α3*ucl(xi)；

8、其中，uscsi表示为网格i的无人矿卡调度成本；lca()表示为装载成本解析函数；tca()表示为运输成本解析函数；ucl()表示为卸载成本解析函数；α1表示为装载区系数；α2表示为运输区系数；α3表示为卸载区系数；xi表示为网格i的相关数据；

9、其中，所述装载成本解析函数的构造过程包括：

10、获取所述网格内工作面的开采难度，构建开采难度集合mdsi＝{γm1≤m≤m}；其中，mdsi表示为网格i的开采难度集合；γm表示为网格i内第m个工作面开采难度系数；m表示为网格i内工作面总数；

11、进一步地，计算所述工作面的开采量；其中，所述开采量的计算公式为：

12、

13、其中，mvi表示为网格i的开采量；ssk表示为第m个工作面第k个电铲规模；sspk表示为第m个工作面第k电铲设定功率；β1表示为电铲规模的开采量影响系数；β2表示为电铲设定功率的开采量影响系数；k表示为第m个工作面的电铲数量；

14、获取网格i内矿卡装载状态其中，mclsi表示为矿卡装载状态；1表示为重载；0表示为空载；-1表示为装载；-2表示为卸载；

15、进一步地，根据所述开采量计算装载成本；其中，所述装载成本的计算公式为：

16、

17、其中，lti表示为网格i的装载成本；δmv表示为已装载量；lr表示为装载速率；表示为无人矿卡等待时间函数；umcs表示为无人矿卡规模；umclc表示为无人矿卡容量；

18、进一步地，计算所述露天矿山的无人矿卡调度平均成本；其中，所述无人矿卡调度平均成本的计算公式为：其中，ucsct表示为所述无人矿卡调度平均成本；

19、其中，所述运输成本解析函数构造过程包括：

20、根据所述网格的装载区和卸载区，构建无人矿卡调度网络图；其中，所述装载区作为所述无人矿卡调度网络图的源点；所述卸载区作为所述无人矿卡调度网络图的目的点；其中，所述无人矿卡调度网络图包含多个目的点；

21、进一步地，记录所述装载区的装载量，并获取所述网格内所有无人矿卡的位置信息；

22、根据所述位置信息生成所述无人矿卡的每条可达目的地路线；进一步地，计算所述可达目的地路线的可达路线成本；其中，所述可达路线成本的计算公式为：

23、tca(xi)＝arci＝cmtsc(sprci,dprci)；

24、其中，arci表示为网格i的所述无人矿卡调度网络图的可达路线成本；cmtsc()表示为网格i的当前开采运输调度成本函数；sprci表示为网格i中空载无人矿卡达到源点的成本；dprci表示网格i中重载无人矿卡达到多个目的点的成本；

25、所述sprci的计算公式为：

26、sprci＝min(at(eumvp,s))；

27、其中，at表示为到达时间成本函数；eumvp表示为空载无人矿卡位置；s表示为源点位置；

28、所述到达时间成本函数的公式为：

29、

30、其中，mhd()表示为曼哈顿距离函数；umcpj表示为空载无人矿卡j的位置；lap表示为所述装载区的位置；umcsj表示为空载无人矿卡j的行驶速度；δt表示为时间修正常数；

31、所述dprci的计算公式为：

32、dprci＝min({at(rumvp,dp)p＝1,2,...,p})；

33、其中，rumvp表示为重装载无人矿卡位置；dp表示为第p个目的点位置；p表示为目的点数目；

34、其中，所述卸载成本解析函数构造过程包括：

35、进一步地，获取各个卸载区排队卸载的重载无人矿卡信息；

36、根据所述重载矿卡信息，计算卸载成本；其中，所述卸载成本的计算公式为：

37、

38、其中，upp表示为卸载区p的卸载成本；lcc表示为卸载区p中重载无人矿卡c的装载容量；urc表示为重载无人矿卡c的卸载速率；vsc表示为重载无人矿卡c的规模；η1表示为重载无人矿卡的卸载时间影响成本系数；η2表示为重载无人矿卡的车辆规模影响成本系数。

39、进一步地，优化所述无人矿卡调度平均成本，得到最小化无人矿卡调度平均成本策略；

40、优化所述无人矿卡调度平均成本的具体过程包括：

41、合并网格gi和网格gi+1，得到新网格gnew；

42、进一步地，根据所述gnew的所述装载区数据、地形数据和卸载区数据生成无人矿卡调度网络图；

43、进一步地，初始化所述无人矿卡调度网络，得到无人矿卡可行性路线；其中，所述无人矿卡可行性路线指所述gnew中任一无人矿卡可由装载点到卸载点的路线；

44、进一步地，采用所述无人矿调度成本的公式计算每条所述无人矿卡可行路线的成本，得到可行路线成本集合其中，表示为所述gnew的可行性路线成本集合；pcs表示为路线s成本；s表示为具有可行路线集合；

45、分别获取每个装载点的开采量和当前已装载量，每个卸载点的最大卸载量和当前已卸载量；

46、进一步地，设定运输调度约束条件；其中，所述运输调度约束条件包括：装载条件约束、运输条件约束和卸载条件约束；

47、所述装载条件约束的公式为：0≤umclc≤lpmo-lpcp；其中，umclc表示为无人矿卡的装载量；lpmo表示为装载点的开采量；lpcp表示为装载点当前已装载量；

48、所述运输条件约束的公式为：minctt≤ctt≤maxctt；其中，minctt表示为完成所有运输的最小时长；ctt表示为完成所有运输的时长；maxctt表示为完成所有运输的最大时长；

49、所述卸载条件约束的公式为：0≤uv≤maxlv-clv；其中，uv表示为重载矿卡卸载量；maxlv表示为卸载点最大卸载量；clv表示为当前已卸载量；

50、根据所述运输调度约束条件，优化所述无人可行性路线，得到最小可行路线成本集合

51、

52、进一步地，重复合并所述网格，直到所述网格合并结束，得到所述最小化无人矿卡调度平均成本策略。

53、一种矿山智能化管理系统，所述系统包括：露天矿山管理模块；信息收集模块、信息接收模块、数字孪生模块、调度模块、调度调优模块和数字显示模块；

54、其中，所述露天矿山管理模块，用于将所述露天矿山划分为n个网格，进行分区管理；

55、所述信息收集模块，用于收集露天矿山数据、地形数据和设备数据；

56、其中，所述信息收集模块包括：获取所述露天矿山的相关数据；其中，所述相关数据包括：装载区数据、工作面数据、地形数据、电铲数据、无人矿卡数据和卸载区数据。

57、所述信息接收模块，用于接收所述信息收集模块采集的信息；

58、所述数字孪生模块，根据所述信息接收模块的信息采用软件生成露天矿山作业数字孪生模型；

59、所述调度生成模块，用于对无人矿卡进行实时调度；

60、所述调度模块包括：装载成本计算单元、运输成本计算单元和卸载成本计算单元；

61、所述装载成本计算单元包括：

62、获取所述网格内工作面的开采难度，构建开采难度集合mdsi＝{γm1≤m≤m}；其中，mdsi表示为网格i的开采难度集合；γm表示为网格i内第m个工作面开采难度系数；m表示为网格i内工作面总数；

63、计算所述工作面的开采量；其中，所述开采量的计算公式为：

64、

65、其中，mvi表示为网格i的开采量；ssk表示为第m个工作面第k个电铲规模；sspk表示为第m个工作面第k电铲设定功率；β1表示为电铲规模的开采量影响系数；β2表示为电铲设定功率的开采量影响系数；k表示为第m个工作面的电铲数量；

66、获取网格i内矿卡装载状态其中，mclsi表示为矿卡装载状态；1表示为重载；0表示为空载；-1表示为装载；-2表示为卸载；

67、根据所述开采量计算装载成本；其中，所述装载成本的计算公式为：

68、

69、其中，lti表示为网格i的装载成本；δmv表示为已装载量；lr表示为装载速率；表示为无人矿卡等待时间函数；umcs表示为无人矿卡规模；umclc表示为无人矿卡容量；

70、所述运输成本计算包括：

71、根据所述网格的装载区和卸载区，构建无人矿卡调度网络图；其中，所述装载区作为所述无人矿卡调度网络图的源点；所述卸载区作为所述无人矿卡调度网络图的目的点；其中，所述无人矿卡调度网络图包含多个目的点；

72、记录所述装载区的装载量，并获取所述网格内所有无人矿卡的位置信息；

73、根据所述位置信息生成所述无人矿卡的每条可达目的地路线；计算所述可达目的地路线的可达路线成本；其中，所述可达路线成本的计算公式为：

74、arci＝cmtsc(sprci,dprci)；

75、其中，arci表示为网格i的所述无人矿卡调度网络图的可达路线成本；cmtsc()表示为网格i的当前开采运输调度成本函数；sprci表示为网格i中空载无人矿卡达到源点的成本；dprci表示网格i中重载无人矿卡达到多个目的点的成本；

76、所述sprci的计算公式为：

77、sprci＝min(at(eumvp,s))；

78、其中，at表示为到达时间成本函数；eumvp表示为空载无人矿卡位置；s表示为源点位置；

79、所述到达时间成本函数的公式为：

80、

81、其中，mhd()表示为曼哈顿距离函数；umcpj表示为空载无人矿卡j的位置；lap表示为所述装载区的位置；umcsj表示为空载无人矿卡j的行驶速度；δt表示为时间修正常数；

82、所述dprci的计算公式为：

83、dprci＝min({at(rumvp,dp)p＝1,2,...,p})；

84、其中，rumvp表示为重装载无人矿卡位置；dp表示为第p个目的点位置；p表示为目的点数目；

85、所述卸载成本计算单元包括：

86、获取各个卸载区排队卸载的重载无人矿卡信息；

87、根据所述重载矿卡信息，计算卸载成本；其中，所述卸载成本的计算公式为：

88、

89、其中，upp表示为卸载区p的卸载成本；lcc表示为卸载区p中重载无人矿卡c的装载容量；urc表示为重载无人矿卡c的卸载速率；vsc表示为重载无人矿卡c的规模；η1表示为重载无人矿卡的卸载时间影响成本系数；η2表示为重载无人矿卡的车辆规模影响成本系数。

90、所述调度调优模块，用于对所述调度模块进行运输调优；所述调优模块包括：合并网格gi和网格gi+1，得到新网格gnew；

91、初始化所述无人矿卡调度网络，得到无人矿卡可行性路线；其中，所述无人矿卡可行性路线指所述gnew中任一无人矿卡可由装载点到卸载点的路线；

92、采用所述无人矿调度成本的公式计算每条所述无人矿卡可行路线的成本，得到可行路线成本集合其中，表示为所述gnew的可行性路线成本集合；pcs表示为路线s成本；s表示为具有可行路线集合；

93、分别获取每个装载点的开采量和当前已装载量，每个卸载点的最大卸载量和当前已卸载量；

94、设定运输调度约束条件；其中，所述运输调度约束条件包括：装载条件约束、运输条件约束和卸载条件约束；

95、所述装载条件约束的公式为：0≤umclc≤lpmo-lpcp；其中，umclc表示为无人矿卡的装载量；lpmo表示为装载点的开采量；lpcp表示为装载点当前已装载量；

96、所述运输条件约束的公式为：minctt≤ctt≤maxctt；其中，minctt表示为完成所有运输的最小时长；ctt表示为完成所有运输的时长；maxctt表示为完成所有运输的最大时长；

97、所述卸载条件约束的公式为：0≤uv≤maxlv-clv；其中，uv表示为重载矿卡卸载量；maxlv表示为卸载点最大卸载量；clv表示为当前已卸载量；

98、根据所述运输调度约束条件，优化所述无人可行性路线，得到最小可行路线成本集合

99、

100、重复合并所述网格，直到所述网格合并结束，得到所述最小化无人矿卡调度平均成本策略。

101、所述数字显示模块，用于显示所述露天矿山作业数字孪生模型的运作情况。

102、与现有技术相比，本发明的有益效果为：

103、1、本发明提出一种无人矿卡调度成本计算方法对露天矿山运输任务中无人矿卡的调度成本进行精确计算；该计算方法由三个解析函数组成，分别为：装载成本解析函数、运输成本解析函数和卸载成本解析函数，通过不同区域成本计算方法结合不同权重实现了整个运输流程全方位计算，为无人矿卡调度优化提供了精准的数据支撑，可实现最小化调度成本策略的生成。

104、2、本发明提出一种装载成本解析函数，该解析函数根据工作面的工作难度、开采设备规模以及设备效率进行综合计算，能够得到准确的装载区的成本消耗；此外，在整个运输调度的过程中，不仅仅只计算运输过程中成本，装载区的实际成本也是影响整个调度的因素之一，因此对装载区的准确计算也有利于后期的无人矿卡的调度。

105、3、本发明提出一种运输成本解析函数，该解析函数对无人矿卡在运输过程的成本进行计算，以达到对各条运输路线的准确了解；在所述运输成本解析函数中通过建立装载区到每个卸载区的无人矿卡调度网络图，对图上的每条路线的成本进行计算；其中，在成本计算过程中并不采用最短路径计算方法，而是结合当前无人矿卡的实际情况进行成本计算，以达到实际运输过程中成本消耗情况，这样的方法为后期的调度优化为路线的选择提供准确的计算方法。

106、4、在本发明中将卸载区的成本消耗也作为无人矿卡调度的影响因素之一；为此，本发明提出一种卸载成本解析函数，该解析函数将卸载的无人矿卡的排队消耗作为成本计算方法，对于不同规模的无人矿卡的消耗成本是不一样的，因此只有准确地了解每个卸载区的卸载情况才能为后续无人矿卡任务提出有效的运输指令，有利于整个调度策略的生成。

107、5、本发明提出一种调度优化方法，该方法将划分的网格进行逐步的合并，使得运输场景逐渐复杂化；这样不仅更加符合实际场景下的运输任务，也避免了调度策略的生成陷入局部最优解；此外对调度优化，该方法提出三条约束条件进行调优，分别为：无人矿卡在装载时不能空载或过长等待、运输路线保持最优运输成本和卸载区的卸载量不能产生冗余，通过这三个约束很好限制了三个区域出现成本过于消耗问题，由此生成了最小化成本调度策略。