露天矿机械化排土方案优化研究.docxVIP

露天矿机械化排土方案优化研究 0 车辆配置的构成 对于露天矿来说，采矿处理成本约占矿山总产量的50%以上。而排土工作中比较重要的一环就是车辆的配置,车辆配置多了,会造成不必要的经济损失,而且不利于生产效率的提高;车辆配置少了,则使矿山的生产能力不足,直接影响企业的生产能力和经济效益。因此,合理的车辆配置对露天矿排土的生产效率以及露天矿山的经济效益有着重大的影响。 1 露天矿开采模型的建设 1.1 车辆装土机fcfs 根据露天矿山经验,汽车在排土时到达装土点的概率可近视为服从泊松分布,而在装土点装土的时间服从负指数分布,假设在挖土点有c台挖土机进行装土工作,车辆到达后,进入队列尾端等待装土;当某一台挖土机空闲时,队列中的第一辆车即到该挖土机接收装土;装土完毕后随即离去,各挖土机互相独立且平均服务速率大致相同,而且车辆装土符合先到先服务(FCFS)的服务次序,如图1所示。因此,露天矿排土模型服从[M/M/c]:[∞/∞/FCFS]排队模型。 1.2 系统状态生灭过程 现假设汽车到达排土点的概率服从参数为λ的泊松分布,在装土点装土的时间服从μ的负指数分布,根据运筹学知识,容易知道,整个系统的最大服务速率为cμ,令: 则当ρ1时系统才不会排成无限的队列。显然,若不形成无限长的队列,则应使单位时间内接受挖土机装土的汽车数大于到达的汽车数,即cλ/μ。 数,即1≤k≤c时,车辆可以在达到的时候接受装土,无需等待,此时系统的服务速率为kμ;当系统中到达的车辆数kc时,挖土机可接受装土的车辆数仍为c,其余车辆在队列中等待服务,这时系统达到稳定状态,其服务速率为cμ。为了求得系统的状态概率,先作出系统的状态生灭过程图(见图2)。 当排土系统中的车辆台数k不大于挖土机台 根据排队论知识,可以得到当系统状态为0,即没有汽车达到使所有挖土机均空闲的概率P0为: 当系统状态为n,即当汽车到达了n辆时,概率Pn为: 系统中正在等待装土的汽车数量,即平均队长: 系统中正在等待装土与接受装土的汽车数量为: 根据平均队长(等待汽车数目)最小化可以确定汽车数量,确定汽车数量后,则可根据灰色关联知识结合其它有关因素在若干个方案中确定最佳方案。 1.3 计算单因素下的总体灰色效果测度 一般而言,车辆配置方案选择考虑的因素主要有购置成本,运行成本,排土能力,平均寿命等因素,对各方案而言,购置成本,运行成本应是越小越好,因此对这两项指标采用下限效果测度进行评价: 对各方案而言,排土能力,平均寿命应是越大越好,因此对这两项指标采用上限效果测度进行评价: 在式(6)、(7)中,Umax,Umin,Ui分别为效果样本集{Ui}中最大值,最小值以及一般值。根据灰色效果测度的结果,建立统计决策矩阵R: 利用决策矩阵,并考虑各指标对方案选择的影响,对车辆配置方案进行多因素的总体灰色效果测度。由于各因素对决策影响程度并不是等同的,因此在决策中不能以算术平均值求得总体灰色效果测度,而应取加权平均值。 求得总体灰色效果测度后,根据最大隶属度原则,其中测度值最大的方案即为最优方案。 2 计算各方案的灰色效果测度,最终确定单次使用车辆的d 某露天矿现有3台装土的挖土机,车辆到达服从Poisson流,装土时间服从负指数分布,每台挖土机的平均装土速率为3.4分/台。汽车从排土点到卸土点的平均单程运行距离为2.38 km,现有4种运输车型可供选择,其参数见表1。 根据汽车运行的平均速度以及从排土点到卸土点的距离,用排队论知识可以解出针对不同车型其所需要的车辆数目。 以A车型为例:假设现已购得n辆A车,则汽车到达速率λ为辆/min,挖土机的平均装土速率μ为0.29台/min。根据以上条件,可以求得λ/μ=0.34n,ρ=λ/cμ=0.11n。 应使队伍中等待的车辆尽可能少,而且尽可能利用挖土机的服务能力,根据队长公式,队长应最小化。 对A车型,代入数据,就可以求得队长最短、利用率最大时的n值为9,即n=9。 与此类似,对B、C、D 3种车型,求得其队长最短,挖土机利用率最大时的n值分别为7,8,8。 根据各车型对应的汽车数量,可以求得各方案的各项经济技术指标,见表2。 对购置成本,单位运行成本这两项指标是越小越好,因此采用下限效果测度;对排土能力与汽车平均寿命这两项指标,采用上限效果测度。得到对购买A、B、C、D 4种车型购车方案各指标其灰色效果测度见表3。 采用加权平均法算得各方案的总体灰色效果测度,根据德尔菲法确定各指标权重:购置成本0.27;排土能力0.43;单位运行成本0.08;汽车平均寿命0.22,计算得购买A、B、C、D4种车型方案各自总的灰色效果测度分别为:0.7841,0.8715,0.8744,0.9444。 决策时,选择总体灰色效果测度值最大的方案为最优方案,因此本露天矿选择购