智能仿真實時控制在露天礦運輸網絡中應用

沈泓 馮晴

摘要：基于露天礦運輸網絡特點，以挖掘鏟位置調度卡車在運輸網絡中運行， 實施軌跡跟蹤策略，采用模型預測控制而設計的智能仿真實時控制系統，將閉環反饋校正嵌入動態控制律中，設置具有多處理技術的模擬器，用建模語言UML（USE CASE）建模及系統優化過程，用特定仿真模型設計編碼，提高系統可靠性。文中真對不同實際狀態做模擬仿真實驗，通過對實驗結果分析，顯示智能仿真實時控制調度露天礦運輸網絡，跟大程度上提高生產效率。

關鍵詞：實時控制；仿真建模；卡車管理；穩定性； 智能仿真

DOI：1015938/jjhust201705017

中圖分類號： TD273

文獻標志碼： A

文章編號： 1007-2683（2017）05-0091-06

Application of Intelligent Simulation Real Time Control in Surface Mine Transportation Network

SHEN Hong1，FENG Qing2

（1School of Computer Science and Technolong， Harbin University of Science and Technology，Harbin 150080，China；

2University of Limerick Department of Electronic & Computer Engineering， Limerick， Ireland）

Abstract：Based on the characteristics of openpit transportation network， digging shovel position to dispatch the truck in the transportation network operation， the implementation of trajectory tracking strategy， the design of the intelligent simulation and realtime control system， the embedded dynamic correction closedloop feedback control law， USES the model predictive control， set up the simulator has more processing technology， with a modeling language UML， USE CASE modeling and the system optimization process， with specific design code， a simulation model to improve system reliability Really do simulation experiment on different actual status， through analyzing the experimental results show that intelligent simulation and realtime control scheduling openpit transportation network， improve the production efficiency

Keywords：realtime control； simulation modeling； truck management； stability； intelligent simulationbased

收稿日期： 2016-06-02

基金項目： 國家自然科學基金（61305001）

作者簡介：

沈泓（1966—），女，高級工程師，Email：shong3000@126.com；

馮晴（1993—），女，碩士研究生

0引言

露天礦運輸網絡是復雜高度隨機環境。卡車為一個矢量，派遣往返在各個站點，導致卡車管理在動態、不可預測的非線性環境下。在建立露天礦運輸網絡控制系統時，采用定期更新的嵌入動態控制律，使系統具有智能仿真實時控制特性。

基于閉環反饋校正的動態控制法基礎上建立的預測模型控制系統，結構設計和操作使用基于統一建模語言（UML）的面向對象的建模方法。通過比較傳感器反饋信號與設定的參考值的比較量，使內部仿真模型預測系統在預測范圍的輸出，觸發控制器的更新系統進行狀態仿真優化過程；優化過程最終找到下一控制回路的控制規律，系統使用SA（simulated annealing）仿真優化方法計算最優控制律；此控制規律使傳感器反饋信號和參考值之間差距最小。參考值是根據生產計劃和管理者的要求提前設定的。智能仿真實時控制系統是在并行計算環境下實現，使交通運輸系統運作效率更高。

1智能仿真實時控制系統

11智能仿真實時控制系統框架

找到控制基準線是一個內部仿真模型用來預測系統輸出是否在預測范圍內的關鍵。預測控制方案框圖模型如圖1所示。

由圖可見，參數輸入量與傳感器采集反饋信號比較，產生誤差后，信號進入優化器。用UML規范標準將實時應用特征嵌入到智能仿真實時控制系統中。

12仿真實時控制系統的UML（USE CASE）模型

在USE CASE模型中，定義了以下行為：傳感器、顯示機構（執行器）、控制器、參考輸入和設置參數。傳感器和顯示機構為實時系統的主要部分。控制器通過傳感器獲得所需的反應通過顯示機構指導卡車運行。endprint

對于這個實時系統，外部對象之間的相互作用如圖2所示。

13智能仿真實時控制系統

為確保控制系統的并發性，作為活動對象的顯示機構、傳感器和控制器同時參與系統互動，每個對象都有其適當的控制線程。控制器通過傳感器獲得反饋信息，調用信息在顯示器顯示，進而調控優化對象的運行，實現與實際系統同動、實時交互。在并行計算過程中生成控制律并優化，并將控制律嵌入到閉環控制動。控制對象將自行運行此控制律，不再與控制器分享地址空間。

使用Alt算子設計仿真實時控制系統操作模式，如圖3所示。

仿真優化過程是控制器產生子模擬器過程，模擬器是控制系統的預測模型。當接收到傳感器捕獲的實際系統狀態的反饋信號時，仿真優化過程開始計算預測模型。當獲得最佳的解決方案，控制器停止執行，新進程會破壞前模擬器，并在下一個控制中執行，將預測模型發送給下一控制層中執行器執行。此預測模型將大限度地減少參考值與系統性能的偏差。在瞬態模式和穩態模式，閉環的執行時間是由新的預測模型執行的時間控制的。如果控制律處理系統的實際狀態遭到破壞，控制器破壞最后創建模擬器的子進程。這個操作可以防止模擬優化過程中，使用一個無效的預測模型。在指定的控制層上定義預測模型，所需的計算時間小于控制回路發送周期性信號的時間。

2系統仿真優化模擬模型

實施優化模擬的最終目的是盡量減少從傳感器的反饋的噸位信息和控制器計算的目標噸位差距。在形成預測模型中，找到一個向量的輸入變量的值，對形成目標函數的值有非常重要的作用。通過優化方法進行迭代計算，產生一組作為模擬模型輸入的值。每個挖掘鏟所挖掘的噸位是仿真模型估計的目標函數，是下一個預測基準。

在仿真優化模擬模型中，用p作為定義輸入的可運行區域ψ，ψ≡（ψ1，ψ2…ψq），q為隨機輸出變量，y≡（Y1，Y2，…Yq），y是ψ的一個函數，C（Y）是Y的實函數，Y結合Q輸出的變量，為一個單一的隨機輸出變量。ψ目標是確定的值F（ψ）仿真響應函數，進行優化。代表性的是：在F（ψ）=E/C（Y（ψ））選擇ψ∈ψF（ψ）

選擇優化算法SA（simulated annealing）實施優化模擬。用生產計劃的最佳目標量和實際生產中每一鏟挖掘量之間的誤差來評價成本函數。生產計劃是離線計算的，為下一個操作做參考輸入。假定系統在開始運行時，每個挖鏟的轉載量已經定義，且每一鏟的生產量與時間幾乎成線性關系。

3露天礦智能仿真的實時控制方案

31運輸網絡模型定義

露天與地下開采相比，具有資源利用充分等優點，適用大型機械施工，但受氣候影響較大，所處的環境也是高度動態的和隨機的，對設備效率及勞動生產率都有一定影響[14]。露天礦運輸網絡包含采裝、運輸和卸載（卸礦和排廢）三個過程。料運輸是露天礦作業的重要工作之一，工作流程如下：

運送礦料卡車隊在礦料站（S）等待裝載貨物，站內挖礦鏟不斷往卡車裝載礦料；卡車通過運輸網絡將裝載的礦料送到破碎機（C）處粉碎，再將粉碎好的礦料運到發送站（D），廢料運到垃圾場（WD），在每個發送站（D）和垃圾場（WD）要求一輛卡車卸下它的負荷后，并將卸下負荷鏟平；如卡車測試點溫度達到預警溫度，卡車進入發送站（D）降溫，當卡車測試點溫度達到可運行溫度，調控卡車加入網絡運輸。卡車在運輸網絡中以一定周期往返運行。

卡車在一個傳送站卸下它的負載后，控制系統提出下一個調度命令：到達指定的挖掘鏟處，在每個卡車的顯示機構顯示挖掘鏟位置，卡車根據導航系統行駛到相應的配貨站。控制系統以挖掘鏟位置調度一組卡車在運輸網絡中運行。

露天礦運輸網絡中，卡車是控制對象，沿交通網絡放置用于閉環反饋校正的傳感器（如在每個卡車、交付站、破碎機、垃圾場、補給站、發送站、配送站等處）。當卡車進入或離開工作場所，“開啟傳感器”和“關閉傳感器”分別發出信號。在卡車卸載的這段時間間隔里，控制法計算生成。在圖3中{新控制律執行的時間<=關閉傳感器時間-開啟傳感器時間}。

實施實時控制的關鍵問題是嵌入到控制交通系統中的模型是高逼真度的仿真模型，必須與實際系統行為保持一致；對于實時控制的內部模型（模擬器）在建模中，卡車必須作為一個有感知控制行為能力的自主對象，而調度指令根據卡車在運輸網絡中的動作（平穩行駛、、加速、減速、停止）做出反應。因此，建模變量必須與提供的數據是一致的，這要求在模型中跟蹤在運輸網絡上的每一個卡車的實際位置。

新的控制律對卡車進行調度，調度指令最大限度地減少所取得的信息和參考值之間的瞬時誤差。參考值是一個線性函數，是從生產實踐中每一挖掘鏟移動中得到的。

32運輸網絡調度集

在破碎機（C）處，假設一個控制過程用時10min，即控制回路的周期=10s。由于在一個時間內只有一輛卡車可以傾倒，而傾倒的操作至少需要4min；破碎機的調度集：

set C is then |C|=3

破碎機完成的時間必須在10min內，即C的上限為10s。

例如：當C={S1，S3，S3}時。最初離開傳送站的卡車，在未來10min內，將被派遣到第一個挖掘鏟處，第二個離開的卡車被派到第三挖掘鏟處，如此這樣繼續下去。

中等規模的交通網絡（圖4a），有三個配送站（挖掘鏟：S1，S2，S3），雙配送站用一個破碎機（C）和一個垃圾場（WD）。卡車停在發送站（D）。交通網絡是由在圖中的相應距離的路段組成的。網絡車隊采用共15輛卡車。

大型交通網絡（圖4b），有10個配送站（挖掘鏟：Si，i=1，… 10）和三個傳送站，每個傳送站包含：破碎機（C），垃圾場（WD）和補給站（SP）。網絡車隊采用共60輛卡車隊。

3.3網絡仿真控制模型

模擬器實時控制系統僅編譯一次。在執行的仿真優化過程中，預測模型作為一個全局變量，被一個可執行文件的簡單調用，單獨編碼并鏈接到外部文件，就不需要再運行仿真過程，也不需要在每個評價中編譯仿真模型。因此，在仿真的優化評價過程中，消除最耗時的操作，大大提高系統運行速度。endprint

對于仿真模型中的觀察模塊，通過添加同外部（控制）系統的通信機制實現與實際系統的相互作用。在模塊與實際系統之間的通信通道是用C++語言編程的，這樣使得在進程間通信中傳遞消息的響應時間（01s）發揮很高的效律。

實時控制方案編碼模塊圖5中所示。控制方案的核心模塊是使用C++編程語言進行編碼的，包括優化器。模擬器是預測模塊，模擬器使用Siman/Arena1仿真語言編碼。

4實驗

控制采用總運輸噸位輸出量衡量露天礦運輸系統輸出的性能。以下實驗在穩態條件下和瞬態條件下完成。

配送站C破損需要至少4min， WD和SP操作需要3min。為了滿足預先定義的時間規范（圖3）：{新控制律執行的時間<=關閉傳感器時間-開啟傳感器時間}，允許計算新的控制律的時間上限為3min。為了保護啟動系統狀態的有效性，選擇了120秒時間的上限，在此時間內模擬優化過程完成。

41優化控制在穩態條件下運行

以下實驗假設露天礦運輸系統是在穩態條件下，不發生突然的狀態變化發生（鏟或卡車故障，道路部分堵塞等）。

411中等規模運輸網絡

在開環控制管理（即靜態控制律）和閉環優化控制動態控制管理下，用150min做三個模擬研究。實驗數據如表1所示，實驗仿真圖如圖6所示：

從圖6中察覺到，首先，開環控制的系統的性能比閉環優化控制系統的性能在變壞，且約80min后開始的轉變，總運輸噸位減少。在150min后，開環控制下的總噸位等于13680t；而閉環控制（閉環控制周期=20min）總噸位達17760t，開環控制運行時卡車調度決策造成將近30%的損失。其次，比較閉環優化控制的系統中，控制回路周期在20min和控制回路周期在40min時制系統的性能，察覺到對總產量影響不大，總噸位從17760t減少16560t，減少7%。

可見，中等規模的交通網絡中，在穩定的狀態下，當相對控制總時段，控制回路周期較小時，控制系統性能表現更好。

412大規模運輸網絡

閉環優化控制動態控制管理下，實驗時間同一為150min。實驗數據如表2所示，模擬結果在圖7。閉環控制周期采用20min比40min控制系統的性能更好。可見，相對于整體控制范圍而言，控制回路周期短，生產率增長近14%。因此，在大規模交通網絡中，控制回路周期較短，對卡車管理更有效。

總之，在整個資源共享的運輸網絡中，大型車隊將產生大數量的交通量，會導致更多的系統狀態擾動。由于交通行為的隨機性，控制范圍較長，使系統變得更加不可預測。對于更大、更擁擠的交通網絡，需要控制律頻繁生成。

42優化控制在瞬態條件下運行

天氣惡化會改變卡車運行條件，這種不可預知的突變干擾事件可導致卡車額定速度下降約50%，以此做為非周期干擾做忽略干擾和考慮非周期干擾兩個實驗。

在控制回路周期內當遇到擾動的環境狀態時，一是忽略干擾，通過大幅降低實際速度，等待下一個控制周期；其二，考慮非周期干擾，對系統實施智能優化控制。

實驗時間同一為150min，控制回路周期40min。實驗數據如表3所示，模擬圖如圖8所示：當下一個控制周期到來之前，在有干擾的新運行條件下，忽略非周期干擾，控制器不設計與實際系統相配合的卡車調度指令，此時總運輸噸位14880t；當控制器對周期干擾反應，計算出一個新的控制律適應實際系統，此時總運輸噸位16560t。比較兩種控制狀態，有113%的生產收益。可見，忽略干擾，系統的性能下降。

事實上，突然的速度變化會影響交通狀況。如果卡車調度指令設計在干擾生成之前，對于應付新的交通運輸環境是沒有效率的。智能仿真的實時控制通過實時生成卡車調度指令，實現對非周期性干擾的反應，使系統輸出性能增益大大提高。

5結語

通過使用基于UML規范方法優化控制系統，設置生成具有多處理技術子進程的模擬器，并設計編碼特定仿真模型參與控制，將并發性和反應性嵌入實時應用程序，用離線、靜態情況下計算的參考值重新評估這下一個目標，不斷更新控制律，實現調度卡車在閉環控制管理中運行，控制露天礦運輸網絡運輸，使得系統穩定運行，大大提高生產效率。

參 考 文 獻：

[1]一種具有容錯機制的MapReduce模型研究與實現[J]. 西安交通大學學報，2014（2）：91-93

[2]史椸，耿晨，齊勇一種具有容錯機制的MapReduce模型研究與實現[J]. 西安交通，2013（4）：82-86

[3]張建忠，傅小波，廖祖華N（2，2，0）代數的（∈，∈∨q（λ，μ））-模糊正關聯理想[J]. 計算機科學與探索，2013（2）：103-105

[4]姜莉，馬遠新B基于仿真軟件的虛擬電工電子實驗室的建設[J].福建電腦，2010（6） ： 18-19

[5]汪華東，郭嗣琮基于因素空間反饋外延外包絡的DFE決策[J]. 計算機工程與應用，2013（4）：72-75

[6]王金艷，谷文祥，覃少華，殷明浩擴展規則方法研究綜述[J]. 智能系統學報，2014（1）：90-96

[7]趙宇，楊軍，馬小兵可靠性數據分析教程[M〕北京：北京航空航天大學出版社，2014：171

[8]阮治明 二級倒立擺系統的最佳控制[J]. 兵工自動， 2014，25（1）：60～63大學學報，2014（2）

[9]代才，王宇平，何曉光一種新的高維多目標問題的排序方法[J]. 西安電子科技大學學報，2014（6）：103

[10]孫大為，張廣艷，鄭緯民大數據流式計算：關鍵技術及系統實例[J]. 軟件學報，2015（2）：32-34endprint

[11]齊學梅，王宏濤，陳付龍，羅永龍求解多目標 PFSP 的改進遺傳算法[J]. 計算機工程與應用，2014（4）：90-91

[12]胡宇，呂征宇 IGBT驅動保護電路的設計與測試[J].機電工程，2014，25（7）：58-60

[13]韓東穎，李冰洋，時培明基于神經網絡-模糊PID的軋機非線性扭振智能控制[J]. 噪聲與振動控制，2016（5）：6（4）

[14]劉勇，梁利華，曲建民微電子器件及封裝的建模與仿真[M].北京：科學出版社，2010：25-26

[15]SOUZA V， LAPOUCHNIAN A， ANGELOPOULOS K， et al Requirementsdriven Software Evolution[J]Computer ScienceResearch and Development， 2013， 28（4）： 311-329

[16]PENG X， CHEN B， YU Y， et al Selftuning of Software Systems Through Dynamic Quality Tradeoff and Valuebased Feedback Control Loop[J] Journal of Systems and Software， 2012， 85（12）： 2707-2719

[17]FU L， PENG X， YU Y， et al Stateful Requirements Monitoring for Selfrepairing Sociotechnical systems[C]//Proceedings of he 20th IEEE Conference on Requirements Engineering，Chicago， USA ，2012： 121-130

[18]MARZOUQI Hamad， AlQUTAYRI Mahmoud， SALAH Khaled Review of Elliptic Curve Cryptography Processord Esigns[J] Microprocessors and Microsystems， 2015， 39（2）： 97-112

[19]GALUZZI Carlo，THEODOROPOULOS Dimitris， MEEUWS Roel， et al Algorithms for the Automatic Extension of an Instructionset Proceedings of the Design[J]. Automation and Test in Europe Nice， France， 2009： 548-553

[20]GE HaiTong32bit Highperformance Embedded CPU Processor and Platform Development[PhDThesis][D]. Zhejiang University， Hangzhou， 2009 （in Chinese）

（編輯：王萍）endprint