CN113898403A - 一种纯电动无轨胶轮车路径规划模型及方法 - Google Patents

Abstract

一种纯电动无轨胶轮车路径规划模型及方法，属于煤矿井下辅助运输和物流配送领域。包括问题基础信息的确定，优化模型的建立，最优路径的求解，以及最优方案的显示，用于实现满足矿井生产需求的纯电动无轨胶轮车路径规划问题。首先根据矿井的辅助运输线路等信息设置纯电动无轨胶轮车路径规划问题的基础信息，接着结合矿井特定环境及煤矿安全规程，建立纯电动无轨胶轮车路径规划模型，利用蚁群算法求解出模型的最优解，最后将得出的最优解进行显示，构成完整的纯电动无轨胶轮车最优路径规划方案，本发明将能量消耗问题考虑进纯电动无轨胶轮车的路径规划问题中，能量消耗受巷道条件和煤矿安全规程的影响而变化，更贴近实际情况。

Description

一种纯电动无轨胶轮车路径规划模型及方法

技术领域

本发明涉及煤矿井下辅助运输和物流配送领域，特别是一种纯电动无轨胶轮车路径规划模型及方法。

背景技术

在煤矿辅助运输中，无轨胶轮车已经被普遍使用。纯电动无轨胶轮车与柴油无轨胶轮车相比，具有无污染、低噪声等优点，已逐步替代柴油无轨胶轮车并将成为煤矿辅助运输的重要设备。纯电动无轨胶轮车在辅助运输时，需要根据纯电动无轨胶轮车自身参数、辅助运输工作安排和巷道内运输环境参数等因素进行路径规划，是煤矿辅助运输中的重要问题。

车辆路径规划模型通常可以分为所有信息已知且保持不变的静态模型，以及相关信息发生变化的动态模型两种。相比于静态模型，动态模型更符合实际的要求，但复杂程度也相对较高。代表方法如《金属矿山》2010年第2期“基于改进蚁群算法的地下矿车辆生产调度路径优化研究”一文提出的针对地下矿电机车使用包含时间窗的路径规划模型；《Operations Research Proceedings》2012年“Energy-Optimized Routing of ElectricVehicles in Urban Delivery Systems”一文提出的针对电动汽车使用包含负载容量、时间窗和充电容量的实际能耗模型；2013年麻省理工学院博士学位论文“Optimal Routesfor Electric Vehicles Facing Uncertainty,Congestion,and Energy Constraints”一文提出的针对电动汽车使用电动汽车能耗模型；《Transportation Research Part E》2013年第49期“Amethodology to evaluate the competitiveness of electric deliverytrucks”一文提出的针对电动货车使用包含路径约束、能量消耗约束、真实速度曲线和车辆购置成本的模型；《The international Federation of Automatic Control》2014年“Energy-aware Vehicle Routing in Networks with Charging Nodes”一文提出的针对电动汽车使用包含交通拥堵影响、非线性形式车辆能量动力学模型的路径规划模型；2014年北京交通大学硕士学位论文“基于行驶工况的纯电动汽车能耗建模及续驶里程估算研究”一文提出的针对电动汽车使用能够反应能耗随交通参数动态变化的电动汽车能量消耗模型；《European Journal of Operational Research》2015年第245期“Routing a mixedfleet of electric and conventional vehicles”一文提出的针对混合动力汽车使用包含速度、坡度、时间窗和货物负载分布的实际能耗模型；《Electronic Notes in DiscreteMathematics》2015年第47期“A Variable Neighborhood Search Branching for theElectric Vehicle Routing Problem with Time Windows”一文提出的针对电动汽车使用包含时间窗、货运能力和电量消耗的路径规划模型；2016年电子科技大学硕士学位论文“纯电动物流配送车运营调度模型设计与实现”一文提出的针对电动汽车使用考虑交通变化时间性因素的调度模型；2018年东华大学硕士学位论文“生鲜配送电动冷藏车路径规划研究”一文提出的针对电动冷藏车使用包含货物载重、时间窗和用电量的能耗模型；2019年北京科技大学博士学位论文“纯电动矿车能量管理及节能技术研究”一文提出的针对纯电动矿车使用包含电池寿命和再生制动的能耗模型；《Journal of cleaner Production》2019年第225期“Development of energy consumption optimization model for the electricvehicle routing problem with time windows”一文提出的针对电动汽车使用包含单位距离的能量或电功率的能耗模型；《European Journal of Operational Research》2019年第274期“The role of operational research in green freight transportation”一文提出的针对电动汽车使用包含速度、道路坡度和车辆纵向动力学的路径规划模型；《Transportation Research Part D》2019年第69期“Energy consumption estimationintegrated into the Electric Vehicle Routing Problem”一文提出的针对电动汽车使用包含地形和实际速度曲线的能耗评估模型；2020年北京交通大学硕士学位论文“基于电动汽车的多温区冷链物流配送路径优化问题研究”一文提出的针对电动汽车使用包含电能消耗和成本问题的路径规划模型；2020年长沙理工大学硕士学位论文“考虑城市信号交叉口的电动汽车路径规划及能耗影响研究”一文提出的针对电动汽车使用包含信号灯因素、再生制动能量消耗和驾驶风格因素的路径规划模型；中国发明专利“基于道路信息的纯电动汽车能耗最优路径规划方法”(公开号：CN111753377A)提出的基于道路信息的纯电动汽车能耗最优路径规划方法。这些方法都在一定程度上提高了电动车的路径规划质量，但是，他们所考虑的场景没有考虑矿井下纯电动无轨胶轮车的工作环境，没有针对纯电动无轨胶轮车的自身结构及矿井辅助运输章程，一些仅使用没有考虑可变因素的简化能量模型。

矿井下的纯电动无轨胶轮车在巷道中运行，工作环境恶劣，道路条件差且多变，同时受煤矿安全规程的制约，使得能量消耗的可变因素较多。在煤矿巷道内运行时，若为单向车道则需要考虑车辆运输的顺序等时间问题，所以对纯电动无轨胶轮车的路径规划进行研究具有十分重要的意义。

发明内容

发明目的：针对现有技术存在的问题，本发明提出一种纯电动无轨胶轮车路径规划模型及方法，为包含能耗约束、时间约束、载重约束、速度约束和坡度变化，优化在两目标之间的最短路径和最少使用车辆数的问题，所得结果更为准确、适用。

技术方案：为实现本发明的目的，本发明采用的技术方案是：一种纯电动无轨胶轮车路径规划模型及方法，包括以下步骤：

步骤1：根据矿井的辅助运输线路信息、工作任务信息和纯电动无轨胶轮车的车辆信息，设置纯电动无轨胶轮车路径规划的基础信息；

所述的基础信息包括：各运输点的位置坐标V_ts、各运输点的位置编号V、各运输点之间的距离dis、各运输点之间的滚动阻力系数f、各运输点之间的坡度a、各运输点之间的速度v、纯电动无轨胶轮车在各运输点的货物需求量d_em、纯电动无轨胶轮车在各运输点的工作时间p、纯电动无轨胶轮车的辅助子系统功率P_hyd、纯电动无轨胶轮车的车辆附件功率P_aux、纯电动无轨胶轮车的机械传动效率η_t、纯电动无轨胶轮车的驱动电机效率η_m、纯电动无轨胶轮车的液压泵效率η_{h_t}、纯电动无轨胶轮车的液压泵电机效率η_{h_m}、纯电动无轨胶轮车的整备质量m、纯电动无轨胶轮车的最大载重量C_ap、纯电动无轨胶轮车的可用数量K、纯电动无轨胶轮车的最大电量Q、纯电动无轨胶轮车运行时的空气阻力系数C_D、纯电动无轨胶轮车运行时的迎风面面积A、纯电动无轨胶轮车运行环境的空气密度ρ_air、纯电动无轨胶轮车旋转质量换算系数δ；

步骤2：以纯电动无轨胶轮车运输的路径最短、车辆使用数量最少为目标建立目标函数和相关约束条件；

步骤2中，所述的目标函数具体如下：

min M＝K (2)

式(1)表示第一个优化目标，即纯电动无轨胶轮车运输路径最短；式(2)表示第二个优化目标，即纯电动无轨胶轮车使用的数量最少。其中，dis_ij表示运输点i到运输点j之间的距离；

i,j＝0,1,2,...n,i≠j；k＝1,2,3,…,K表示如果纯电动无轨胶轮车k从运输点i到运输点j，则

否则

所述目标函数式(1)-式(2)的相关约束条件具体如式(3)-式(10)所示：

0≤v_ij≤v_max,i,j＝0,1,2,…,n,i≠j (8)

α_min≤α_ij≤α_max,i,j＝0,1,2,…,n,i≠j (9)

以上模型中，式(3)表示纯电动无轨胶轮车到达各运输点的时刻约束；式(4)表示纯电动无轨胶轮车的运行路段约束；式(5)表示纯电动无轨胶轮车到达运输点j后的剩余电量约束；式(6)-式(7)表示纯电动无轨胶轮车在各运输点各车的载重约束；式(8)表述纯电动无轨胶轮车在各运输线路上的速度约束；式(9)表示纯电动无轨胶轮车运输道路的坡度约束；式(10)表示纯电动无轨胶轮车访问的运输点约束。其中，tτ_j表示纯电动无轨胶轮车到达运输点j的时刻；tτ_i表示纯电动无轨胶轮车到达运输点i的时刻；tm_ij表示纯电动无轨胶轮车从运输点i到运输点j的运行时间；P_i表示纯电动无轨胶轮车在运输点i的工作时间；

表示车辆k₁从运输点i运行到运输点j的时间区间；

表示车辆k₂从运输点j运行到运输点i的时间区间；φ表示空集；R表示连接各个运输点边的集合；

表示第k辆纯电动无轨胶轮车到达运输点j后的剩余电量；

表示第k辆纯电动无轨胶轮车从运输点j返回地面货站所需的电能；

表示第k辆纯电动无轨胶轮车在运输点j的载重；W_i ^k表示第k辆纯电动无轨胶轮车在运输点i的载重；Dw_j表示纯电动无轨胶轮车在运输点j的卸载量；W_max表示纯电动无轨胶轮车的最大载重；v_max表示纯电动无轨胶轮车的最大速度；v_ij表示纯电动无轨胶轮车在运输点i到运输点j之间的运行速度；a_min表示纯电动无轨胶轮车行驶道路的最小坡度；a_ij表示纯电动无轨胶轮车在运输点i到运输点j之间路径的坡度；a_max表示纯电动无轨胶轮车行驶道路的最大坡度。。

步骤2中，相关约束条件式(5)所述第k辆纯电动无轨胶轮车从运输点i到运输点j的耗电量

的计算方法如下：

a.纯电动无轨胶轮车驱动电机提供给车轮的功率P_e表示如下：

式(11)中，P_e表示纯电动无轨胶轮车驱动电机提供给车轮的功率，用于克服车辆行驶阻力做功；LS表示纯电动无轨胶轮车的负载状态，LS∈[0,1]，其中空载为0，满载为1；PL表示纯电动无轨胶轮车的最大装载量；g表示重力加速度值；

b.纯电动无轨胶轮车的电池输出功率表示如下：

式(12)中，P_bat表示纯电动无轨胶轮车的电池输出功率；P_e表示纯电动无轨胶轮车驱动电机提供的车轮功率，P_e≥0为牵引模式，P_e＜0为再生制动模式；

c.利用纯电动无轨胶轮车的电池输出功率P_bat变换得出的第k辆纯电动无轨胶轮车耗电量

表示如下：

式(13)中，

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的耗电量；f_ij表示纯电动无轨胶轮车在运输点i到运输点j之间行驶道路的滚动阻力系数；

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的负载状态，

i,j＝0,1,2,…,n；k＝1,2,3,…K，空载为0，满载为1。

步骤3：采用蚁群算法(Ant Colony Optimization)对纯电动无轨胶轮车的路径进行蚁群智能规划；

进行蚁群智能规划方法具体步骤如下：

步骤3.1：初始化蚁群算法各变量，包括蚂蚁数量M_ANT、最大循环次数Iter_max、禁忌表t_able、信息素T_a、信息素相对重要程度a_lpha、启发式信息相对重要程度b_eta、信息素蒸发系数r₀；默认最开始的所有蚂蚁都在地面货站；

步骤3.2：构建出所有蚂蚁的路径；

构建蚂蚁路径方法具体步骤如下：

a.每只蚂蚁在满足约束条件的情况下，即满足步骤2中所述模型约束条件的情况下，生成可访问的下一个运输点集合N_i＝{1,2,…,n}；

b.根据状态转移概率公式计算出运输点集合N_i中的各运输点概率pt_i＝{pt₁,pt₂,…,pt_n}，依据轮盘赌算法确定出下一个前进的运输点；

c.修改禁忌表t_able中的指针，在确定出下一个运输点之后将蚂蚁移动到新的元素，并将该元素移动到该蚂蚁个体的禁忌表中，当遍历完所有运输点之后，生成相应蚂蚁的路径route；

d.通过迭代的方式，以此构建出所有蚂蚁的路径

步骤3.3：计算所有蚂蚁构建路径Route的目标函数值，即对所有蚂蚁构建的路径计算步骤2中所述的目标函数值，找出最小的目标函数值所对应的路径，即为本次循环的最优路径bestroute；

步骤3.4：根据蚁群算法模型和信息素更新公式，对信息素T_a进行更新；

步骤3.5：判断循环次数是否超过最大值Iter_max，若没超过则清空禁忌表t_able并返回步骤3.2，否则进行步骤3.6；

步骤3.6：输出最优解即最优路径。

有益效果，由于采用了上述方案，本发明从实际出发，针对纯电动无轨胶轮车的结构和矿井下多变的环境，考虑纯电动无轨胶轮车的能量消耗等问题，建立了纯电动无轨胶轮车路径规划模型，提出了完整的纯电动无轨胶轮车路径规划方法；本发明考虑了路径长度和最少车辆使用数量两个性能指标，同时在约束中考虑能量消耗、时间约束、载重限制、实际道路条件变化及辅助运输安全规程，可为矿井实际生产提供更为有效的最优运输路径，提高辅助运输的效率。

本发明的技术方案包含能耗约束、时间约束、载重约束、速度约束和坡度变化，优化在两目标之间的最短路径和最少使用车辆数的问题，所得结果更为准确、适用，达到了本发明的目的。

优点：该方法是一种考虑了能量消耗问题的纯电动无轨胶轮车路径规划方法，利用纯电动无轨胶轮车路径规划模型及方法，可得出一条最优路径，不仅能够避免纯电动无轨胶轮车续航焦虑问题，同时也可提高工作效率，可用于煤矿辅助运输的实际场景，更符合实际的应用场景。

附图说明

图1是本发明纯电动无轨胶轮车路径规划方法流程图。

图2是本发明纯电动无轨胶轮车运输线路图。

图3是本发明纯电动无轨胶轮车运输总路径迭代曲线图。

图4是本发明纯电动无轨胶轮车使用辆数迭代曲线图。

图5是本发明1号纯电动无轨胶轮车的最优配送方案示意图。

图6是本发明2号纯电动无轨胶轮车的最优配送方案示意图。

图7是本发明3号纯电动无轨胶轮车的最优配送方案示意图。

具体实施方式

下面结合附图中的实施例对本发明做进一步说明：

实施例1：本发明所述的一种纯电动无轨胶轮车路径规划模型及方法，包括以下步骤：

步骤1：根据矿井的辅助运输线路信息、工作任务信息和纯电动无轨胶轮车的车辆信息，设置纯电动无轨胶轮车路径规划的基础信息；

所述的基础信息包括：各运输点的位置坐标V_ts、各运输点的位置编号V、各运输点之间的距离dis、各运输点之间的滚动阻力系数f、各运输点之间的坡度a、各运输点之间的速度v、纯电动无轨胶轮车在各运输点的货物需求量d_em、纯电动无轨胶轮车在各运输点的工作时间p、纯电动无轨胶轮车的辅助子系统功率P_hyd、纯电动无轨胶轮车的车辆附件功率P_aux、纯电动无轨胶轮车的机械传动效率η_t、纯电动无轨胶轮车的驱动电机效率η_m、纯电动无轨胶轮车的液压泵效率η_{h_t}、纯电动无轨胶轮车的液压泵电机效率η_{h_m}、纯电动无轨胶轮车的整备质量m、纯电动无轨胶轮车的最大载重量C_ap、纯电动无轨胶轮车的可用数量K、纯电动无轨胶轮车的最大电量Q、纯电动无轨胶轮车运行时的空气阻力系数C_D、纯电动无轨胶轮车运行时的迎风面面积A、纯电动无轨胶轮车运行环境的空气密度ρ_air、纯电动无轨胶轮车旋转质量换算系数δ。

步骤2：以纯电动无轨胶轮车运输的路径最短、车辆使用数量最少为目标建立目标函数和相关约束条件，所述的目标函数具体如下：

min M＝K (2)

式(1)表示第一个优化目标，即纯电动无轨胶轮车运输路径最短；式(2)表示第二个优化目标，即纯电动无轨胶轮车使用的数量最少。其中，dis_ij表示运输点i到运输点j之间的距离；

i,j＝0,1,2,...n,i≠j；k＝1,2,3,…,K表示如果纯电动无轨胶轮车k从运输点i到运输点j，则

否则

所述目标函数式(1)-式(2)的相关约束条件具体如式(3)-式(10)所示：

0≤v_ij≤v_max,i,j＝0,1,2,…,n,i≠j (8)

α_min≤α_ij≤α_max,i,j＝0,1,2,…,n,i≠j (9)

以上模型中，式(3)表示纯电动无轨胶轮车到达各运输点的时刻约束；式(4)表示纯电动无轨胶轮车的运行路段约束；式(5)表示纯电动无轨胶轮车到达运输点j后的剩余电量约束；式(6)-式(7)表示纯电动无轨胶轮车在各运输点各车的载重约束；式(8)表述纯电动无轨胶轮车在各运输线路上的速度约束；式(9)表示纯电动无轨胶轮车运输道路的坡度约束；式(10)表示纯电动无轨胶轮车访问的运输点约束。其中，tτ_j表示纯电动无轨胶轮车到达运输点j的时刻；tτ_i表示纯电动无轨胶轮车到达运输点i的时刻；tm_ij表示纯电动无轨胶轮车从运输点i到运输点j的运行时间；P_i表示纯电动无轨胶轮车在运输点i的工作时间；

表示车辆k₁从运输点i运行到运输点j的时间区间；

表示车辆k₂从运输点j运行到运输点i的时间区间；φ表示空集；R表示连接各个运输点边的集合；

表示第k辆纯电动无轨胶轮车到达运输点j后的剩余电量；

表示第k辆纯电动无轨胶轮车从运输点j返回地面货站所需的电能；

表示第k辆纯电动无轨胶轮车在运输点j的载重；W_i ^k表示第k辆纯电动无轨胶轮车在运输点i的载重；Dw_j表示纯电动无轨胶轮车在运输点j的卸载量；W_max表示纯电动无轨胶轮车的最大载重；v_max表示纯电动无轨胶轮车的最大速度；v_ij表示纯电动无轨胶轮车在运输点i到运输点j之间的运行速度；a_min表示纯电动无轨胶轮车行驶道路的最小坡度；a_ij表示纯电动无轨胶轮车在运输点i到运输点j之间路径的坡度；a_max表示纯电动无轨胶轮车行驶道路的最大坡度。

步骤2中，相关约束条件式(5)所述第k辆纯电动无轨胶轮车从运输点i到运输点j的耗电量

的计算方法如下：

a.纯电动无轨胶轮车驱动电机提供给车轮的功率P_e表示如下：

式(11)中，P_e表示纯电动无轨胶轮车驱动电机提供给车轮的功率，用于克服车辆行驶阻力做功；LS表示纯电动无轨胶轮车的负载状态，LS∈[0,1]，其中空载为0，满载为1；PL表示纯电动无轨胶轮车的最大装载量；g表示重力加速度值；

b.纯电动无轨胶轮车的电池输出功率表示如下：

式(12)中，P_bat表示纯电动无轨胶轮车的电池输出功率；P_e表示纯电动无轨胶轮车驱动电机提供的车轮功率，P_e≥0为牵引模式，P_e＜0为再生制动模式；

c.利用纯电动无轨胶轮车的电池输出功率P_bat变换得出的第k辆纯电动无轨胶轮车耗电量

表示如下：

式(13)中，

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的耗电量；f_ij表示纯电动无轨胶轮车在运输点i到运输点j之间行驶道路的滚动阻力系数；

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的负载状态，

i,j＝0,1,2,…,n；k＝1,2,3,…K，空载为0，满载为1。

步骤3：采用蚁群算法(Ant Colony Optimization)对纯电动无轨胶轮车的路径进行蚁群智能规划；

进行蚁群智能规划方法具体步骤如下：

步骤3.1：初始化蚁群算法各变量，包括蚂蚁数量M_ANT、最大循环次数Iter_max、禁忌表t_able、信息素T_a、信息素相对重要程度a_lpha、启发式信息相对重要程度b_eta、信息素蒸发系数r₀；默认最开始的所有蚂蚁都在地面货站；

步骤3.2：构建出所有蚂蚁的路径；

构建蚂蚁路径方法具体步骤如下：

a.每只蚂蚁在满足约束条件的情况下，即满足步骤2中所述模型约束条件的情况下，生成可访问的下一个运输点集合N_i＝{1,2,…,n}；

b.根据状态转移概率公式计算出运输点集合N_i中的各运输点概率pt_i＝{pt₁,pt₂,…,pt_n}，依据轮盘赌算法确定出下一个前进的运输点；

c.修改禁忌表t_able中的指针，在确定出下一个运输点之后将蚂蚁移动到新的元素，并将该元素移动到该蚂蚁个体的禁忌表中，当遍历完所有运输点之后，生成相应蚂蚁的路径route；

d.通过迭代的方式，以此构建出所有蚂蚁的路径

步骤3.3：计算所有蚂蚁构建路径Route的目标函数值，即对所有蚂蚁构建的路径计算步骤2中所述的目标函数值，找出最小的目标函数值所对应的路径，即为本次循环的最优路径bestroute；

步骤3.4：根据蚁群算法模型和信息素更新公式，对信息素T_a进行更新；

步骤3.5：判断循环次数是否超过最大值Iter_max，若没超过则清空禁忌表t_able并返回步骤3.2，否则进行步骤3.6；

步骤3.6：输出最优解即最优路径。

为检验本发明的性能，现选用一个实施例进行计算求解。某地下矿井有一个地面货站，井下最多可同时跑10辆运输车，设车辆的类型相同，运送的材料同质，现需要服务井下15个运输点，各运输点的相关信息、车辆的相关信息和各路段的参数如表1、表2和表3所示：

表1各运输点相关信息表

2车辆相关信息表

表3各路段参数表

蚁群算法的相关参数设置：蚂蚁数量M_ANT＝50，最大循环次数Iter_max＝20，禁忌表

信息素T_a＝[1]_N+1×N+1,信息素相对重要程度a_lpha＝1,启发式信息相对重要程度b_eta＝3,信息素蒸发系数r₀＝0.8。

运用MATLAB编程实现上述方法，进行该问题的求解，根据设置的参数，求解得到了最优的车辆配送方案，如表4所示：

表4车辆最优配送方案

本发明在解决纯电动无轨胶轮车路径规划问题方面，具有良好的求解性能，稳定性强，最优解符合实际生产要求，可在实际生产中帮助企业有效降低成本。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所述的具体形式，本发明的保护范围也及于本领域技术人员根据发明构思所能够想到的等同技术手段。

Claims (6)

1.一种纯电动无轨胶轮车路径规划模型及方法，其特征是：包括以下步骤：

步骤1：根据矿井的辅助运输线路信息、工作任务信息和纯电动无轨胶轮车的车辆信息，设置纯电动无轨胶轮车路径规划的基础信息；

步骤2：以纯电动无轨胶轮车运输的路径最短、车辆使用数量最少为目标建立目标函数和相关约束条件；

步骤3：采用蚁群算法(Ant Colony Optimization)对纯电动无轨胶轮车的路径进行蚁群智能规划。

2.根据权利要求1所述的一种纯电动无轨胶轮车路径规划模型及方法，其特征是：步骤1中，所述的基础信息包括：各运输点的位置坐标V_ts、各运输点的位置编号V、各运输点之间的距离dis、各运输点之间的滚动阻力系数f、各运输点之间的坡度a、各运输点之间的速度v、纯电动无轨胶轮车在各运输点的货物需求量d_em、纯电动无轨胶轮车在各运输点的工作时间p、纯电动无轨胶轮车的辅助子系统功率P_hyd、纯电动无轨胶轮车的车辆附件功率P_aux、纯电动无轨胶轮车的机械传动效率η_t、纯电动无轨胶轮车的驱动电机效率η_m、纯电动无轨胶轮车的液压泵效率η_{h_t}、纯电动无轨胶轮车的液压泵电机效率η_{h_m}、纯电动无轨胶轮车的整备质量m、纯电动无轨胶轮车的最大载重量C_ap、纯电动无轨胶轮车的可用数量K、纯电动无轨胶轮车的最大电量Q、纯电动无轨胶轮车运行时的空气阻力系数C_D、纯电动无轨胶轮车运行时的迎风面面积A、纯电动无轨胶轮车运行环境的空气密度ρ_air、纯电动无轨胶轮车旋转质量换算系数δ。

3.根据权利要求1所述的一种纯电动无轨胶轮车路径规划模型及方法，其特征是：步骤2中，所述的目标函数具体如下：

min M＝K (2)

式(1)表示第一个优化目标，即纯电动无轨胶轮车运输路径最短；式(2)表示第二个优化目标，即纯电动无轨胶轮车使用的数量最少。其中，dis_ij表示运输点i到运输点j之间的距离；

K表示如果纯电动无轨胶轮车k从运输点i到运输点j，则

否则

所述目标函数式(1)-式(2)的相关约束条件具体如式(3)-式(10)所示：

0≤v_ij≤v_max,i,j＝0,1,2,…,n,i≠j (8)

α_min≤α_ij≤α_max,i,j＝0,1,2,…,n,i≠j (9)

以上模型中，式(3)表示纯电动无轨胶轮车到达各运输点的时刻约束；式(4)表示纯电动无轨胶轮车的运行路段约束；式(5)表示纯电动无轨胶轮车到达运输点j后的剩余电量约束；式(6)-式(7)表示纯电动无轨胶轮车在各运输点各车的载重约束；式(8)表述纯电动无轨胶轮车在各运输线路上的速度约束；式(9)表示纯电动无轨胶轮车运输道路的坡度约束；式(10)表示纯电动无轨胶轮车访问的运输点约束。其中，tτ_j表示纯电动无轨胶轮车到达运输点j的时刻；tτ_i表示纯电动无轨胶轮车到达运输点i的时刻；tm_ij表示纯电动无轨胶轮车从运输点i到运输点j的运行时间；P_i表示纯电动无轨胶轮车在运输点i的工作时间；

表示车辆k₁从运输点i运行到运输点j的时间区间；

表示车辆k₂从运输点j运行到运输点i的时间区间；φ表示空集；R表示连接各个运输点边的集合；

表示第k辆纯电动无轨胶轮车到达运输点j后的剩余电量；

表示第k辆纯电动无轨胶轮车从运输点j返回地面货站所需的电能；

表示第k辆纯电动无轨胶轮车在运输点j的载重；

表示第k辆纯电动无轨胶轮车在运输点i的载重；Dw_j表示纯电动无轨胶轮车在运输点j的卸载量；W_max表示纯电动无轨胶轮车的最大载重；v_max表示纯电动无轨胶轮车的最大速度；v_ij表示纯电动无轨胶轮车在运输点i到运输点j之间的运行速度；a_min表示纯电动无轨胶轮车行驶道路的最小坡度；a_ij表示纯电动无轨胶轮车在运输点i到运输点j之间路径的坡度；a_max表示纯电动无轨胶轮车行驶道路的最大坡度。

4.根据权利要求1所述的一种纯电动无轨胶轮车路径规划模型及方法，其特征是：步骤2中，相关约束条件式(5)所述第k辆纯电动无轨胶轮车从运输点i到运输点j的耗电量

的计算方法如下：

a.纯电动无轨胶轮车驱动电机提供给车轮的功率P_e表示如下：

式(11)中，P_e表示纯电动无轨胶轮车驱动电机提供给车轮的功率，用于克服车辆行驶阻力做功；LS表示纯电动无轨胶轮车的负载状态，LS∈[0,1]，其中空载为0，满载为1；PL表示纯电动无轨胶轮车的最大装载量；g表示重力加速度值；

b.纯电动无轨胶轮车的电池输出功率表示如下：

式(12)中，P_bat表示纯电动无轨胶轮车的电池输出功率；P_e表示纯电动无轨胶轮车驱动电机提供的车轮功率，P_e≥0为牵引模式，P_e＜0为再生制动模式；

c.利用纯电动无轨胶轮车的电池输出功率P_bat变换得出的第k辆纯电动无轨胶轮车耗电量

表示如下：

式(13)中，

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的耗电量；f_ij表示纯电动无轨胶轮车在运输点i到运输点j之间行驶道路的滚动阻力系数；

表示第k辆纯电动无轨胶轮车在运输点i到运输点j之间的负载状态，

空载为0，满载为1。

5.根据权利要求1所述的一种纯电动无轨胶轮车路径规划模型及方法，其特征是：进行蚁群智能规划方法具体步骤如下：

步骤3.1：初始化蚁群算法各变量，包括蚂蚁数量M_ANT、最大循环次数Iter_max、禁忌表t_able、信息素T_a、信息素相对重要程度a_lpha、启发式信息相对重要程度b_eta、信息素蒸发系数r₀；默认最开始的所有蚂蚁都在地面货站；

步骤3.2：构建出所有蚂蚁的路径；

步骤3.3：计算所有蚂蚁构建路径Route的目标函数值，即对所有蚂蚁构建的路径计算步骤2中所述的目标函数值，找出最小的目标函数值所对应的路径，即为本次循环的最优路径bestroute；

步骤3.4：根据蚁群算法模型和信息素更新公式，对信息素T_a进行更新；

步骤3.5：判断循环次数是否超过最大值Iter_max，若没超过则清空禁忌表t_able并返回步骤3.2，否则进行步骤3.6；

步骤3.6：输出最优解即最优路径。

6.根据权利要求5所述的一种纯电动无轨胶轮车路径规划模型及方法，其特征是：步骤3.2中，构建蚂蚁路径方法具体步骤如下：

a.每只蚂蚁在满足约束条件的情况下，即满足步骤2中所述模型约束条件的情况下，生成可访问的下一个运输点集合N_i＝{1,2,…,n}；

b.根据状态转移概率公式计算出运输点集合N_i中的各运输点概率pt_i＝{pt₁,pt₂,…,pt_n}，依据轮盘赌算法确定出下一个前进的运输点；

c.修改禁忌表t_able中的指针，在确定出下一个运输点之后将蚂蚁移动到新的元素，并将该元素移动到该蚂蚁个体的禁忌表中，当遍历完所有运输点之后，生成相应蚂蚁的路径route；

d.通过迭代的方式，以此构建出所有蚂蚁的路径

Images