平行系統方法在自動化集裝箱碼頭中的應用研究

鄭松 吳曉林 王飛躍 林東東 鄭蓉 柯偉林 池新棟 陳德旺

隨著經濟全球化的發展,目前國際貿易中大部分貨物是采用集裝箱的方式進行運輸的.港口承擔著集裝箱的水陸裝卸及暫存功能,如何提高集裝箱運輸過程中港口的作業效率,降低產品的總成本,已成為全球物流業共同關注的課題[1].從多個國家在港口自動化方面的長期探索及實踐來看,引入自動化集裝箱碼頭信息控制系統(Container terminal information control systems,CTICS)是提高港口作業效率的主要途徑[2?5].自1993年世界上第一個自動化集裝箱碼頭控制系統在荷蘭鹿特丹港投入運行以來,自動化碼頭技術在港機設備改進和碼頭管理軟件的優化上經歷了四代的發展和演化,但是到目前為止全球也只有為數不多的幾個自動化集裝箱碼頭在運行.其根本原因就在于CTICS是一類典型的復雜系統,內含不計其數的作業方案和大量的約束條件,其工程實現難度很大.如何在滿足最短時間和最低能源消耗等優化指標的前提下,完成具有間歇和批次特征的集裝箱轉運任務,是涉及到數學、控制、管理和計算機等多個學科的復雜問題.目前所使用集裝箱碼頭自動化系統計算環境結構都非常復雜,子系統之間耦合性強,它的設計、開發和運維的成本非常高,這在很大程度上抵消了自動化系統效率提升所帶來的效益.因此,如何判定一種計算結構和相應的控制算法是否科學和有效就成為了CTICS研究和應用中亟待解決的一個科學問題.平行系統理論為此提供了有效的方法.

平行系統是指由某一個自然的物理系統和對應的一個或多個虛擬或理想的人工系統所組成的共同系統[6].在這一共同系統中,人工系統被認為是實際復雜系統另一種可能的實現方式,能夠以更加主動的、動態適應的方式介入物理系統的管理和控制,從而降低復雜系統的研究難度[7?8].如何在降低CTICS復雜性的同時又能提高其控制品質是自動化集裝箱碼頭工程技術研究與發展的主要目標.前者主要依靠分布式計算[9]來實現,后者則可依靠虛實交互的技術來解決[10].雖然平行系統理論在這方面能夠發揮重要作用,但是我們如何能夠有效完成平行系統中的計算任務,目前的研究相對不足.

為此,本文提出一種平行集裝箱碼頭信息控制系統(Parallel container terminal information control systems,PCTICS)體系架構,并研究該系統的計算環境,以滿足平行系統虛實互動的計算要求.我們認為,在平行世界里,人工系統和物理系統的計算環境應該具有算法及執行的一致性,才能保證計算實驗的有效性,才能滿足虛實交互的技術要求.在這里我們采用數據引擎的理論與方法來建立這樣一種計算環境,并通過多代理軟件工程的方法建立了碼頭信息控制人工系統的分布式結構.利用數據引擎的可視化與可動態重構的特性,對該人工系統進行了計算實驗,同時也探討了平行控制工程實現的基本原理,從而為碼頭信息控制系統的發展開辟了一條新的途徑.本文其余部分結構如下.第1節介紹了集裝箱碼頭信息控制系統相關技術的研究現狀.第2節闡述了平行控制與數據引擎的基本原理.第3節給出平行碼頭的定義及平行碼頭信息控制系統的體系架構.第4節介紹平行碼頭算法組態與系統部署.第5節展示了平行碼頭的實驗案例與結果分析.最后在第6節進行了總結和展望.

1 碼頭信息控制系統

CTICS在全球集裝箱碼頭中應用已成為該領域技術發展的大趨勢,也是近年來研究的熱點課題[11?14].該系統要求能夠批次地、準確、高效地處理大量集裝箱的作業任務,涉及集裝箱進出碼頭過程中港機設備的調度、裝卸轉運,以及船圖和庫存等信息的存儲和管理.由于在處理集裝箱碼頭信息控制過程時存在港灣自然環境差異、船艙及堆場集裝箱分布變化、自動引導車(Automated guided vehicle,AGV)運載路線調整,及操作人員臨時介入等諸多不確定因素,而且這些因素之間還存在不同程度的相互影響,所以在一般情況下,我們是很難判定一種CTICS是否能夠滿足碼頭生產所有工況的需求.

近年來,學術界對于CTICS的研究大多集中在碼頭系統的架構、仿真、產能和效率的評估上[15?26].Xin等分析了碼頭系統離線調度存在的問題,采用交互機來降低集裝箱處理系統的延遲,以節省系統調度時間[27].Homayouni等從理論上分析了采用遺傳算法提高碼頭設備調度的可行性和性能[28].Yang等構建了一個基于參數化設計思想的新型仿真系統,對采用軌道交通的自動化碼頭效率進行了分析評估[29].Kim等設計了一種基于Java的面向對象的仿真系統,用于自動化碼頭的控制策略研究[30].Xin等提供了一種以節能的方式提高自動化集裝箱碼頭處理能力的方法,可有效降低碼頭成本,提高產量[31].

鑒于多代理系統具有分布式并行處理和可維護性高等特點,許多研究者也十分關注如何應用多代理系統方法構建高效的自動化集裝箱碼頭信息控制系統,并在碼頭模型、規劃、調度和決策等方面取得了顯著的成果[32?36].Thurston等曾設計一種基于分布式多智能體系統(Multi-agent system,MAS)的集裝箱碼頭調度系統,并分析了多代理系統在提高碼頭運作能力方面的可行性[32].Li等應用哈弗架構和代理計算的方法建立了集裝箱碼頭物流系統的運算處理模型[33].Rebollo等提出了一個基于多智能體的系統架構,用于解決港口集裝箱碼頭的管理問題[34].王祥雪等針對振華重工碼頭的運作特點,采用MAS方法將碼頭中的裝卸設備抽象為具有一系列屬性和方法的智能體,構建出自動化碼頭協同作業系統模型,為自動化碼頭調度優化提供一定的理論指導[35].

由于CTICS的復雜性,早期基于多代理的碼頭系統研究多聚焦在堆場理箱、AGV調度、泊位控制等碼頭作業的局部系統中.然而自動化碼頭的高效運作離不開各子系統的協同工作,每個處理單元若不能在架構上得到統一地設計,將導致系統內部數據交互的成本大幅度上升.因此,近年來針對整個CTICS業務流程的管理及其控制問題也逐漸受到了學術界的關注.Choi等介紹了一種集裝箱碼頭的企業資源規劃(Enterprise resource planning,ERP)系統方法,目的在于處理集裝箱碼頭運營中整體信息資源整合不足,用戶數據斷開和數據不準確等問題[37].Hoshino等提出了一種以自動引導車、自動轉運起重機(Automatic transfer crane,ATC)和碼頭集裝箱起重機(Quay crane,QC)為主要設備的雙層集裝箱裝卸作業模型,以提高碼頭的運營效率,并驗證了模型的有效性[38].李斌等將經典的PID(Proportion integration differentiation)控制引入到港口的生產調度中,形成了一種新的調度算法,以此獲得集裝箱碼頭物流系統(Container terminal logistics systems,CTLS)最優的生產策略[39].

2 平行控制與數據引擎

平行控制是一種基于ACP理論的,以數據驅動、虛擬交互為特征的控制方法[8].人工社會(Artificial societies)、計算實驗(Computational experiments)和平行執行(Parallel execution)是ACP方法的3個基本構成,也是相對獨立的組成部分.如圖1所示,平行控制的核心思想是借助人工系統將復雜系統問題擴展為多個虛擬問題,使得實際問題簡單化,然后通過物理系統與人工系統的平行互動,采用管理與控制、實驗與評估以及學習和訓練等方式使物理系統逐步地趨向人工系統,最終實現復雜系統的控制和管理的目標[42?43].平行控制實質上是一種以計算為主要手段的管理與控制復雜系統的方法,該方法的提出為研究不可分、不可知的復雜系統提供了有效的思路和方法[44].具體而言,包括3大步驟:1)利用人工社會或人工系統對復雜系統進行建模;2)利用計算實驗對復雜系統的行為進行分析,評估其可能的后果;3)通過物理系統與人工系統之間的虛實互動,以平行執行的方式對復雜系統的運行進行有效的管理和控制[8].必須指出,出于對經濟、安全以及復雜性的本質等方面的考慮,大多數情況下復雜系統的研究常常受到各種主觀或客觀因素的影響,無法在物理環境中進行實驗,或很難重復實驗結果.平行控制為此創造了極為有利的條件,即借助計算實驗的手段來滿足物理世界中我們稱之為“不可實驗”和“難以復現”的復雜系統研究需求.平行系統的作用與傳統的仿真技術看似相近,但是它的主要作用是“驗證可能”而不單純是“模擬真實”.

圖1 平行控制的基本原理Fig.1 The basic principle of parallel control

盡管平行控制方法在理論上是可行的,但是它的工程實現卻非常困難,主要原因有兩個方面.一是平行系統理論應用的主要場合是要在未知的且復雜的物理系統中研究、開發、部署和管理相應的信息控制系統,若采用傳統的軟件工程方法進行開發,軟件開發的工作量很大,且要反復迭代,開發成本很高.二是在現實的物理系統中,要實現平行控制的目標,就必須要有一種合適的計算機制,使得物理系統與人工系統的計算環境能夠保持一致性.這種關系不應僅表現在算法模型層面的一致性,計算環境執行層面的一致性也極為重要.該計算機制可以令人工系統與物理系統無縫對接,使得人工系統在多次計算實驗后的結果就可以有效地作用到物理系統,從而實現平行執行.在這樣的計算環境中,平行控制算法在“學習與培訓”、“實驗與評估”和“管理與控制”三個階段均能得到連續的優化.

為了實現上述計算機制,我們引入一種稱之為“數據引擎”的技術.這是一種能適用于平行系統構建需求的計算環境,其本質是一類基于MAS技術規范的數據處理機制,它能夠按照統一標準的規范進行數據結構的解釋和驅動,并對控制組態數據的關系進行重構[41,45].作為一種數據驅動的中間件軟件,如圖2所示,數據引擎的核心是一種基于內存的實時數據庫,它與控制對象以及控制器無關,所以能夠部署在PLC(Programmable logic controller)、IPC(Industrial personal computer)和PC(Personal computer)等不同類型的控制器上.數據引擎實時數據庫內存放的是一組組態數據,它們是從特定的圖形化組態元件及其連接關系中編譯而來的.這種組態元件是可復用的,它的內部均封裝了特定的算法,元件之間的拓撲關系決定了相應元件的計算時序.在計算過程中,數據引擎中的算法執行器根據元件的計算時序依序對元件的組態數據進行處理,使得控制算法的執行過程等同于數據引擎實時數據庫的數據更新過程.

數據引擎技術在解決碼頭信息控制系統的設計和應用問題方面優勢明顯,主要原因可歸納為以下4個方面:1)它是針對復雜系統而設計的.數據引擎本身是一類具有通信、存儲和計算能力的服務單元.單個數據引擎可作為獨立的服務代理,用來處理一組相對簡單的控制任務,而復雜的應用則可被分解為多個子問題交由不同服務代理來處理,從而形成了分布式的多代理控制結構,即多引擎計算環境.所有數據引擎的結構都是相同的,不同數據引擎之間可通過數據總線相互連接實現交互.這種多代理結構確保了多引擎之間的強交互性[46],因此非常適用于完成復雜系統的計算任務.2)提供了可視化計算的環境[46].任何一個復雜系統,無論是虛擬的人工系統,還是現實的物理系統,如果計算過程始終呈現“黑盒子”狀態,那么平行系統理論的作用就很難得到最大程度的發揮.可視化計算也是判斷計算實驗效果的有效手段.在數據引擎中,可視化功能是通過訪問實時數據庫而實現的,其可視能力達到元件級,即每一個元件輸入輸出和內部參數的變化均為可觀測.3)提供了動態重構的機制[45].算法的在線優化是平行系統理論應用的一項目標.平行系統投入運行之后,人工系統將伴隨著物理系統長期運行.由于系統任務存在很大的不確定性,因此除了性能狀態的動態修正之外,算法結構上的優化也必不可少.數據引擎技術提供的動態重構機制可對此發揮關鍵的作用.動態重構是一種在系統運行時進行控制算法無擾動在線更新的方法,它通過對實時數據庫的讀寫而實現.動態重構能夠根據系統運行過程中性能指標的變化和管理需求的調整進行“隨動控制”.重構過程不僅能優化復雜系統的各項參數,還可對算法結構進行調整,以達到“結構攝動”的目的.這是指系統在可接受的、較長時間跨度內,通過算法的微小修正穩步地達到“算法進化”效果,同時盡可能減小對系統的擾動,使得在線優化過程更加穩定和可靠.這個過程可通過逐步增加、替換或刪除元件的方式來實現.4)具有與硬件無關的特性[41].數據引擎內部采用了特定的數據建模方法和標準的數據結構規范.從算法執行的機理來看,數據引擎的計算過程等同于實時數據庫的數據更新過程.這一特性為復雜系統虛實交互創造了條件.由于數據引擎與控制器無關,人工系統所采用的虛擬控制器和物理系統中的實際控制器在軟件上是完全一致的,不同的僅僅是CPU(Central processing unit)等物理器件的性能差異.因此,基于數據引擎構建的人工系統,其業務流程和控制算法在執行時和物理系統是完全一致的.通過這樣的設計,平行系統中人工、物理兩大系統的“趨近等同”就能更加客觀地體現在算法模型的優化和修正上.數據引擎上述特性大大地降低了平行系統算法設計、開發的復雜度和成本.

圖2 數據引擎原理Fig.2 The principle of data engine

3 平行碼頭的體系架構

圖3是采用數據引擎作為計算環境的平行碼頭基本框架.平行碼頭包括3大要素:物理設備、人類,以及管理或控制關聯的知識和信息.碼頭內含一定數量的AGV小車、岸橋、龍門吊、控制器、網絡器件、傳感器和執行器等裝備,它們構成了一類物理系統.而虛擬的管理與控制軟件、裝備模型、控制算法和數據中心共同組成了人工系統.社會系統由操作人員組成,人類通過人機交互界面產生需求信號,同時傳入物理系統和人工系統.在平行碼頭中,人類介入碼頭信息控制系統主要方式有3種,一是因環境變化或設備故障導致安全性或效率降低時所采取的人工干預;二是系統設備的正常維護與管理操作;三是對系統資源調度與控制算法的優化.

如圖3所示,在平行系統中,通過監控和對比“人工”和“物理”兩個系統的行為和狀態,可以實現每個系統未來狀態的預測和評估,據此來調節各自系統管理和控制的方式[43,47?48].平行碼頭的目標就是比較“物理碼頭”和“人工碼頭”的輸出誤差,通過不斷的計算實驗來引導和調整物理系統,使其輸出滿足特定的要求.平行系統內部通過各自的檢測環節形成反饋,從而構成了雙閉環的控制系統.平行碼頭的最大特點就是提高人工碼頭的主導地位,它不是一種被動仿真、靜態模擬和離線優化的計算系統,而是一種主動的而且能夠持續在線優化的計算系統.

平行碼頭的計算實驗通常由兩個部分組成.1)人工碼頭的獨立實驗,主要驗證控制算法的功能和性能,并獲得自動化碼頭的最佳作業指標.2)在物理碼頭與人工碼頭并行工作狀態下的實驗,主要驗證人工碼頭的設備模型,以及物理碼頭的控制功能和性能逼近人工碼頭的狀態.當出現設備模型與物理設備狀態偏差大,或平行系統中控制功能和性能之間的偏差大情況時,利用平行控制中的修正機制進行調整.在圖3中,平行的兩類控制器和設備模型均采用數據引擎計算環境,因此我們可以利用可視化計算特性完成平行碼頭中相關偏差的檢測,同時可以利用動態重構功能對相應的控制算法或設備模型進行在線修正.這種檢測和修正工作均由數據引擎的組態軟件工具來完成.在平行的兩類控制器中,由于數據引擎計算環境的一致性,導致它們的控制算法組態也同樣能保持嚴格一致,所以人工控制器可以采用低值的計算設備而不會影響到計算實驗和平行執行的效果,這也可以說是數據引擎能夠應用于平行系統最重要的原因.

圖4(a)、4(b)和4(c)給出了人工碼頭控制算法組態的構建方法.碼頭PCTICS的功能構成十分復雜.如圖4(a)所示,它既要處理龍門吊進出箱作業、AGV水平運輸,及岸橋水陸裝卸及其與AGV運載集裝箱的交接等設備調度和控制處理的任務,又要滿足船舶靠泊、裝卸船、堆場作業、閘口進出箱等計劃管理事務的需求.在物理系統中,這兩塊任務分別由碼頭任務管理系統(Task management system,TMS)和設備管理控制系統(Equipment management control system,EMCS)來完成.平行碼頭中人工系統相應模型包括設備控制與管理相關的基本模型,以及作業信息統計和能效分析等評估模型.

圖3 平行碼頭的架構原理Fig.3 The architecture of parallel container terminal

圖4 PCTICS系統構成及其應用示例Fig.4 The PCTICS function and examples

以EMCS中的堆場雙龍門吊為例,系統功能分為任務管理、作業模型、控制策略、數據通信和人機交互等幾個部分(見圖4(b)).每個部分的功能都可以通過不同的服務代理組合及其交互來實現.例如,龍門吊的任務管理需要考慮人工干預,以及集裝箱架、集卡、AGV等周圍環境因素的變化,其任務管理代理就需要與人工交互代理、集裝箱架代理和車道管理代理進行信息關聯.

面對如此復雜的功能結構,如何讓編程問題簡單化是本文要解決的關鍵問題.“模塊化”是設計和開發PCTICS管理和控制程序的重要特點.采用模塊化的組態技術,提升了人工碼頭與物理碼頭之間軟件技術資源的復用性,同時也降低了平行系統設計的復雜性,有利于多代理軟件工程學方法在自動化集裝箱碼頭中的應用.圖4(b)是碼頭龍門吊多代理軟件系統的應用實例.圖4(c)是該系統中數據引擎內嵌的一個組態模塊的實例.這是一個算法抽象的組態元件.根據其算法定義,可以在諸如AGV的電池余量判斷和堆場堆垛空間余量判斷這兩個完全不相干的代理服務中同時引用這個組態元件.這就是軟件元件復用性的作用,即用成熟的計算資源來完成不同的計算任務.在這過程中不需要進行任何軟件代碼的開發,只需要通過拖拽相應的模塊即可完成特定的代理服務的算法組態.

根據我們的研究,構建一個中型港口碼頭信息控制系統所需要的組態元件數量大約需要50萬個左右.每個元件以及由不同元件組合構成的具有特定功能的邏輯段均可存入數據庫中實現批量管理和資源復用.

4 平行系統的算法與組態

在平行碼頭中,“人工碼頭”信息控制系統的作業流程與“物理碼頭”完全一致.信息控制過程的算法及模型均被提交到數百個數據引擎構成的平行計算環境中運行,如圖4(a)所示,管理、控制和設備三類代理協同工作可以滿足碼頭的作業需求,這個過程涉及閘口、集卡、堆場、龍門吊、AGV、岸橋和船舶等多個作業對象.

以卸船作業為例,圖5給出了卸船基本模型的原理及其在PCTICS中的實現方法.如圖5所示,卸船作業主要包括雙小車岸橋、AGV及龍門吊三類設備,為了實現卸船作業,各個系統在由數據引擎構成的分布式計算環境中進行了多次數據交互,并最終協調設備完成了集裝箱從船搬運至堆場的過程.任務管理子系統(TMS)在碼頭裝卸作業中位居核心地位.該子系統以發布任務信息的方式對上述三類設備進行調度,并實時更新各個設備的狀態信息.雙小車岸橋上有一個中轉平臺,其用途是為了提高岸橋的裝卸效率.集裝箱轉運AGV的數量相對較多,相應的車輛管理子系統(Vehicle management system,VMS)的任務也比較復雜,其中包括AGV的調度、路徑規劃、運動安全等問題.所有這些任務均采用元件組態的模式將各種裝卸作業控制算法注入相應的數據引擎中,并通過多引擎的協同完成復雜的集裝箱裝卸任務.

圖5 卸船基本模型的原理Fig.5 The basic model of the discharge process

再以AGV和其他港機設備的數據交互為例,依據現場的作業模型,單臺AGV具有任意移動的特性,每臺AGV都可以為任意一個岸橋或龍門吊服務.但在某個時間段,只為一個由車輛管理系統(VMS)指定的對象服務.為了讓整個系統各軟件代理處于解耦狀態,有必要為岸橋和龍門吊專門設計兩類代理(即虛擬車道代理和虛擬集裝箱架代理).在AGV的作業過程中,采用動態匹配的“點對點”方式與另外兩類代理進行數據交互.在批次作業過程中,AGV與虛擬車道代理及虛擬集裝箱架代理的交互關系可以階段性地切換,以提高通信過程的可靠性和靈活性.

如圖6所示,AGV與虛擬車道代理的交互功能是通過 T(鎖存器)、AND(與門)、OR(或門)等多個可復用的元件按照特定連接關系來設計和實現的,由此形成的組態關系被下載到數據引擎進行計算,元件的實時值可以被動態地反饋到組態程序界面中.

盡管碼頭作業過程中存在大量的、面向不同任務需求的信息處理和設備控制過程,但是其中算法與模型的實現環境及方法是完全一致的,都是借助元件組態的方式來編程.“人工碼頭”中的管理或控制算法的組態程序可以通過不斷地計算試驗,達到預期效果后可直接轉載到物理碼頭的CTICS中運行.以堆場內出現的雙龍門吊作業區域沖突情景為例,本文設計了雙車避讓規則,當系統滿足設定條件時,將自動觸發協調控制機制,以保障大車運行的安全性.該過程利用497個元件來構建龍門吊安全協調代理,提供了35個實時數據采集信號的輸入和8個安全控制算法的輸出(參見圖7).所輸入的信號數據主要包括車輛設備狀態、任務信息、實時位置和目標位置;輸出數據則包含最終避讓位置,避讓狀態、允許設備運動等數據.通過這樣一個單獨的協調代理,系統不僅可以有效地處理和保障兩臺龍門吊的運行安全,同時也可借助數據引擎的虛擬計算環境,在平行空間內進行大量計算實驗,結合能耗統計與分析代理,以運行效率和能耗為優化指標,確定最優的設計方案來指導“物理碼頭”的雙龍門吊安全運行.

5 實驗案例研究

5.1 人工碼頭計算實驗系統的設計

本研究設計并開發了一個與“物理碼頭”業務過程一致的“人工碼頭”,以驗證平行碼頭架構原理及方法的有效性.采用計算實驗的方法,研究自動化集裝箱碼頭的全流程作業以及管理與控制策略的動態優化,以此獲得人工碼頭的功能與技術性能,進而不斷進行迭代優化,最終用于修正“物理碼頭”的管理和控制.如圖8(a)所示,所構建的人工碼頭由8臺雙小車岸橋、25臺AGV及16臺龍門吊組成.這3種設備分別用于執行集裝箱的裝卸、水平運輸和堆場搬遷作業.

圖6 卸船模型的應用實例:AGV代理與車道代理的動態交互Fig.6 An application example of the discharge model:The dynamic interaction among AGV agents and lane agents

圖7 雙車避讓規則及其算法實現Fig.7 The implementation of double-car avoidance algorithm

“人工碼頭”裝卸區共有7個車道,每個車道寬4m,間距4m.每個無懸臂堆場配置5個集裝箱架,間距5m,垂直間距為119m.該實驗系統采用與物理碼頭一致的設備參數、結構和工藝流程[49?51].圖8(b)給出了人工碼頭的網絡結構示意圖.該系統由26套PC、1臺服務器、3個液晶大屏和配套網絡設備組成,其中19臺為內嵌Linux的工業PC,且每臺IPC分別配置了20個數據引擎節點,形成總計380個數據引擎組成的計算環境,分別承擔任務管理(20套數據引擎)、岸橋系統(80套數據引擎)、車輛系統(180套數據引擎)和堆場龍門吊系統(100套數據引擎)等作業任務.其余PC安裝了人機交互軟件,為操作人員參與管控提供交互窗口.工業PC內的多引擎計算環境采用多線程的軟件結構.每個數據引擎的實時數據庫是獨立的.在圖8(b)的多引擎環境中,引入一種面向數據引擎的數據總線,實現多引擎之間的數據共享.為確保人工碼頭計算實驗的實時性,數據引擎的計算周期設定為100毫秒,數據共享通訊周期不大于500毫秒.

根據上述設計,本文研究安排了兩組實驗,以驗證“平行碼頭”的理論框架,并對“人工碼頭”整體功能和性能的做出相應的評估.

圖8 PCTICS系統設計及結構Fig.8 The design and structure of PCTICS

圖9 人工碼頭集裝箱卸船的動態過程Fig.9 The dynamic process of PCTICS discharge

5.2 案例研究與結果

實驗1.集裝箱卸船全流程作業

該實驗以上述堆場、AGV和岸橋為研究對象,全面展示“人工碼頭”中某AGV完成卸船全流程作業的動態情景,其目的是驗證數據引擎技術在復雜的集裝箱碼頭信息控制系統中應用的可行性,以滿足碼頭基本的作業需求.卸船作業流程詳見圖5.實驗時,選取碼頭堆場地平面上某處為設備坐標的基準點.岸橋目標位置距離海岸60.8m,堆場目標位置距離集裝箱架為34.4m,AGV路線總長為258.07m.

圖9展示了“人工碼頭”卸船全流程作業的動態過程,包括每種設備的功能、實時運行狀態,以及多個設備之間協同完成復雜任務的動態.整個卸船的功能是通過任務管理系統、岸橋子系統、AGV子系統和龍門吊子系統中大量代理功能的執行及其交互協作來實現的.如圖9(b)和9(c)所示,當任務管理系統下達卸船指令后,AGV小車將按照圖中所示的軌跡路線以空載狀態行駛到目標岸橋指定的區域,這一過程通過與虛擬車道代理6號道的數據交互來完成.與此同時,岸橋主小車也啟動海側的抓箱任務.圖9(d)給出了岸橋進箱過程每個設備的實時位置軌跡.可以觀察到,岸橋子系統接收到進箱指令后,主小車及其吊具將依次啟動,完成從船上抓取目標集裝箱至中轉平臺的功能操作.期間門架小車也協同地移動到中轉平臺,及時地將集裝箱轉移至停靠在指定車道上已在等候轉運指令的目標AGV上.如圖9(c)所示,在裝箱結束后,AGV發出對5#集裝箱架的架位請求,并在收到5#集裝箱架代理反饋的鎖定信號后,按照規劃的路徑行駛到堆場中目標集裝箱架處.圖9(a)給出了龍門吊抓箱過程大車、主小車和吊具的實時位置,可以觀察到,當AGV到達后,這三種設備共同協作完成了對集裝箱的抓箱動作,實現了集裝箱從集裝箱架到目標區域的轉移.圖10進一步展示了8臺岸橋全部投入連續作業時碼頭的裝卸效率情況.可以看出,人工碼頭的平均裝卸效率可達每個岸橋28.75mov/h,而一般的自動化碼頭設計的裝卸效率為每個岸橋30mov/h左右[2].圖中不同岸橋的平均裝卸效率略有差異,這主要是由AGV充電區與各個岸橋距離不同造成的,根據本實驗設計的車輛調度算法,靠近充電區的QC更易獲得車輛資源.

圖10 人工碼頭裝卸效率Fig.10 The efficiency of PCTICS

實驗結果表明,本文設計的人工碼頭信息控制系統能夠有效地調度港機設備協同地完成集裝箱卸船任務,且裝卸性能達到了理想的水平,可滿足集裝箱碼頭基本的裝卸需求,同時也驗證了以數據引擎作為計算環境開發PCTICS的可行性.

實驗2.相同工況下AGV控制策略變化的影響

該實驗以2個自動化堆場、2臺岸橋和8臺AGV為研究對象,通過計算實驗,測試在不同的控制策略下,AGV行駛路徑對任務執行效率產生的影響,其目的是觀察“人工碼頭”在部署多種控制策略和引入不確定因素和事件的情景下,預測“物理碼頭”的運行狀況,為“物理碼頭”管理和控制策略的優化升級提供指導.

傳統的路徑規劃算法主要是通過規劃地圖中所有節點組合而成的路徑距離,計算最優的路徑輸出[52?53].實際上,AGV在碼頭內的行駛方式非常類似高速交通路上汽車的行駛方式,如圖11所示,原人工系統采用了傳統“無匯流”AGV路徑規劃策略.為了改善車輛在轉彎時車道資源的占用情況,降低AGV轉彎造成的道路擁堵率,本文設計了一種新的AGV路徑規劃策略—“匯流”,即AGV橫向行駛過程中,若當前車道的左側無其他車輛,則觸發匯流算法,車輛可平滑換道行駛,并逐漸并入設定的高速道路.

在實際的物理系統中驗證此類特定工況的算法可行性成本高昂且耗時耗力.如圖11所示,在“平行碼頭”中,可以通過人工系統采用動態重構的方式在線地調整和更新AGV路徑規劃策略(①為初始“無匯流”行駛路徑,②為更新后“匯流”行駛路徑),即可快速地實現并驗證“匯流”算法的可行性以及其對集裝箱作業時間的影響.圖中可以看出,當數據引擎控制器加載新的控制策略后,AGV的行駛路徑隨即發生了變化.表1給出了兩種控制策略下,AGV行駛路徑的變化對AGV完成集裝箱裝卸作業耗時的影響,可以看出加入匯流策略后,AGV在同樣完成20個集裝箱任務的前提下,集裝箱的轉運效率?η約提高了5.17%.

表1 不同行駛策略下AGV的任務時耗(s)1Table 1 The time cost of AGV task under different driving strategies(s)1

轉運效率提升率?η按照式(1)來計算.

圖11 AGV控制策略變化產生的影響Fig.11 The effect of AGV control strategy changes

其中Q1和Q2分別為無匯流和匯流兩種行駛策略下任務1與任務2的總作業量.由于該實驗中Q1=Q2,因此式(1)可進一步變換為式(2).

該實驗很好地驗證了基于數據引擎的PCTICS在算法優化方面的可重構性.實驗結果表明,所設計的“人工碼頭”可通過在線的計算實驗對碼頭管理和控制策略進行動態優化及測試,為CTICS的控制策略設計提供科學依據.平行碼頭的這一特性在碼頭作業時間節省和節能降耗方面將有重要的意義.

工程應用案例:平行人機交互系統的快速復用

為了進一步評估PCTICS技術在自動化集裝箱碼頭工程應用上可行性與有效性,本文以某中型港口碼頭工程建設系統為原型,研究了平行碼頭技術在實際工程中應用問題.圖12展示平行碼頭中堆場的人機交互系統.如圖所示,物理系統包含大量的港機設備和自動化區域設備.人工系統也構建了與之對應的虛擬設備、與現場等比例的虛擬場景、業務處理與控制策略.兩者的人機交互系統在系統設備、通信和數據庫的構成以及整體功能上是完全一致的,不同的只是運行數據的來源,一個來自實際碼頭的設備,另一個來自碼頭的模型系統.這套系統在進行計算實驗時可以觀測人工系統中堆場的動態運轉情況,當物理系統建設完成后,對其數據來源進行修改,即可動態呈現實際堆場的運行情況.

圖12 平行碼頭中人機交互系統工程應用實例Fig.12 An application example of PCTICS human-computer interaction system

對于平行系統的虛實互動,無論是物理碼頭還是人工碼頭,都能通過人機交互系統實現對設備(或模型)的操控.通常情況下,為了確保碼頭作業的高效性及其安全性,對平行碼頭進行系統資源調度、算法優化和設備故障管理等人工干預操作必不可少.這個環節中人起到了關鍵的作用.以安全控制關鍵參數的調控為例,通過如圖所示的操控窗口即可實現人與物理系統或人工系統的互動.另外,“人工碼頭”在該案例工程實施過程中扮演了主導性的角色,碼頭操作人員采用“人工碼頭”測驗通過的方案指導物理碼頭的操控實施,有效地避免了PCTICS安全事故的發生.

6 結論

如何降低系統的復雜性是自動化集裝箱碼頭信息和管理系統研究的難點.平行系統理論是研究復雜系統管理和控制的有效方法,但其技術的成熟度仍存在提升的空間.數據引擎是平行系統理論理想的軟件實現方法,能夠為復雜系統的管理和控制提供統一標準的計算環境.分布式計算和虛實交互是實現平行碼頭的關鍵,也是降低集裝箱碼頭信息控制系統復雜性的有效方法.本文的主要貢獻是提出了一種基于數據引擎的平行碼頭概念、架構和方法來設計自動化集裝箱碼頭的信息控制系統,包括碼頭任務的規劃、調度以及設備的建模和控制.研究結果表明,以數據引擎為計算環境的PCTICS在理論和工程層面上都是可行的.與傳統開發方法不同的是,本文研究的PCTICS中人工碼頭與物理碼頭的信息控制系統采用完全相同的圖形組態方法與多代理結構,且人工碼頭已經通過大量計算實驗證實算法構建的可行性及適用性,而PCTICS具有可視化和可動態重構的在線優化特性,可通過平行執行逐步達到管控算法進化的目的,因此這種平行碼頭的工程實現方法能夠大幅度降低集裝箱碼頭自動化系統設計、開發和部署的難度與成本.

雖然基于數據引擎的平行碼頭的概念和方法目前已得到初步應用,但這方面的研究仍處于起步階段,其有效性和實用性有待更多、更深入的研究和應用加以檢驗.在不遠的將來,集裝箱碼頭會越來越多地實現少人化甚至無人化,平行碼頭的理論和方法也將得到進一步提升,包括改善“人工碼頭”與“實際碼頭”協作效率和自適應程度、人工智能與大數據的應用,以及設計更加靈活的云虛實交互機制以實現真正的“無人碼頭”,這些是我們將要進一步研究的問題.