一种可扩展智能方舱布局优化方法与流程

1.本发明涉及可扩展智能方舱技术领域，具体涉及一种可扩展智能方舱布局优化方法。


背景技术：

2.方舱是一种军用的刚性矩形装载体，其容积是固定的或可扩展的，用于安装、运输及在其中操作各类军用设备，并为设备提供环境保护，可以采用陆、海、空等多种运输工具运输。方舱作为一种装载工具，具有适用范围广、运输方式灵活、经济效益好等优点，在国内外军队中已得到广泛应用，在某些装备领域中，已成为主要的装载形式，而且其应用范围， 仍在继续扩展中。
3.现有技术中，在对可扩展智能方舱的布局设计时，都是凭经验设计达到有效利用空间最大化、布局合理等目标，此种方法不但缺乏科学性，而且很容易导致存在设计缺陷，使生产出来的智能方舱不满足应用要求，随着智能化仿真软件的发展，仿真软件也逐渐应用在了可扩展智能方舱布局设计中，例如中国发明专利（cn108171359a）公开了一种方舱布局的最优化方法，包括如下步骤：s1、所述方舱包括舱体，工作台模块、工作区空调模块、设备机柜模块和设备区空调模块；s2、对方舱整体建模，建立平面直角坐标系，得到s1中各模块的重心坐标；s3、利用遗传算法迭代求取内部模块的重心坐标(x6、y6)与舱体的重心坐标为(a5、b5)的最小距离min(f(x))，得到x3、y1、y2、y3和y4的具体数值，从而确定上述各模块位于舱体的具体位置，得到最优化布局的方舱，从而实现把各模块布局问题转化为最优问题，引入遗传算法，实现启发式搜索最优位置，避免了经验布局的弊端，适合广泛推广应用到所有涉及布局的方案中的技术效果；然而，上述方案仅仅考虑了重心因素对方舱的影响，并未从整体上考虑如何对方舱布局进行优化。因此，现有技术急需一种从整体对方舱布局进行优化并提高优化效率的技术方案。


技术实现要素：

4.本发明要解决的技术问题是针对上述技术方案的不足，提供一种可扩展智能方舱布局优化方法，用于从整体考量对方舱布局进行优化，并提高方舱布局的优化效率。
5.为了实现上述目的，根据本发明的一个方面，提供一种可扩展智能方舱布局优化方法，包括以下步骤：步骤1：建立可扩展智能方舱布局优化模型；步骤2：采用遗传算法对所述可扩展智能方舱布局优化模型求解，得到一个最优解和多个次优解；步骤3：根据所述最优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；若存在热干扰，则进入步骤4，否则进入步骤6；步骤4：选取一个次优解，根据所述次优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；
步骤5：若存在热干扰，则继续选取下一个次优解，进入步骤4；否则进入步骤6；步骤6：根据不存在热干扰的解作为所述可扩展智能方舱布局的最终解。
6.优选地，本发明通过仿真软件建立扩扩展智能方舱布局优化模型，然后根据模型求解，得到的最终解即为可扩展智能方舱布局优化方案；优选地，所述可扩展智能方舱布局优化模型包括可扩展智能方舱优化目标和可扩展智能方舱的约束条件；更近一步地，所述建立可扩展智能方舱布局优化模型具体为：步骤1.1：确定所述可扩展智能方舱优化目标；优选地，设立有效扩大智能方舱室内使用面积作为布局优化目标；所述设立有效扩大智能方舱室内使用面积作为布局优化目标的数学表达式为：maxf(x)=max(w1f1(x)+w2f2(x))式中，f(x)为所述可扩展智能方舱室内使用面积，所述f1(x)为房车驾驶室原有面积，f2(x)为可扩展面积，w1、w2为可调节权重；步骤1.2：确定所述可扩展智能方舱的约束条件；优选地，将指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件；更进一步地，所述指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件的数学表达式为：maxfit(i)=ω1×
t1+ω2×
t2+
……
+ωi×
tii=1,2
……
n式中，fit(i)为系统i的适应度函数；其中，所述系统i为指挥系统、空调系统、办公系统以及电器系统中的一种；n为所述智能方舱中系统的总个数；ti表示系统i的位置；ωi为系统i的位置调节权重。
7.优选地，采用遗传算法对所述可扩展智能方舱布局优化模型求解的方法为：首先遗传算法随机产生一个初始种群，所述初始种群中的每个个体代表所述模型的一个解；然后将所述初始种群中的每个个体带入到所述适应度函数中，并计算得到适应度函数的值，通过所述适应度函数的值的大小来反应所述个体的优化程度；所述适应度值高的个体被选中的概率高，适应度低的个体被选中的概率低，经过不断地迭代，适应度低的个体逐渐被淘汰，最终使模型收敛；优选地，所述采用遗传算法对所述可扩展智能方舱布局优化模型求解具体为：步骤2.1：给定各个系统的尺寸以及数量；具体地，所述各个系统包括指挥系统、空调系统、办公系统、电器系统；步骤2.2：生成随机的初始解x1，带入所述优化目标的数学表达式中，计算所述初始解的优化目标值，并带入所述约束条件中计算所述初始解的适应度函数值；步骤2.3：基于遗传算法内置的解的生成规则，产生新解x2，并计算所述新解的优化目标值，并计算所述新解的适应度函数值；步骤2.4：按照设定概率p接受新解，并判断新解是否优于初始解，然后继续步骤2.2；步骤2.5：判断迭代次数是否达到预设迭代次数，若达到，则终止迭代，进入步骤2.6；若未达到，则继续迭代；
步骤2.6：输出最优解；由于本发明的可扩展智能方舱中的系统对热干扰容忍度较高，本发明区别于现有技术，出于方便计算，并未在约束条件中加入避免热干扰这一条件，而是在确定最优解后，再判断热干扰，从而减少了求解过程中的计算量，提高了布局优化的效率。
8.优选地，所述步骤3具体为：将根据最优解确定的可扩展智能方舱布局模型中的各系统模拟设置为最大功率运行，然后计算产热量，并根据各系统产热量确定所述可扩展智能方舱的热场图，根据热场图以及各系统在热场图中的位置判断是否存在热干扰。
9.根据本发明的另一方面，还包括一种计算机可读存储介质，计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行上述的一种可扩展智能方舱布局优化方法。
10.基于上述技术方案，本技术提供的一种可扩展智能方舱布局优化方法，具有如下技术效果：本发明通过把设立有效扩大智能方舱室内使用面积作为布局优化目标，把指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件，然后采用遗传算法进行求解，在求解结束后，再判断所得的解是否存在热干扰；本发明根据所述方舱中的各种系统对热干扰容忍度相对较高的特点，没有将热干扰作为约束条件，而是在求得解后再去判断热干扰，减少了模型运算量，提高了优化效率。
附图说明
11.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
12.图1为本技术实施例提供的一种可扩展智能方舱布局优化方法的流程图；图2为本技术实施例提供的建立可扩展智能方舱布局优化模型的流程图；图3为本技术实施例提供的采用遗传算法对所述可扩展智能方舱布局优化模型求解的流程图。
具体实施方式
13.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
14.下面首先结合附图对本技术所涉及的概念进行说明。在此需要指出的是，以下对各个概念的说明，仅为了使本技术的内容更加容易理解，并不表示对本技术保护范围的限定。
15.实施例一、在本实施例的实例中，为了实现上述目的，如图1所示，提供一种可扩展智能方舱布局优化方法，包括以下步骤：步骤1：建立可扩展智能方舱布局优化模型；
具体地，本实施例通过仿真形式，通过仿真软件首先建立扩扩展智能方舱布局优化模型，然后根据模型求解，得到的最优解即为可扩展智能方舱布局优化方案；具体地，所述可扩展智能方舱布局优化模型包括可扩展智能方舱优化目标和可扩展智能方舱的约束条件；如图2所示，所述建立可扩展智能方舱布局优化模型具体为：步骤1.1：确定所述可扩展智能方舱优化目标；具体地，本实施例基于房车进行重新设计，深入挖局房车的改装能力，拆去房车上的全部上装装备及舱体等，在保留有车驾驶室及仪表台等的基础上再另行全新改装，所以，基于房车的原有有效空间，设立有效扩大智能方舱室内使用面积作为布局优化目标；更进一步地，所述设立有效扩大智能方舱室内使用面积作为布局优化目标的数学表达式为：maxf(x)=max(w1f1(x)+w2f2(x))式中，f(x)为所述可扩展智能方舱室内使用面积，所述f1(x)为房车驾驶室原有面积，f2(x)为可扩展面积，w1、w2为可调节权重；步骤1.2：确定所述可扩展智能方舱的约束条件；本实施例需要优化的方舱为智能方舱，因此，需要再方舱中增加指挥系统、空调系统、办公系统、电器系统，加装设备较多，因此，在对方舱布局优化时，应考虑任一两个系统之间的位置不会发生互相干涉或者位置重合的情况，因此，将指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件；更进一步地，所述指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件的数学表达式为：maxfit(i)=ω1×
t1+ω2×
t2+
……
+ωi×
tii=1,2
……
n式中，fit(i)为系统i的适应度函数；其中，所述系统i为指挥系统、空调系统、办公系统以及电器系统中的一种；n为所述智能方舱中系统的总个数；ti表示系统i的位置；ωi为系统i的位置调节权重；步骤2：采用遗传算法对所述可扩展智能方舱布局优化模型求解，得到一个最优解和多个次优解；遗传算法是一种宏观的仿生算法，采用自然进化模型，如选择、交叉、迁移、局域与邻域等，相对于传统的优化算法，该算法具有以下特点：自组织、自适应和学习性，应用遗传算法求解时，在编码方案、适应度函数、遗传算子确定后，算法能够自行组织搜索，所述遗传算法能够根据环境变化来自动发现环境的特性和规律，因此使用遗传算法时概念对应性很强，便于理解与使用。
16.所述遗传算法对所述可扩展智能方舱布局优化模型求解的思路为：首先遗传算法会随机产生一个初始种群，所述初始种群中的每个个体代表所述模型的一个解；然后将所述初始的种群中的每个个体带入到建立的适应度函数中，并计算得到适应度函数的值，通过所述适应度函数的值的大小来反应所述个体的优化程度；在算法迭代过程中，所述适应度值高的个体被选中的概率高，适应度低的个体被选中的概率低，经过不断地迭代，适应度低的个体逐渐被淘汰，最终使模型收敛；具体地，如图3所示，所述采用遗传算法对所述可扩展智能方舱布局优化模型求解
具体为：步骤2.1：给定各个系统的尺寸以及数量；具体地，所述各个系统包括指挥系统、空调系统、办公系统、电器系统；步骤2.2：生成随机的初始解x1，带入所述优化目标的数学表达式中，计算所述初始解的优化目标值，并带入所述约束条件中计算所述初始解的适应度函数值；步骤2.3：基于遗传算法内置的解的生成规则，产生新解x2，并计算所述新解的优化目标值，并计算所述新解的适应度函数值；步骤2.4：按照设定概率p接受新解，并判断新解是否优于初始解，然后继续步骤2.2；值得强调的是，本领域技术人员可根据优化效率，对设定概率p的数值进行具体设定，通过概率p的数值确定是否接受新解；步骤2.5：判断迭代次数是否达到预设迭代次数，若达到，则终止迭代，进入步骤2.6；若未达到，则继续迭代；步骤2.6：输出最优解；步骤3：根据所述最优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；若存在热干扰，则进入步骤4，否则进入步骤6；本实施例中，由于在可扩展智能方舱中集成了数量较多的系统，系统运行时会产生大量的热量，若存在某个部位热量较为集中，则会产生极大的安全隐患，同时，不同的系统对热干扰容忍度不同，也为了避免热干扰对不同系统的影响，因此，本实施例在确定最优解后，还需确定最优解的布局方式是否具有热干扰；由于本实施例的可扩展智能方舱中的系统对热干扰容忍度较高，本实施例区别于现有技术，出于方便计算，并未在约束条件中加入避免热干扰这一条件，而是在确定最优解后，再判断热干扰，从而减少了求解过程中的计算量，提高了布局优化的效率。
17.具体地，所述步骤3具体为：将根据最优解确定的可扩展智能方舱布局模型中的各系统模拟设置为最大功率运行，然后计算产热量，并根据各系统产热量确定所述可扩展智能方舱的热场图，根据热场图以及各系统在热场图中的位置判断是否存在热干扰；步骤4：选取一个次优解，根据所述次优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；步骤5：若存在热干扰，则继续选取下一个次优解，进入步骤4；否则进入步骤6；步骤6：根据不存在热干扰的解作为所述可扩展智能方舱布局的最终解。
18.实施例二，本实施例包括一种计算机可读存储介质，计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行实施例一中任一项所述的一种可扩展智能方舱布局优化方法。
19.本领域技术人员应明白，本文的实施例可提供为方法、装置（设备）、或计算机程序产品。因此，本文可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘（dvd）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类
的调制数据信号中的其他数据，并且可包括任何信息递送介质。
20.本文是参照根据本文实施例的方法、装置（设备）和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
21.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
22.以上所述的实施例及/或实施方式，仅是用以说明实现本发明技术的较佳实施例及/或实施方式，并非对本发明技术的实施方式作任何形式上的限制，任何本领域技术人员，在不脱离本发明内容所公开的技术手段的范围，当可作些许的更动或修改为其它等效的实施例，但仍应视为与本发明实质相同的技术或实施例。

技术特征：
1.一种可扩展智能方舱布局优化方法，其特征在于，包括以下步骤：步骤1：建立可扩展智能方舱布局优化模型；步骤2：采用遗传算法对所述可扩展智能方舱布局优化模型求解，得到一个最优解和多个次优解；步骤3：根据所述最优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；若存在热干扰，则进入步骤4，否则进入步骤6；步骤4：选取一个次优解，根据所述次优解通过仿真软件建立所述可扩展智能方舱布局模型，判断所述布局模型是否存在热干扰；步骤5：若存在热干扰，则继续选取下一个次优解，进入步骤4；否则进入步骤6；步骤6：根据不存在热干扰的解作为所述可扩展智能方舱布局的最终解。2.根据权利要求1所述的一种可扩展智能方舱布局优化方法，其特征在于，所述可扩展智能方舱布局优化模型包括可扩展智能方舱优化目标和可扩展智能方舱的约束条件。3.根据权利要求2所述的一种可扩展智能方舱布局优化方法，其特征在于，所述建立可扩展智能方舱布局优化模型具体为：步骤1.1：确定所述可扩展智能方舱优化目标；步骤1.2：确定所述可扩展智能方舱的约束条件。4.根据权利要求3所述的一种可扩展智能方舱布局优化方法，其特征在于，设立有效扩大智能方舱室内使用面积作为布局优化目标；所述设立有效扩大智能方舱室内使用面积作为布局优化目标的数学表达式为：maxf(x)=max(w1f1(x)+w2f2(x))式中，f(x)为所述可扩展智能方舱室内使用面积，所述f1(x)为房车驾驶室原有面积，f2(x)为可扩展面积，w1、w2为可调节权重。5.根据权利要求3所述的一种可扩展智能方舱布局优化方法，其特征在于，将指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件；所述指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件的数学表达式为：maxfit(i)=ω1×
t1+ω2×
t2+
……
+ω
i
×
t
i
i=1,2
……
n式中，fit(i)为系统i的适应度函数；其中，所述系统i为指挥系统、空调系统、办公系统以及电器系统中的一种；n为所述智能方舱中系统的总个数；t
i
表示系统i的位置；ω
i
为系统i的位置调节权重。6.根据权利要求5所述的一种可扩展智能方舱布局优化方法，其特征在于，采用遗传算法对所述可扩展智能方舱布局优化模型求解的方法为：首先遗传算法随机产生一个初始种群，所述初始种群中的每个个体代表所述模型的一个解；然后将所述初始种群中的每个个体带入到所述适应度函数中，并计算得到适应度函数的值，通过所述适应度函数的值的大小来反应所述个体的优化程度；适应度值高的个体被选中的概率高，适应度低的个体被选中的概率低，经过不断地迭代，适应度低的个体逐渐被淘汰，最终使模型收敛。7.根据权利要求6所述的一种可扩展智能方舱布局优化方法，其特征在于，所述采用遗传算法对所述可扩展智能方舱布局优化模型求解具体为：步骤2.1：给定各个系统的尺寸以及数量；
步骤2.2：生成随机的初始解x1，带入所述优化目标的数学表达式中，计算所述初始解的优化目标值，并带入所述约束条件中计算所述初始解的适应度函数值；步骤2.3：基于遗传算法内置的解的生成规则，产生新解x2，并计算所述新解的优化目标值，并计算所述新解的适应度函数值；步骤2.4：按照设定概率p接受新解，并判断新解是否优于初始解，然后继续步骤2.2；步骤2.5：判断迭代次数是否达到预设迭代次数，若达到，则终止迭代，进入步骤2.6；若未达到，则继续迭代；步骤2.6：输出最优解。8.根据权利要求7所述的一种可扩展智能方舱布局优化方法，其特征在于，所述各个系统包括指挥系统、空调系统、办公系统、电器系统。9.根据权利要求7所述的一种可扩展智能方舱布局优化方法，其特征在于，所述步骤3具体为：将根据最优解确定的可扩展智能方舱布局模型中的各系统模拟设置为最大功率运行，然后计算产热量，并根据各系统产热量确定所述可扩展智能方舱的热场图，根据热场图以及各系统在热场图中的位置判断是否存在热干扰。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有数据处理程序，数据处理程序被处理器执行权利要求1-9任一项所述的一种可扩展智能方舱布局优化方法。

技术总结
本发明涉及可扩展智能方舱技术领域，具体涉及一种可扩展智能方舱布局优化方法，本发明通过把设立有效扩大智能方舱室内使用面积作为布局优化目标，把指挥系统、空调系统、办公系统、电器系统互相不会发生位置重合和干涉作为约束条件，然后采用遗传算法进行求解，在求解结束后，再判断所得的解是否存在热干扰；本发明根据所述方舱中的各种系统对热干扰容忍度相对较高的特点，没有将热干扰作为约束条件，而是在求得解后再去判断热干扰，减少了模型运算量，提高了优化效率。提高了优化效率。提高了优化效率。


技术研发人员：王胜强 张赢 朱文飞
受保护的技术使用者：北京航天和兴科技股份有限公司
技术研发日：2023.06.14
技术公布日：2023/7/20