一、金属露天矿山汽车自动调度系统及其应用（论文文献综述）
王骞[1]（2021）在《基于机器学习的露天矿卡车油耗预测分析及调度研究》文中提出在露天矿采掘生产过程中,如何达成绿色发展、降本增效的目标,是矿山企业发展面临的重要问题。燃油消耗指数是评价露天矿山绿色、经济的重要参数,对其进行精准地预测,既可实现露天矿卡车燃油消耗的精确管控,也是实现露天矿卡车控制成本调度的关键因素。通过对露天矿卡车油耗进行预测,优化露天矿卡车调度模型,以此来提高露天矿资源利用率,降低企业生产成本,提高企业经济效益,推动矿山经济、绿色、智能发展,实现矿山高效智能生产。具体工作主要有以下几个方面:（1）针对露天矿卡车燃油消耗预测所涉及的机器学习理论与算法进行了阐述,对卡车调度优化理论进行了梳理与分析,为解决基于卡车油耗预测的调度模型问题提供了基础。（2）针对影响露天矿卡车运输过程燃油消耗的因素进行分析,确定了露天矿卡车油耗预测模型的特征样本,并阐述了样本数据的采集与处理。（3）针对露天矿卡车的燃油消耗预测问题,利用机器学习支持向量机算法（Support Vector Machine,SVM）结合群智能优化算法（粒子群优化算法,PSO;遗传优化算法,GA）建立了露天矿卡车油耗预测模型,并利用相关特征数据,进行仿真实验。实验结果表明:PSOGA-SVM具有较好的预测性能。（4）针对卡车每一运输过程的油耗进行预测,将油耗预测的结果作为初始参数带入到露天矿卡车调度模型中,构建基于露天矿卡车油耗预测的调度模型。并通过河南某露天矿的智能管控系统采集现场生产实际数据,经过处理后,采用改进的混合蚁群算法进行模型求解,得到实际生产的调度规划方案。本论文的研究为矿山实现控制成本调度,提高矿山资源利用率提供了帮助,对露天矿经济、绿色发展具有一定的意义。
金裕[2]（2021）在《金属露天矿油电混编卡车调度优化及应用研究》文中研究说明随着新旧动能转换及《中国制造2025》的目标发布,绿色和智能成为未来矿山行业的发展主题。新能源电动矿车以其低能耗和零排放的特点,其规模在矿山车辆占比与日剧增,但是针对油电混编特性的行车调度问题应用研究较少。同时,现有配车方式多为机动配车模式,而在优化调度时保持配车的相对固定,更为符合矿山生产实际需求。本文在分析传统露天矿卡车调度多目标模型的基础之上,立足于矿山生产实际情况,建立考虑油电混编车辆供矿情况的兼顾固定配车和机动配车的露天矿卡车调度优化模型。模型通过改进人工鱼群算法进行求解,为解决金属露天矿油电混编卡车调度问题提供新的思路。主要工作内容包含以下4个部分:（1）对露天矿卡车调度优化研究进行总结,分析露天矿油电混编车辆调度现状,对露天矿卡车调度配车方式进行概述,为建立考虑油电混编车辆供矿情况的兼顾固定配车和机动配车的露天矿卡车调度多目标优化模型提供了理论基础。同时对多目标人工鱼群算法进行概述,为提出自适应人工鱼视野和步长及求解金属露天矿油电混编车辆调度模型做出理论铺垫。（2）分析传统露天矿卡车调度多目标调度模型不足,考虑油电混编车辆供矿情况的兼顾固定配车和机动配车的露天矿卡车调度实际需求,建立以露天矿品位偏差率、卡车总运输成本最小及挖机总等待时间最小为目标,考虑油电混编车辆供矿情况的兼顾固定配车和机动配车的露天矿卡车调度多目标优化模型（3）分析基本人工鱼群算法参数对收敛速度和精度的影响,改进人工鱼固定步长和视野为自适应步长和视野,同时引入人工鱼淘汰机制,根据人工鱼群算法特点,结合露天矿卡车调度实际问题,设计算法关键参数,将人工鱼群算法与露天矿卡车调度问题相结合,并对金属露天矿油电混编卡车调度模型进行求解。显示改进人工鱼群算法的优化效果更好。（4）通过提出的金属露天矿油电混编卡车调度模型和改进人工鱼群算法优化M露天矿的生产调度,为油电混编车辆调度问题提供可靠的解决方案,应用表明:此方法提高露天矿卡车运输效率、提高矿山企业经济效益、降低卡车运输成本、控制品位波动的目的。
吕艳红[3]（2020）在《多金属露天矿多目标短期精细化配矿计划优化研究》文中研究表明在矿产资源综合高效利用的背景之下,科学有效的配矿计划是合理持续地利用有限矿产资源并提高矿山企业经济效益的关键。既往针对单一矿种的配矿计划优化方法只能实现单一矿产资源优化需求,不能满足当前矿山企业多矿种综合利用和精细化开采的实际需要。因此,对多矿种共存的露天矿而言,结合矿山实际生产条件及需求,综合多元素的配矿计划优化问题研究显得十分重要和迫切。露天矿配矿优化技术的不断进步促进着矿山生产向科学化、高效化、精细化的方向发展。本文针对多金属露天矿山的配矿计划问题及其优化应用展开了研究,主要包含以下几个方面:（1）针对露天矿山的配矿计划问题,从配矿计划模型及其求解方法两个角度综合梳理分析,对当前研究现状以及不足进行总结分析,多金属露天矿山伴生资源综合利用及精细化配矿生产是目前亟需解决的问题。（2）在既往的配矿生产计划研究基础之上,分析配矿生产的特点及原则,综合矿山多元素、多出矿点、多卸矿点等实际生产条件,从多金属品位偏差均衡、配矿运输作业成本最小的角度出发,考虑矿石量、开采及处理能力、回采率、氧化率等配矿因素,构建符合矿山实际生产的金属露天矿多目标短期精细化配矿模型。（3）由于配矿计划模型具有高维、非线性、复杂的特点,融合灰狼优化（Gray Wolf Optimization,GWO）算法及粒子优化算法（Particle Swarm Optimization,PSO）两者的优势,设计一种基于混合灰狼粒子群优化算法（Hybrid Particle Grey Wolf Optimization,HPGWO）的配矿计划优化方法。分别采用PSO算法、GWO算法及HPGWO算法对基准测试函数进行优化求解,结果显示HPGWO算法相对于前两者具有较好的求解效果。为了验证HPGWO算法在求解实际生产问题中的可行性,采用HPGWO算法解决含单一卸矿点配矿计划算例,验证了配矿优化方法的有效性及可操作性。（4）结合河南省L露天矿的实际生产作业情况及需求,将基于HPGWO算法的配矿方法应用到该多金属露天矿中,结合其智能管理平台采集的配矿数据,求解得到符合实际生产需求的配矿计划方案。将所得到的配矿结果与实际生产作业计划进行对比,验证该配矿方法的有效性及优越性,配矿结果显示矿石产量增加,运输费用降低4.63%,品位波动降为3.38%,在优化后矿山的综合回采率达到95.14%配矿优化方法实现了多元素、多出矿点、多卸矿点的协同开采生产,符合矿山的生产需求。论文的研究成果进一步为露天矿配矿生产提供了新的方法与解决途径,为配矿优化技术奠定了基础,加强了灰狼算法的理论基础并拓展了其应用领域。配矿优化方法对多金属露天矿山矿产资源综合利用及精细化排产具有重要的指导意义,为矿山企业的实际生产提供相应的决策依据。
莫明慧[4]（2020）在《露天矿无人驾驶卡车多目标车流分配调度算法及应用》文中研究指明随着露天采矿的不断发展,为更好地提高现代化露天矿安全生产效率,使用无人驾驶卡车代替传统的卡车作为运输工具,将在露天矿生产过程中发挥越来越重要的作用。在无人驾驶卡车的背景下,露天矿无人驾驶卡车车流分配调度是新型露天矿无人驾驶卡车调度的核心内容,合理的车流分配调度将大幅度提高智能开采效率。为了促进新型露天矿的发展朝着无人化、智能化、精细化、高效化发展,论文针对露天矿无人驾驶卡车多目标车流分配调度问题,展开了以下研究:（1）对国内外矿卡车流分配调度模型理论研究和优化研究进行了总结,对传统人工驾驶车流分配调度问题进行概述,对新型露天矿无人驾驶卡车车流分配调度与传统人工驾驶卡车调度问题的异同进行分析,为建立无人驾驶卡车多目标车流分配调度模型做理论基础。同时对多目标优化基本概念和多目标优化算法进行了概述,为求解无人驾驶卡车多目标车流分配调度模型做理论铺垫。（2）根据目前研究文献总结出,露天矿卡车车流分配调度时遵循的需求主要来源于收益、成本、矿石质量三个方面,建立了以运输成本最小、无人驾驶卡车总排队时间最小、品位偏差最小为目标函数的传统露天矿卡车多目标车流分配调度模型。通过与传统人工驾驶卡车车流分配调度模型的对比,建立了在无人驾驶卡车背景下以运输成本最小、无人驾驶卡车总排队时间最小、品位偏差最小为目标函数的露天矿无人驾驶卡车多目标车流分配调度模型。（3）根据建立的露天矿无人驾驶卡车多目标车流分配调度模型的特点,结合多目标遗传算法、基于分解多目标优化算法适应性和特点,最终选用pareto支配、分解与约束支配相融合的方法,提出一种新的基于分解约束支配的NSGA-II优化算法（Decomposition-based constrained dominance principle NSGA-II即DBCDP-NSGA-II）。并将算法用于求解露天矿无人驾驶卡车多目标车流分配调度模型中,并通过与C-NSGA-II（Constraint Non-dominated Sorting Genetic Algorithm-II）、C-MOEA/D（Constraint Multi-objective Evolutionary Algorithm Based on Decomposition）算法相对比,DBCDP-NSGA-II在三个目标函数方面均有最好解。并且算法一次运行结果包含多个Pareto最优解及多种车流分配调度计划,可以满足矿山不同生产需要,为露天矿生产管理者提供了多种选择方案。（4）将本研究提出的露天矿无人驾驶卡车多目标车流分配调度模型和求解算法用于某露天矿智能开采区的无人驾驶卡车车流分配调度管理中。选取该露天矿智能开采区某卡车某班次的相关数据,得到了pareto最优解集,展示了20辆无人驾驶卡车的调度方案,一个班次内1号无人驾驶卡车时间表和甘特图等。结果表明该车流分配调度算法降低了露天矿开采中的运输成本,减小了无人驾驶卡车的排队时间,有效控制了品位波动。
马平平[5]（2020）在《基于机器学习的露天矿卡车状态运行时间预测及调度应用》文中认为在露天矿采掘生产过程中,如何高效合理的利用采运设备进行生产,是矿山企业发展面临的重要问题。行程时间作为衡量道路通行能力的重要参数,对其进行实时预测,可以实现卡车在运行过程中的实时管控和调度,也是实现露天矿卡车实时调度、控制的关键因素。因此,通过对卡车状态以及状态运行时间进行预测,优化卡车调度模型,以此来提高卡车设备利用率,提高企业经济效益,推动矿山智能化发展,实现高效智能生产。具体工作主要有以下几个方面:（1）针对露天矿卡车状态识别以及状态时间预测所涉及的机器学习理论与算法进行了阐述,并介绍了卡车调度优化理论,为基于卡车状态运行时间预测的调度模型建立与求解提供了思路。（2）针对露天矿卡车在装运卸运输过程中的各种状态,利用机器学习算法建立了露天矿卡车状态识别模型,并利用智能调度管控平台采集到的相关特征数据,进行仿真实验。结果表明:Adaboost算法在露天矿卡车状态识别方面具有良好的识别性能。（3）针对卡车状态运行时间,利用机器学习算法建立了露天矿卡车状态运行时间预测模型,并利用相关特征数据,进行仿真实验。对于每一状态运行时间预测,所适用的最佳机器学习模型是不同的,SVM模型适用于空载和卸载状态运行时间预测,RF模型适用于待装、装载和重载状态运行时间预测。（4）通过对每一状态使用精准预测模型进行卡车状态运行时间预测,将预测结果作为参数带入到调度模型中,建立基于露天矿卡车状态运行时间预测的调度模型。并基于智能调度管控平台采集到的现场卡车实际运行数据,进行数据整合处理后,采用遗传-粒子群混合算法进行求解,得到更加切合实际的调度策略。本文的研究成果,进一步为卡车调度优化提供了新的方法与解决途径,也为智能化调度奠定了基础,对露天矿卡车生产调度具有重要的实用价值。
刘设[6]（2019）在《基于随机过程的露天矿生产系统调度方法研究》文中研究说明大型露天矿需要大规模的设备投资和能源消耗。如何在保证设备利用率的同时,实现节能降耗,是提高企业效益的关键。通常可以从矿山的开拓规划、生产工艺优化设计和生产物流调度三个层面实现降本提效。本文从设备调度层面,针对生产设备调度、维护管理等问题,进行分析和优化。其研究有利于提高设备有效利用时间,降低设备维护成本和单位生产成本。露天矿生产系统通过实时采集和实时调配运输设备来完成大规模的物料转移,是包括离散过程和连续过程、定性和定量问题混合的复杂系统。本文综合运用随机过程理论、灰色理论、数理统计分析和混合整数规划模型等方法,结合露天开采工艺和生产流程,通过对工艺设备与各种生产指标等历史数据的调查研究和量化分析,以揭示露天矿生产系统在随机条件下的部分运作特征,并对其中电铲、卡车等主要生产设备进行优化调度。主要内容包括:（1）结合露天矿生产工艺理论基础和实际应用需求,阐述了论文选题的背景和研究意义,归纳论述我国露天矿生产工艺应用现状及国内外研究方法。露天矿产量由于受设备状况、外障、自然因素、市场因素等众多不确定因素共同影响,具有很大的不确定性。针对生产随机性构建灰色神经网络集成模型,提高了生产材料消耗模型预测精度,为科学制定生产调度计划、实现资源合理配置提供依据。随机过程分析中马尔科夫链模型具有有限种状态的无后效性特点,从实测的时间序列中提取随机过程,应用多元时空序列马尔科夫过程对露天矿产量进行分析,不仅可以揭示产量随时间推进过程的宏观规律,而且可以作为分析产量指标发展的微观机制的基础。建立多元指标马尔科夫模型,对剥离产量和采煤产量的剥量、煤量、运距、提升高度等多个指标,将增长率波动划分为5种状态,根据安家岭煤矿23个月产量,计算状态转移概率,按最大概率原则准确预测2017年12月的产量的多项指标。（2）在分析露天矿生产系统中不确定因素基础上,对生产过程中的日故障时长时间参数进行时间序列统计,应用BP-ARIMA组合模型分析非稳定时间随机序列数学模型。通过数据库提取得到连续100天故障时长,故障时长时间序列图显示为非稳定时间随机序列。此模型均值及自相关系数估计都通过显着性检验,模型通过残差自相关检验,进一步应用神经网络优化残差修正拟合值提高精度。由于设备故障常常呈现出非线性行为,利用核主成分分析非线性特征提取的优势将其应用于设备故障模式识别和分析。由机械维修时间、电气维修时间、轮注时间、电焊时间、外障时间构成故障时间特征库,为实现非线性问题的高效求解,利用核函数将原始空间数据映射到特征空间并寻找线性关系。仿真实验结果表明,该模型能够降低计算的复杂度,具有良好的泛化能力,实现了对设备故障特征的降维处理,能够准确地识别出受随机因素影响大的设备,有效减少了计算复杂度。（3）电铲、卡车之类的关键性设备一旦出现故障,将严重影响煤矿的生产。为使设备处于性能良好状态,保证完成生产任务,通过监测与分析设备性能状态来制定行之有效的预防性维修策略。目前,设备可靠性监测与分析的一般思路是监测设备动态性能信号,信号经处理与分析后提取出关键性能特征参数,以识别设备运行状态,进而分析设备可靠性。然而,由于设备本身结构和运行环境的复杂性,设备使用过程中所监测到的性能特征参数,即观测序列,并不能与状态简单地一一对应。隐马尔科夫链模型具有双重随机过程机制,可以通过概率分布将设备状态观测序列与隐性能状态联系起来,从而更加真实描述和预测实际工程情况。本文识别离散多观测序列下设备隐含的状态变迁过程,根据建立状态变迁模型来推断设备运行性能状态,并实例分析重要设备730E型矿用卡车的状态变化。对730E型卡车故障数据信号进行训练、特征值提取和标量量化,建立具有观测值数和相应状态数的隐马尔科夫链模型。通过对设备运行性能状态进行监测、分析与预测,能够帮助露天矿矿企业及时发现和预测设备状态变化,制订合理的维修计划,提高设备可靠性,对提高设备利用率、减少设备维修费用、延长设备使用寿命、确保完成煤炭生产计划等都具有重要意义。（4）根据露天矿实际生产和调度情况,考虑设备定期维护车辆定期维护和故障对生产的影响,提炼出一类卡车调度问题进行研究。针对矿山实际运输车辆的产能约束和装车点生产顺序要求,以设备调度鲁棒性为优化目标,建立混合整数规划模型。模型优化目标包括两部分,实际运输总价值期望值和临时故障引起车辆调度变化的期望值。在生产调度中,实际运输总价值取决于电铲和卡车产能和有效运行时间。通过分析生产能力和设备产能关系,提出关于总运输能力上界的不等式。基于问题特征,设计了一种启发式算法对该调度问题进行求解,通过数据实验证明提出的算法能在可行的时间内求解问题,从解的鲁棒性和上限比较,可以看出求解质量令人满意。
张瑞新,毛善君,赵红泽,郭苏煜,贾宏君,赵学彬,孙健东,王群,李淋,马远平,王宇新,郭帅,鲍海明,林钰淇[7]（2019）在《智慧露天矿山建设基本框架及体系设计》文中研究指明针对我国当前露天矿信息化建设中存在的信息孤岛,各生产部门无法高效协同实现数据资源共享、生产装备自动化程度低、对安全的自动判断和预警不足等问题,在对国内外智慧矿山发展趋势研究基础上,提出了智慧露天矿山定义,分析了智慧露天矿山层次间关系、智慧露天矿山建设原则和分期建设的"1+4"智慧化系统,即:1个基础平台是露天矿山基础支撑智慧化系统,4个业务系统是指露天矿山时空演化智慧化系统、露天矿山设备及工艺智慧化系统、露天矿山生产计划与工程管理智慧化系统、露天矿山综合管理智慧化系统,智慧露天矿总体构架、体系结构和技术框架,规划了各个系统的重点建设内容及项目构成、实现途径和分期目标。指出了智慧露天矿山建设体系主要由保障体系、标准规范体系、关键技术、决策体系、信息基础支撑体系、时空演化支撑体系、生产设备与环节管控体系、生产计划与施工协作体系、综合应用管理服务体系组成,同时提出了智慧露天矿山建设就是以云计算、大数据、物联网及矿业工程专业技术为基础,利用物联网技术实现"人-人"、"人-物"、"物-物"深度互联能力;基于统一网络传输标准,使爆破、采装、运输、排土、环境等监控系统与机电设备管理、调度通信、工业电视等安全生产技术管理系统得以有机汇接,实现信息共享;利用云计算和大数据技术,对矿山海量数据进行挖掘分析并及时响应,为矿山各管理层面决策提供数据支持;建立统一的矿业协同平台,使矿山爆破、采装、运输、排土等部门协同工作,打破信息孤岛,实现露天矿山系统的分布式协同工作,最终实现信息采集全覆盖、数据资源全共享、统计分析全自动、业务管理全透明、人机状态全监控、生产过程全记录,形成完整统一的时空框架和信息系统,提高各业务部门的多元信息融合、共享和生产系统的协同效率,实现矿山的绿色、安全、高效生产。
张明[8]（2019）在《基于多目标遗传算法的露天矿卡车调度优化研究》文中研究表明随着露天矿山工业化、信息化、智慧化的不断发展,露天矿山正在逐步走向高效智能生产。卡车作为露天矿山的主要运输设备,其合理调度是提高企业经济效益,节约运输成本,降低能源消耗,实现高效智能生产的直接途径。卡车调度优化算法是卡车调度的核心,调度算法的优劣性决定着卡车调配的合理度与可靠性。本文在以往卡车调度优化的基础之上,建立了卡车调度多目标优化模型,采用多目标遗传算法,实现了卡车调度复杂需求下的多目标调度优化,为卡车调度优化问题提供了新的算法与解决途径。具体工作主要有以下几个方面:（1）首先从露天矿卡车调度和相关理论入手,对调度优化理论、多目标优化理论和多目标遗传算法做了系统的梳理和分析,从而为解决露天矿卡车调度多目标问题提供了主要理论依据和方法。（2）根据金属露天矿卡车调度的特点与原则,分析卡车调度模型的目标需求,在以往调度模型基础之上,以矿山企业实际研究问题为导向,建立了以运输成本、卡车总等待时间和品位偏差为目标的满足矿岩不同规划需求的露天矿卡车调度多目标优化模型。（3）根据提出的卡车调度多目标优化模型,针对多目标遗传算法,设计出适用于单一矿石规划和矿岩混合规划的关键算子,采用多目标加权法、NSGA-II和NSGA-III三种算法对卡车调度多目标优化模型的单一矿石规划问题进行求解对比,结果显示NSGA-III算法的求解效果更好。最后采用NSGA-III算法求解矿岩混合规划问题,验证了提出的矿岩混合规划方案的可行性。（4）针对河南省M露天矿的卡车调度实际需求,将提出的卡车调度多目标优化方法应用到M露天矿的实际生产调度当中,应用表明:此方法可节约卡车运输成本,降低卡车等待时间,控制品位偏差,具有良好的实践效果。论文的研究成果,进一步为卡车调度优化提供了新的方法与解决途径,也为智能化调度奠定了基础,对露天矿卡车生产调度具有重要的实用价值。
钱维秀[9]（2018）在《基于位置服务的露天矿车铲生产效率测度与优化研究》文中研究表明采装运输过程是露天矿生产的核心,直接影响矿山的生产产量和企业经济效益。车铲生产效率的测度问题一直是矿山生产管理中要解决而没有很好解决的问题,为了能更充分发挥车铲生产能力,调动生产人员的积极性,有必要对车铲生产效率进行精准测度,优化露天矿采装运设备组织管理,提高矿山精细化和定量化管理水平,实现企业效益最大化。研究的主要内容如下:（1）根据露天矿车铲生产效率影响因素和矿用设备生产效率评估参数的分析,从基于OEE的车铲使用效率测度和基于位置服务的车铲作业效率测度两方面确定车铲生产效率测度指标,提出露天矿车铲生产效率测度方法。（2）从勺容比、车铲比的匹配关系分析入手,提出勺容比和车铲比的确定原则及优化方法,在此基础上,应用数理分析方法建立匹配设备生产能力的车铲优化配置模型,提出露天矿车铲生产效率优化方法。（3）在露天矿车铲生产效率测度与优化方法研究的基础上,构建基于位置服务集成技术的车铲生产效率管控系统,应用软件工程思想对系统的总体架构、硬件部署、软件设计内容进行详细分析,提出车铲生产效率管控系统的具体方案。（4）针对内蒙古G露天矿的车铲生产效率管理实际需求,依据提出的车铲生产效率测度与优化方法及车铲生产效率管控系统在该矿的应用及实施效果,分析提出的车铲生产效率测度与优化方法及系统的有效性。系统在G露天矿的应用分析结果表明,应用OEE效率理论和集成位置服务技术提出的车铲生产效率测度与优化方法及车铲生产效率管控系统可完成车铲生产效率的精准测度,实现矿山企业车铲设备管理现代化,具有一定的推广应用价值。
常永刚[10]（2018）在《露天矿运输系统优化与卡车调度问题研究》文中研究说明相对于井工开采,露天矿具有产量大、回采率高、全员效率高等特点,但因其多采用“电铲-卡车”间断式开采,且电铲、卡车都是专业的超大型设备,所以设备投资大、油耗较高。在保证设备利用率和产能的同时,如何有效地节能降耗,成为露天开采中迫切需要解决的问题。通常从矿山开发规划、装运设备、生产计划和物流作业管理的改进三个层面进行节能降耗。本文分别从露天矿路网优化和卡车物流调度两个层面,改进矿山的生产物流过程。其研究有助于露天开采中缩短平均运距、提高卡车有效使用率,实现节能降耗。中间桥是在露天矿的两帮中间利用排土堆积成一条通路。与端帮运输相比,中间桥节省卡车运距,在一定条件下合理采用中间桥运输,可以节省总的开采成本。卡车运输是“电铲-卡车”间断式露天开采中燃油消耗的主要环节。合理的卡车调度分派、装卸位置匹配及运输路径安排可以减少卡车等待时间、缩短运输距离,在保障产能的同时节能降耗。围绕露天矿中间桥运输系统和卡车调度,进行如下研究:1)针对复杂地质条件下的大型露天矿,研究中间桥运输系统的适用性。传统上,中间桥运输系统的应用多局限于近水平地层的间断式开采工艺。本文就矿坑遭遇背斜及断层等复杂地质条件下中间桥运输系统的适用性进行分析,以搭桥内排运费不大于双环内排运费建立优化不等式,并给出相应的服务水平优化决策模型。以具有背斜及断层等复杂地质条件的某露天矿为例,论证中间桥运输系统的适用性,还对中间桥搭设水平、服务水平等关键问题进行优化决策,应用中取得一定经济效益。2)以露天矿“电铲-卡车”生产系统的生产计划与调度实际为背景,研究其中的卡车调度问题。针对矿山的实际运输车辆和道路条件及效益要求,在考虑开采优先顺序的情况下,以总的运输价值为优化目标,建立问题的整数规划模型。通过分析问题和模型的特征,提出有效不等式和问题的性质,引入问题上界。利用问题的性质和上界,设计一种启发式算法和改进策略对问题进行求解。数据实验证明,所提出的算法能够有效求解问题,计算时间不超过5秒,平均求解间隙为4.46%。3)针对露天煤矿煤质配比的要求,以某露天煤矿的生产计划与调度实际为背景,研究考虑卸煤点煤质配比的卡车调度问题。针对问题的新特征,建立整数规划模型以描述问题,提出有效不等式,引入松弛整数规划模型。基于此松弛整数规划模型的求解结果,求出问题的上界,并提出固定配车和补充配车相结合的优化方法。还针对卡车调度中的一些特殊的条件和要求,通过新的约束不等式,对算法进行了修正。通过实际算例进行数据实验,表明算法能在可接受的时间内求出问题的近优解,平均求解间隙为4.32%。
二、金属露天矿山汽车自动调度系统及其应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、金属露天矿山汽车自动调度系统及其应用（论文提纲范文）
（1）基于机器学习的露天矿卡车油耗预测分析及调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卡车油耗预测研究现状 |
| 1.2.2 卡车调度优化研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文创新点 |
| 2 相关理论与算法 |
| 2.1 机器学习理论与算法 |
| 2.1.1 机器学习理论 |
| 2.1.2 机器学习算法 |
| 2.2 露天矿卡车调度理论 |
| 2.2.1 露天矿卡车调度概述 |
| 2.2.2 露天矿卡车调度理论 |
| 2.3 本章小结 |
| 3 露天矿卡车油耗预测模型构建与分析 |
| 3.1 油耗影响因素分析与选取 |
| 3.1.1 影响因素分析与选取 |
| 3.2 数据采集与处理 |
| 3.2.1 数据采集 |
| 3.2.2 数据处理 |
| 3.3 卡车油耗预测模型构建 |
| 3.3.1 优化SVM参数的混合粒子群优化算法 |
| 3.3.2 基于PSOGA-SVM的油耗预测模型构建 |
| 3.4 露天矿卡车油耗预测模型实验分析 |
| 3.4.1 露天矿卡车油耗预测数据样本 |
| 3.4.2 露天矿卡车油耗预测结果 |
| 3.4.3 露天矿卡车油耗预测模型评价 |
| 3.5 本章小结 |
| 4 基于露天矿卡车油耗预测的调度模型构建及求解 |
| 4.1 基于露天矿卡车油耗预测的调度模型构建 |
| 4.1.1 调度问题描述 |
| 4.1.2 调度数学模型 |
| 4.2 求解卡车调度模型的混合蚁群算法 |
| 4.2.1 基本算法介绍 |
| 4.2.2 算法的改进策略 |
| 4.2.3 混合蚁群算法求解流程 |
| 4.3 求解算法性能评价 |
| 4.4 本章小结 |
| 5 实例应用 |
| 5.1 河南某露天矿基本情况 |
| 5.1.1 露天矿概述 |
| 5.1.2 露天矿智能调度系统 |
| 5.2 河南某露天矿调度优化应用 |
| 5.2.1 数据获取 |
| 5.2.2 优化结果 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
| 致谢 |
（2）金属露天矿油电混编卡车调度优化及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 露天矿卡车调度优化 |
| 1.2.2 油电混编车辆调度 |
| 1.2.3 国内外配车方式 |
| 1.2.4 研究现状述评 |
| 1.3 本文研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文创新点 |
| 1.5 本章小结 |
| 第2章 相关理论与算法 |
| 2.1 露天矿卡车调度问题 |
| 2.1.1 露天矿卡车调度特点 |
| 2.1.2 露天矿卡车调度理论 |
| 2.2 车辆调度问题算法研究 |
| 2.3 多目标优化理论及人工鱼群算法 |
| 2.3.1 多目标优化理论 |
| 2.3.2 人工鱼群算法 |
| 2.4 本章小结 |
| 第3章 金属露天矿油电混编卡车调度优化模型 |
| 3.1 金属露天矿油电混编卡车调度优化模型构建分析 |
| 3.1.1 卡车调度需求分析 |
| 3.1.2 配车模式分析 |
| 3.2 传统露天矿卡车多目标调度模型分析 |
| 3.2.1 传统露天矿卡车多目标调度模型目标函数 |
| 3.2.2 传统露天矿卡车多目标调度模型约束条件 |
| 3.3 金属露天矿油电混编卡车调度优化模型构建 |
| 3.3.1 金属露天矿油电混编卡车调度优化模型目标函数 |
| 3.3.2 金属露天矿油电混编卡车调度优化模型约束条件 |
| 3.4 本章小结 |
| 第4章 金属露天矿油电混编卡车调度优化问题求解 |
| 4.1 金属露天矿油电混编卡车调度优化求解算法关键问题设计 |
| 4.1.1 油电混编卡车调度优化问题编码 |
| 4.1.2 油电混编卡车调度优化问题种群初始化 |
| 4.1.3 油电混编卡车调度优化问题人工鱼设计 |
| 4.1.4 油电混编卡车调度优化模型约束处理 |
| 4.2 基本人工鱼群算法的改进 |
| 4.2.1 参数对收敛性能的影响分析 |
| 4.2.2 改进的人工鱼群算法 |
| 4.2.3 改进算法性能测试 |
| 4.3 金属露天矿油电混编卡车调度优化模型求解及分析 |
| 4.3.1 油电混编卡车调度优化模拟算例参数 |
| 4.3.2 金属露天矿油电混编卡车调度优化模型求解结果 |
| 4.4 本章小结 |
| 第5章 M露天矿卡车调度系统设计与应用 |
| 5.1 M露天矿卡车调度概述 |
| 5.2 M露天矿卡车调度系统 |
| 5.2.1 系统配置部署 |
| 5.2.2 系统功能设计 |
| 5.3 M露天矿调度优化应用 |
| 5.3.1 卡车调度问题数据获取 |
| 5.3.2 M露天矿卡车调度优化 |
| 5.3.3 M露天矿卡车实时调度 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
| 致谢 |
（3）多金属露天矿多目标短期精细化配矿计划优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 露天矿配矿计划模型研究 |
| 1.2.2 露天矿配矿计划求解方法研究 |
| 1.2.3 研究现状述评 |
| 1.3 本文研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 本文创新点 |
| 2 相关理论方法 |
| 2.1 露天矿短期精细化配矿概述 |
| 2.1.1 露天矿生产计划时间粒度划分 |
| 2.1.2 露天矿配矿计划原理 |
| 2.1.3 露天矿智能化配矿系统 |
| 2.2 多目标优化问题 |
| 2.2.1 多目标优化数学模型 |
| 2.2.2 多目标问题求解方法 |
| 2.3 约束优化问题罚函数理论 |
| 2.4 群智能优化算法理论 |
| 2.5 本章小结 |
| 3 多金属露天矿短期精细化配矿模型 |
| 3.1 露天矿配矿原则 |
| 3.2 露天矿配矿计划模型分析 |
| 3.2.1 露天矿配矿要素分析 |
| 3.2.2 露天矿配矿模型特点 |
| 3.3 露天矿短期配矿模型的构建 |
| 3.4 配矿模型处理 |
| 3.5 本章小结 |
| 4 基于灰狼算法的露天矿配矿优化求解算法设计 |
| 4.1 改进灰狼优化算法 |
| 4.1.1 基本灰狼算法 |
| 4.1.2 反向学习生成初始种群 |
| 4.1.3 非线性收敛因子调整 |
| 4.2 融合粒子群算法的灰狼算法 |
| 4.2.1 粒子群优化算法 |
| 4.2.2 融合GWO-PSO算法设计 |
| 4.3 数值实验及分析 |
| 4.4 露天矿配矿算例求解验证 |
| 4.4.1 配矿计划算例求解分析 |
| 4.4.2 配矿优化方法验证 |
| 4.5 本章小结 |
| 5 露天矿配矿计划优化与应用 |
| 5.1 基于HPGWO算法的智能配矿流程设计 |
| 5.2 河南省L露天矿基本概况 |
| 5.2.1 河南省L露天矿 |
| 5.2.2 露天矿配矿生产管控系统 |
| 5.3 配矿计划优化方法应用与分析 |
| 5.3.1 配矿基础数据获取 |
| 5.3.2 混合算法实现 |
| 5.3.3 配矿优化结果与分析 |
| 5.3.4 配矿计划实际应用 |
| 5.4 本章小节 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 致谢 |
（4）露天矿无人驾驶卡车多目标车流分配调度算法及应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 露天矿无人开采技术研究现状 |
| 1.2.2 矿卡车流分配调度模型理论研究现状 |
| 1.2.3 矿卡车流分配调度模型优化研究 |
| 1.2.4 已有研究存在的不足 |
| 1.3 本文研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 相关理论 |
| 2.1 露天矿矿车车流分配调度问题 |
| 2.1.1 车流分配调度概念 |
| 2.1.2 露天矿矿车车流分配调度基本理论 |
| 2.1.3 无人卡车调度与人工卡车调度的问题对比 |
| 2.2 多目标优化理论 |
| 2.2.1 多目标优化问题 |
| 2.2.2 Pareto最优解相关定义 |
| 2.2.3 求解多目标问题的优化算法 |
| 2.3 本章小结 |
| 3 露天矿无人驾驶卡车多目标车流分配调度模型 |
| 3.1 传统露天矿卡车车流分配调度模型 |
| 3.1.1 人工卡车车流分配调度模型目标函数 |
| 3.1.2 人工卡车车流分配调度模型约束条件 |
| 3.2 露天矿无人卡车车流分配调度建模分析 |
| 3.3 露天矿无人驾驶卡车多目标车流分配调度模型 |
| 3.3.1 无人驾驶卡车多目标车流分配调度模型假设条件 |
| 3.3.2 无人驾驶卡车多目标车流分配调度模型的目标函数构建 |
| 3.3.3 无人驾驶卡车多目标车流分配调度模型约束条件 |
| 3.4 本章小结 |
| 4 露天矿无人驾驶卡车多目标车流分配调度模型求解 |
| 4.1 多目标遗传算法 |
| 4.2 基于分解的多目标优化算法 |
| 4.3 分解约束支配NSGA-II优化算法的设计 |
| 4.3.1 权重向量选取 |
| 4.3.2 种群关联权重向量 |
| 4.3.3 分解约束支配排序 |
| 4.3.4 DBCDP-NSGA-II算法流程 |
| 4.4 优化算法求解混合矿岩规划模拟算例 |
| 4.4.1 初始化设置 |
| 4.4.2 不同方法计算结果对比分析 |
| 4.5 本章小结 |
| 5 华中地区某露天矿无人驾驶卡车多目标车流分配调度应用 |
| 5.1 华中地区某露天矿概述 |
| 5.2 华中地区某露天矿数值化智能开采生产管理系统 |
| 5.2.1 系统配置部署 |
| 5.2.2 系统功能简介 |
| 5.3 华中地区某露天矿无人驾驶卡车多目标车流分配调度应用 |
| 5.3.1 数据获取 |
| 5.3.2 优化结果 |
| 5.3.3 实时调度 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 创新点和结论 |
| 6.1.1 结论 |
| 6.1.2 创新点 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 致谢 |
（5）基于机器学习的露天矿卡车状态运行时间预测及调度应用（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 行程时间预测研究现状 |
| 1.2.2 卡车调度优化研究现状 |
| 1.2.3 研究现状评述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 创新点 |
| 1.5 论文组织结构 |
| 2 相关理论 |
| 2.1 机器学习理论 |
| 2.1.1 机器学习理论 |
| 2.1.2 机器学习算法 |
| 2.2 露天矿卡车调度理论 |
| 2.2.1 露天矿卡车调度概述 |
| 2.2.2 露天矿卡车调度理论 |
| 2.3 本章小结 |
| 3 露天矿卡车状态识别及运行时间预测模型构建 |
| 3.1 露天矿卡车状态类别 |
| 3.2 卡车状态识别模型构建 |
| 3.2.1 卡车状态识别特征样本采集 |
| 3.2.2 卡车状态识别模型构建 |
| 3.3 卡车状态运行时间预测模型构建 |
| 3.3.1 卡车状态运行时间特征样本采集 |
| 3.3.2 卡车状态运行时间预测模型构建 |
| 3.4 本章小结 |
| 4 露天矿卡车状态识别及运行时间预测模型计算分析 |
| 4.1 卡车状态识别模型计算分析 |
| 4.1.1 卡车状态识别样本数据 |
| 4.1.2 卡车状态识别结果 |
| 4.1.3 卡车状态识别模型评价 |
| 4.2 卡车状态运行时间预测模型计算分析 |
| 4.2.1 卡车状态运行时间预测样本数据 |
| 4.2.2 卡车状态运行时间预测结果 |
| 4.2.3 卡车状态运行时间预测模型评价 |
| 4.3 本章小结 |
| 5 基于露天矿卡车状态运行时间预测的调度应用 |
| 5.1 基于露天矿卡车状态运行时间预测的调度模型构建 |
| 5.1.1 问题描述 |
| 5.1.2 数学模型 |
| 5.2 求解调度模型的遗传-粒子群优化混合算法 |
| 5.2.1 遗传-粒子群混合算法改进策略 |
| 5.2.2 遗传-粒子群混合算法流程 |
| 5.3 实例应用 |
| 5.3.1 矿山概况 |
| 5.3.2 数据获取 |
| 5.3.3 优化结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读研究生期间取得的研究成果 |
| 致谢 |
（6）基于随机过程的露天矿生产系统调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究 |
| 1.2.2 国内研究 |
| 1.3 研究内容和方法 |
| 1.4 论文结构 |
| 第2章 露天矿生产系统随机性分析 |
| 2.1 引言 |
| 2.2 露天矿生产系统分析 |
| 2.3 露天矿生产系统影响要素分析 |
| 2.3.1 资源条件对露天矿生产的影响 |
| 2.3.2 生产工艺系统对露天矿生产的影响 |
| 2.3.3 生产工艺环节对露天矿生产的影响 |
| 2.4 露天矿生产系统随机过程分析 |
| 2.4.1 随机过程理论的产生与应用 |
| 2.4.2 露天矿生产系统随机模拟方法 |
| 2.5 本章小结 |
| 第3章 基于组合模型的露天矿生产指标分析与预测 |
| 3.1 引言 |
| 3.2 改进的DGM(1,1)露天矿产量预测算法 |
| 3.2.1 露天矿生产产量指标构成 |
| 3.2.2 基于离散时间序列GM(1,1)的产量预测 |
| 3.2.3 引入缓冲算子提高GM(1,1)精度 |
| 3.2.4 基于灰色关联度的BP改进算法 |
| 3.3 多元时空序列Markov链分析 |
| 3.3.1 马尔科夫序列 |
| 3.3.2 多元时空序列马尔科夫链分析 |
| 3.4 基于改进的DGM(1,1)露天矿产量预测 |
| 3.4.1 安家岭露天煤矿基本情况 |
| 3.4.2 基于DGM(1,1)露天煤矿产量模拟与预测 |
| 3.4.3 基于GM-BP算法的生产材料消耗分析 |
| 3.5 基于多元Markov链露天矿产量分析与预测 |
| 3.5.1 煤矿产量多元时空序列Markov链分析 |
| 3.5.2 煤矿产量多元指标Markov链模型求解过程 |
| 3.5.3 露天矿产量预测分析 |
| 3.6 本章小结 |
| 第4章 露天矿设备性能状态分析与预测 |
| 4.1 引言 |
| 4.2 露天矿设备故障及状态识别方法 |
| 4.2.1 随机变量相关性分析 |
| 4.2.2 主成分分析基本流程 |
| 4.2.3 求特征值和特征向量法计算主元 |
| 4.2.4 核主元分析方法 |
| 4.3 露天矿设备故障随机分析 |
| 4.3.1 露天矿设备主成分分析 |
| 4.3.2 BP-ARIMA故障随机性分析 |
| 4.3.3 故障时长灾变预测 |
| 4.4 基于DHMM露天矿设备故障状态分析 |
| 4.4.1 露天矿设备故障统计 |
| 4.4.2 隐马尔科夫模型原理 |
| 4.4.3 基于DHMM的设备状态分析 |
| 4.5 矿用卡车730E状态分析 |
| 4.5.1 矿用卡车730E概况 |
| 4.5.2 730E性能参数离散化 |
| 4.5.3 DHMM模型求解与分析 |
| 4.6 本章小结 |
| 第5章 考虑设备维修的生产调度问题建模和优化 |
| 5.1 引言 |
| 5.2 混合整数规划模型 |
| 5.2.1 问题假设 |
| 5.2.2 卡车—电铲混合整数规划模型 |
| 5.3 产能目标的约束不等式 |
| 5.4 求解算法设计 |
| 5.4.1 三阶段算法过程 |
| 5.4.2 代理指标分析 |
| 5.5 计算实验 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 在学研究成果 |
| 致谢 |
（7）智慧露天矿山建设基本框架及体系设计（论文提纲范文）
| 目录 |
| 0 引言 |
| 1 智慧露天矿山的定义 |
| 2 智慧露天矿山建设原则 |
| 2.1 智慧单元—智慧系统—智慧大系统建设原则 |
| 2.2 数字化—自动化—智能化建设原则 |
| 3 智慧露天矿山建设基本构想 |
| 3.1 智慧化系统之一:露天矿基础支撑智慧化 |
| 3.2 智慧化系统之二:露天矿时空演化智慧化 |
| 3.3 智慧化系统之三:露天矿设备及工艺智慧化 |
| 3.4 智慧化系统之四:露天矿生产计划与工程管理智慧化 |
| 3.5 智慧化系统之五:露天矿综合管理智慧化 |
| 4 智慧露天矿山建设关键技术 |
| 4.1 智慧单元层级———传感器软硬件技术 |
| 4.2 智慧系统层级———单元通讯技术 |
| 4.3 智慧大系统层级———系统集成技术 |
| 5 智慧露天矿山体系、框架、内容和目标 |
| 5.1 体系结构 |
| 5.2 总体框架 |
| 5.2.1 智慧化露天矿总体框架 |
| 5.2.2 整个流程设计 |
| 5.3 建设内容 |
| 5.3.1 基础支撑智慧化系统规划目标 |
| 5.3.2 时空演化智慧化系统规划目标: |
| 5.3.3 露天矿设备及工艺智慧化系统规划目标 |
| 5.3.4 露天矿生产计划与工程管理智慧化系统规划目标 |
| 5.3.5 露天矿综合管理智慧化系统规划目标 |
| 5.4 建设目标 |
| 5.4.1 建设重点问题之一 |
| 5.4.2 建设重点问题之二 |
| 5.4.3 建设重点问题之三 |
| 6 结论 |
| 6.1 提出了智慧露天矿山建设基础理论 |
| 6.2 提出了智慧露天矿山建设评价标准 |
（8）基于多目标遗传算法的露天矿卡车调度优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 露天矿卡车调度系统国内外发展现状 |
| 1.2.2 露天矿卡车调度优化国内外研究现状 |
| 1.2.3 研究现状述评 |
| 1.3 本文研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文创新点 |
| 1.5 本章小结 |
| 2 相关理论与算法 |
| 2.1 露天矿卡车调度问题概述 |
| 2.1.1 露天矿卡车调度概念与特点 |
| 2.1.2 露天矿卡车调度基本理论 |
| 2.2 多目标优化理论及多目标遗传算法 |
| 2.2.1 多目标优化理论 |
| 2.2.2 多目标遗传算法概述 |
| 2.3 多目标遗传算法介绍 |
| 2.3.1 多目标加权遗传算法 |
| 2.3.2 NSGA-Ⅱ算法 |
| 2.3.3 NSGA-Ⅲ算法 |
| 2.4 本章小结 |
| 3 露天矿卡车调度多目标优化模型 |
| 3.1 露天矿卡车调度数学模型构建分析 |
| 3.1.1 卡车调度需求分析 |
| 3.1.2 调度运输模式分析 |
| 3.2 露天矿卡车调度单目标优化模型 |
| 3.2.1 卡车调度单目标优化模型目标函数 |
| 3.2.2 卡车调度单目标优化模型约束条件 |
| 3.3 露天矿卡车调度多目标优化模型 |
| 3.3.1 多目标优化模型目标函数构建 |
| 3.3.2 多目标优化模型约束条件 |
| 3.4 本章小结 |
| 4 基于多目标遗传算法的卡车调度问题求解 |
| 4.1 算法关键问题设计 |
| 4.1.1 卡车调度问题编码 |
| 4.1.2 初始种群的产生 |
| 4.1.3 遗传算子的设计 |
| 4.1.4 约束处理 |
| 4.1.5 算法要点解析 |
| 4.2 单一矿石规划模拟算例 |
| 4.2.1 单一矿石模拟算例参数 |
| 4.2.2 多目标加权遗传算法求解 |
| 4.2.3 基于NSGA-II算法的求解 |
| 4.2.4 基于NSGA-III算法的求解 |
| 4.2.5 不同方法计算结果对比分析 |
| 4.3 矿岩混合规划模拟算例 |
| 4.3.1 矿岩混合模拟算例参数 |
| 4.3.2 基于NSGA-III的求解 |
| 4.4 本章小结 |
| 5 河南M露天矿卡车调度优化与应用 |
| 5.1 河南M露天矿卡车调度概述 |
| 5.2 河南M露天矿智能调度系统 |
| 5.2.1 系统配置部署 |
| 5.2.2 系统功能简介 |
| 5.3 河南M露天矿调度优化应用 |
| 5.3.1 数据获取 |
| 5.3.2 优化结果 |
| 5.3.3 实时调度 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 致谢 |
（9）基于位置服务的露天矿车铲生产效率测度与优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 矿用设备生产效率研究现状 |
| 1.2.2 位置服务技术研究现状 |
| 1.2.3 研究现状述评 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 主要研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 本章小结 |
| 2 相关理论与技术 |
| 2.1 OEE效率理论 |
| 2.2 位置服务技术 |
| 2.2.1 GPS定位技术 |
| 2.2.2 GPRS无线通信技术 |
| 2.2.3 RFID射频识别技术 |
| 2.2.4 称重传感器技术 |
| 2.3 本章小结 |
| 3 露天矿车铲生产效率测度 |
| 3.1 露天矿车铲生产效率测度分析 |
| 3.1.1 车铲生产效率影响因素 |
| 3.1.2 矿用设备生产效率测度方法 |
| 3.1.3 车铲生产效率测度指标确定 |
| 3.2 基于OEE的露天矿车铲使用效率测度 |
| 3.2.1 基于OEE的车铲使用效率分析模型 |
| 3.2.2 基于OEE的车铲使用效率计算模型 |
| 3.3 基于位置服务的露天矿车铲作业效率测度 |
| 3.3.1 运输汽车作业效率测度方法 |
| 3.3.2 装载电铲作业效率测度方法 |
| 3.4 本章小结 |
| 4 露天矿车铲生产效率优化 |
| 4.1 勺容比匹配 |
| 4.1.1 勺容比分析 |
| 4.1.2 勺容比优化 |
| 4.2 车铲比匹配 |
| 4.2.1 车铲比分析 |
| 4.2.2 车铲比优化 |
| 4.3 车铲优化配置模型 |
| 4.4 本章小结 |
| 5 露天矿车铲生产效率管控系统设计与实现 |
| 5.1 系统总体架构设计 |
| 5.1.1 系统结构及组成 |
| 5.1.2 系统硬件平台设计 |
| 5.1.3 系统软件平台设计 |
| 5.2 车铲终端数据采集与处理系统 |
| 5.2.1 车铲终端数据采集 |
| 5.2.2 GPRS数据通讯管理 |
| 5.2.3 采集数据实时分析及处理 |
| 5.3 车铲生产效率测度系统 |
| 5.3.1 车铲使用效率测度 |
| 5.3.2 车铲作业效率测度 |
| 5.4 本章小结 |
| 6 内蒙古G露天矿车铲生产效率测度与优化 |
| 6.1 内蒙古G露天矿概述 |
| 6.2 内蒙古G露天矿车铲生产效率管控系统 |
| 6.2.1 系统部署 |
| 6.2.2 系统主要功能 |
| 6.3 内蒙古G露天矿车铲生产效率测度 |
| 6.3.1 车铲使用效率 |
| 6.3.2 车铲作业效率 |
| 6.4 内蒙古G露天矿车铲生产效率优化 |
| 6.5 应用结果分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者在读期间研究成果 |
| 致谢 |
（10）露天矿运输系统优化与卡车调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的来源、目的及意义 |
| 1.1.1 研究的来源和目的 |
| 1.1.2 问题的研究意义 |
| 1.2 研究背景及相关研究动态 |
| 1.2.1 露天矿开采工艺 |
| 1.2.2 露天矿生产调度问题的研究现状 |
| 1.2.3 其他车辆调度问题的相关研究 |
| 1.2.4 露天开采中间桥运输系统 |
| 1.3 本文的研究路线及主要工作 |
| 1.3.1 本文的研究路线 |
| 1.3.2 本文的主要工作 |
| 第2章 露天矿中间桥运输系统优化 |
| 2.1 引言 |
| 2.2 中间桥优势分析 |
| 2.3 中间桥运输优化模型 |
| 2.3.1 运距模型 |
| 2.3.2 二次剥离量计算模型 |
| 2.4 中间桥运输系统在复杂地质条件下的可行性分析 |
| 2.4.1 采场坑底水平高于内排基底水平 |
| 2.4.2 采场坑底水平低于内排基底水平 |
| 2.5 中间桥桥体稳定性 |
| 2.5.1 理论体系构建 |
| 2.5.2 车辆荷载下Fellenius改进算法 |
| 2.5.3 车辆荷载下Bishop改进算法 |
| 2.6 实例 |
| 2.6.1 安家岭露天矿生产条件 |
| 2.6.2 中间桥桥体稳定性研究 |
| 2.6.3 不同地质条件下适用性分析 |
| 2.7 本章小结 |
| 第3章 露天矿卡车的运行条件和调度目标分析 |
| 3.1 露天矿间断式开采工艺与设备 |
| 3.1.1 露天开采工艺与“电铲－卡车”生产系统 |
| 3.1.2 露天矿运输路网与最优路径 |
| 3.1.3 露天矿开采中的采装和运输设备 |
| 3.1.4 露天矿开采工作面的推进及其对电铲采装的影响 |
| 3.2 卡车调度的条件和要求 |
| 3.2.1 天矿卡车调度与生产计划 |
| 3.2.2 卡车运行速度和路段运行时间 |
| 3.2.3 剥采比和矿石配比 |
| 3.2.4 卡车调度需要考虑的其它因素 |
| 3.3 卡车调度模型中的常见前提假设和优化目标 |
| 3.4 本章小结 |
| 第4章 一类露天矿卡车调度问题的建模和优化方法 |
| 4.1 引言 |
| 4.2 问题描述和数学模型 |
| 4.2.1 问题描述 |
| 4.2.2 问题的混合整数规划模型 |
| 4.3 问题的有效不等式、性质和上界 |
| 4.3.1 问题的有效不等式 |
| 4.3.2 最优解属性 |
| 4.3.3 问题上界 |
| 4.4 问题的启发式算法 |
| 4.4.1 构造启发式算法 |
| 4.4.2 改进策略 |
| 4.5 计算实验 |
| 4.6 本章小结 |
| 第5章 考虑煤质配比的露天矿卡车调度问题的建模和优化 |
| 5.1 问题描述与建模 |
| 5.1.1 问题描述 |
| 5.1.2 问题的混合整数规划模型 |
| 5.2 问题的上界和有效不等式 |
| 5.2.1 问题的松弛模型和上界 |
| 5.2.2 问题的有效不等式 |
| 5.3 固定配车和补充配车相结合的调度方案 |
| 5.3.1 组合回路的概念 |
| 5.3.2 固定配车方案 |
| 5.3.3 补充配车问题 |
| 5.3.4 针对排土回路的补充配车方法 |
| 5.3.5 针对运煤回路的补充配车方法 |
| 5.4 针对突发情况的重调度 |
| 5.4.1 针对道路障碍的重调度 |
| 5.4.2 针对设备故障的重调度 |
| 5.5 卡车调度问题的其他要求及求解方法 |
| 5.5.1 考虑矿山运输路网流量平衡的露天矿卡车调度 |
| 5.5.2 设备操作时间波动与调度计划可靠性 |
| 5.6 数据实验 |
| 5.6.1 算法实现 |
| 5.6.2 算例来源 |
| 5.6.3 计算结果与分析 |
| 5.7 本章小结 |
| 第6章 露天矿生产管理信息系统与卡车调度决策支持系统 |
| 6.1 露天矿生产管理信息系统 |
| 6.1.1 露天矿生产管理涉及的信息类型 |
| 6.1.2 通信网络和设备 |
| 6.1.3 露天矿生产管理信息系统的功能 |
| 6.2 卡车调度决策支持系统 |
| 6.2.1 实时监控视图 |
| 6.2.2 自动调度操作方式 |
| 6.2.3 混合调度操作方式 |
| 6.2.4 在线调度操作方式 |
| 6.3 本章小结 |
| 第7章 结论与展望 |
| 参考文献 |
| 作者攻博期间发表和撰写的论文 |
| 作者攻博期间参与的科研项目和获奖 |
| 致谢 |
四、金属露天矿山汽车自动调度系统及其应用（论文参考文献）
- [1]基于机器学习的露天矿卡车油耗预测分析及调度研究[D]. 王骞. 西安建筑科技大学, 2021(01)
- [2]金属露天矿油电混编卡车调度优化及应用研究[D]. 金裕. 西安建筑科技大学, 2021(01)
- [3]多金属露天矿多目标短期精细化配矿计划优化研究[D]. 吕艳红. 西安建筑科技大学, 2020(01)
- [4]露天矿无人驾驶卡车多目标车流分配调度算法及应用[D]. 莫明慧. 西安建筑科技大学, 2020(01)
- [5]基于机器学习的露天矿卡车状态运行时间预测及调度应用[D]. 马平平. 西安建筑科技大学, 2020
- [6]基于随机过程的露天矿生产系统调度方法研究[D]. 刘设. 沈阳工业大学, 2019(01)
- [7]智慧露天矿山建设基本框架及体系设计[J]. 张瑞新,毛善君,赵红泽,郭苏煜,贾宏君,赵学彬,孙健东,王群,李淋,马远平,王宇新,郭帅,鲍海明,林钰淇. 煤炭科学技术, 2019(10)
- [8]基于多目标遗传算法的露天矿卡车调度优化研究[D]. 张明. 西安建筑科技大学, 2019(06)
- [9]基于位置服务的露天矿车铲生产效率测度与优化研究[D]. 钱维秀. 西安建筑科技大学, 2018(01)
- [10]露天矿运输系统优化与卡车调度问题研究[D]. 常永刚. 沈阳工业大学, 2018(11)