基于遗传算法的货运动车组集装器用智能装车系统

杨 帅，王宝超，管 鑫，南光熙

（1. 中车唐山机车车辆有限公司，河北 唐山 063035；2.中机生产力促进中心，北京 100044）

0 引言

轨道交通集装箱运输是一种高效、低成本的货物运送手段。据统计，在美国、欧洲等经济发达国家和地区，轨道交通集装箱货运量占比超过20%；而在我国则低于5%。随着我国轨道交通行业的快速发展，建设以高速动车组为代表的轨道交通集装箱货运体系迫在眉睫，这将极大提高国内和国外的供应链效能，促进我国经济的快速发展[1]。

高速货运动车组运行速度超过250 km/h，车辆若偏载过大，则会对列车的运行造成安全隐患，因此，货物在集装箱内的载荷配置要求严格，列车组的轮压偏差必须在标准范围之内。按照国家相关标准要求[2-3]，轨道交通运行车辆的轮重偏差不能大于平均轮重的±4%，轴重偏差不能大于平均轴重的±2%。所以，集装箱货物配载时，需要进行配载车辆的重心计算，以确保车辆的偏载率符合国家标准要求。目前车辆称重均在装载后进行，且尚无系统能实现装载前货物的虚拟配载；为了使偏载量满足标准要求，配载时需要反复调整和操作。为此，本文提出一种通过对集装器进行称重与管理来实现装载前的虚拟配载系统方案——基于遗传算法的智能无偏载装车系统，其能对高速货运动车组的集装器进行快速精确的称重、重心计算和智能虚拟配载，可实现列车的偏载率控制，从而确保列车的运行安全。

1 系统架构

货运动车组集装器的智能装车系统结构如图1 所示，其中，机械系统用于实现集装器的上下料、称重等功能，电气系统用于实现动作的控制和传感器信息的采集及处理，软件系统用于实现采集数据的管理及流程操作等。

图1 用于货运动车组集装器的智能装车系统Fig. 1 Intelligent loading system of freight train unit container

1.1 机械结构

货运动车组集装器智能装车系统机械结构分为上料辊轮架、称重单元、下料辊轮架及防护装置等4 部分（图2）。

图2 智能装车系统机械结构Fig. 2 Mechanical structure of intelligent loading system

1.1.1 上料辊轮架

上料辊轮架为框架结构，主要由电机和辊轮组成，辊轮之间采用链条进行动力传递,并能进行独立的双向驱动。其长度为3 273 mm，宽度为2 000 mm，减速电机的速比是30，功率是1.1 kW。

1.1.2 称重单元

图3 称重及重心测量原理Fig. 3 Schematic diagram of weighing and gravity center measurement

称重单元也为框架结构，其采用电机和链轮链条进行驱动，并在4 个边角处设有高精度称重传感器。其测量原理如图3 所示，一旦集装器放在称重设备上，称重设备便自动进行称重和去皮操作，并通过软件计算出集装器的相对重心位置[4]；同时，测距传感器对集装器的相对位置进行测量及修偏，从而计算出集装器的重心坐标。

集装器的质量为

式中：Wi——集装器的质量在第i 个称重传感器上的分量，Wi=Gi-Pi，i=1,2,3,4；Gi——第i 个称重传感器在集装器放置后支撑部位的测量值；Pi——第i 个称重传感器支撑部位未放置集装器的测量值。

未考虑偏角时，集装器的重心（x1, y1）表达公式如下：

式中：a 和b——称重单元的边长。

考虑偏角且修正后，集装器的重心公式如下：

式中：c，d，e，f，h——测距传感器测得的集装器各边到称重单元的距离；Δx，Δy——修偏常数。

系统称重及重心测量的流程如图4 所示。

图4 系统称重及重心测量的流程图Fig. 4 Flow chart of system weighing and gravity center measurement

每个称重传感器下方均设置有高度调节机构（图5），其采用螺纹方式调节，使4 个称重传感器顶部始终处于同一水平面，以保证了系统测量精度。

图5 称重传感器调整架Fig. 5 Adjustment frame of load sensor

1.1.3 下料辊轮架

下料辊轮架也为框架结构，主要由电机和辊轮组成。辊轮之间采用链条进行动力传递,并能进行独立的双向驱动。其主要技术参数：长为3 273 mm，宽为2 000 mm，减速电机速比为30，功率为1.1 kW。

1.1.4 防护装置

防护装置主要包括防倾翻的防护架和护栏。防倾翻的防护架被置于集装器下料辊轮架上，位置在其下料方向的前方，用于阻止质量为1 000 kg的集装器冲出辊轮架。

1.2 电气系统

电气系统主要包括电气控制柜、称重传感器、信号触发传感器、测距传感器、工控机和手持式终端，其中电气控制柜采用Siemens S7-300 系列PLC，称重传感器采用狄那乔C3 精度传感器模块，工控机采用Lenovothinkpad E42，手持式终端采用Microsoft Surface 3便携式平板终端。

1.3 系统软件

系统软件主要包括主机客户端软件和手持式客户端软件。主机客户端软件系统环境是Windows 10，手持式客户端软件开发基于Microsoft Visual Studio 和SQL数据库。主机客户端软件的主要功能为：根据各称重传感器测量得到的集装器重量及载荷分布情况进行重心计算，并对集装器进行动态优化管理，以实现虚拟配载，其功能构成如图6 所示。

图6 主机端软件功能模块Fig. 6 Software function modules in host side

在完成虚拟配载后，生成装载流程并导出到手持式客户端APP。手持式客户端软件的主要功能为下载和接收装箱流程，指导实际配载作业，过程中可实时显示各轮压的变化，如图7 所示。

图7 手持式客户端软件主界面Fig. 7 Main interface of handheld client software

2 基于遗传算法的智能装车方法

2.1 装箱原理

集装器分为大小两种，装箱时，较大的集装器为单列排放，较小的集装器为双列排放。由于货运列车的货物入口在车厢的中部，所以集装器装载时采用从两端开始对称装货的方式，即左-右-左-右地轮流装载，如图8 所示。

图8 装箱示意图Fig. 8 Schematic diagram of packing

装箱的约束条件为：（1）顺序为先到后进；（2）单节车辆中集装器总重不能超过额定重量；（3）单节车辆轮压偏差不能超过4%；（4）单节车辆轴重偏差不能超过2%；（5）大小集装器不能混装。

筛选集装器时，在遵循装箱的先后顺序的前提下，采用以下原则进行：（1）对称原则。为了使左、右轮压的偏移量控制在允许范围内，筛选采用对称原则，即选定一个集装器后，根据其重心偏移量筛选出一个与其偏移量相对称的集装器，组成集装器对（小集装器是左右两个为一对，大集装器是相邻两个为一对）。若每个集装器对的左、右重心偏差均在允许范围之内，则整车的左右重心偏差不会超标。（2）相似原则。为了保证轴重偏差不超标，筛选时，采用相似原则进行筛选，即选定一个集装器对，则选择与其重量指标尽可能相近的集装器对与其配对，并在装箱时将配好对的集装器对装入对称位置。

2.2 基于遗传算法的装箱方法

装箱问题是离散组合的最优化问题，属于完全多项式非确定性问题（NPC 问题）。根据Garey 与Johnson 在1979 年出版的关于NPC 理论的书[5]：在有限、合理的时间内，难以求得大规模NPC 问题的最优解。因此，装箱问题的求解只能依赖于各种启发式算法[6-8]。

启发式算法的定义是：某类问题P，假设它的所有实例集合为Dp，Sp（I）为待用解集合，对于任意给定的实例I，其中I ∈Dp，算法A 一定能找到一个待用解集σ，使得σ ∈Sp（I），则称算法A 为问题P 的一个启发式算法。常用装箱问题的启发式算法主要包括经典算法、计算智能算法、遗传算法、构造型算法及混合型算法等。本文基于遗传算法的装箱方法如图9 所示，其中N 为集装器的总数量。

图9 基于遗传算法的智能装车方法Fig. 9 Intelligent loading method based on genetic algorithm

一个基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题中每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。现阶段， 装箱问题的启发式算法中主要采用构造性算法，即通过逐个增加解的构造元素来求解。构造性算法的循环次数与解空间的大小无关，与问题解的构造元素个数成正比关系，所以计算速度较快[9]。

装箱问题构造算法主要包括定序规则和定位规则，这两者分别用来确定待布局物体放入布局空间的先后顺序和布局空间摆放的位置。结合到本项目的装箱特点，当集装器配成对后，定序与定位在数学意义上几乎完全等效。

由于集装器本身的形状特征非常固定，遗传因子复杂度很低，容易生成编码序列，故在本项目中将采用简化遗传算法，具体算法如下：

3 试验验证

为了验证本文所提出的货运动车组集装器智能装车系统的性能及有效性，进行了两项测试：一部分是称重及重心测量，另一部分是生成装箱流程并完成装车[10]。

3.1 重心测试

采用钢结构金属模拟试件进行测试，其质量213.77 kg，长1 200 mm，宽1 000 mm，重心坐标（630 mm, 462 mm）。分别在两个位置（内倾及外倾各一组）各测量12 次，共计24 次，根据重心计算公式求解重心，根据其测量结果判断称重的一致性及计算的正确性。测试结果如表1 所示。

表1 重心测试结果Tab. 1 Test results of gravity center

从表1 可得，称重误差不超过1 kg；重心计算的平均误差在x 和y 方向均小于1 mm；重心误差在x 方向为-4.10 ～ 4.50 mm；y 方向为-3.90 ～ 3.80 mm。

3.2 模拟装箱流程测试

根据集装器重量，采用随机生成的车辆轮压和轴重数据样本（样本数量为24 个）模拟配载；并生成装箱流程，通过优化各轮压、轴重，测试并验证该流程的准确性。实验测试结果如表2 所示。

由实验数据可得，装箱流程生成并完成装箱后，轮压偏差为3%，轴重偏差为1%。这两项测试结果均满足设计要求（即轮重偏差小于平均轮重的±4%，轴重偏差小于平均轴重的±2%）。

表2 模拟装箱流程测试Tab. 2 Simulated packing process test (单位：kg)

4 结语

本文研究了一种基于遗传算法的货运动车组集装器用智能装车系统，其测量误差不超过5 kg，轮重偏差小于平均轮重的±4%，轴重偏差小于平均轴重的±2%，严格控制了列车的偏载率，实现了对高速货运动车组集装器的智能称重和智能配载，保证了列车的安全运行。

受时间和样本数量的限制，虽试验结果验证了该系统的有效性，但仍需大量样本试验验证其可靠性，这也是下一步工作的方向。