-
公开(公告)号：CN119476857A
公开(公告)日：2025-02-18
申请号：CN202411645890.1
申请日：2024-11-18
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06N5/01 , G06N3/126 , G06Q50/04
Abstract: 本发明公开了一种资源约束项目调度方法、系统、设备和介质，属于车间智能调度技术领域，该方法基于生成的工序排序编码，通过创立解码顺序集合和等待工序组，对解码顺序集合进行更新，确定更新后的工序排序编码对应的解码顺序集合，确定每个工序的开始加工时间、结束加工时间和完成所有工序的总时间；将工人最小化最大完工时间作为优化目标，通过遗传模拟退火算法，获取适应度值最高的个体，根据适应度值最高的个体对应的每个工序的开始加工时间、结束加工时间和完成所有工序的总时间，确定每个工人的总加工时长系数和最近加工时长系数，对每个工人进行排班。该方法能够提高人力资源调度的利用率。
-
公开(公告)号：CN119156974A
公开(公告)日：2024-12-20
申请号：CN202411234998.1
申请日：2024-09-04
Applicant: 华中科技大学
IPC: A01D46/26
Abstract: 本申请属于农产品收果机械领域，具体公开了一种摇振收果机及方法，该摇振收果机包括架体以及摇振壳体，摇振壳体与架体活动连接，摇振壳体上设置有限位板、直线动力件、夹持臂、驱动件、摇振机构和压力传感器，其中：限位板设置有多个，多个限位板分别通过直线动力件球铰接于摇振壳体的外侧；驱动件用于驱动夹持臂移动，使夹持臂与多个限位板之间围成大小可调的用以夹持果树的自适应夹持区；压力传感器件用于检测限位板所承受的压力；摇振机构用于对摇振壳体施加振动，使被夹持在自适应夹持区的果树摇振落果。通过本申请的摇振收果机不易夹伤果树树皮。
-
公开(公告)号：CN119065329A
公开(公告)日：2024-12-03
申请号：CN202411130160.8
申请日：2024-08-16
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间制造过程中的调度理论相关技术领域，其公开了一种具有拓扑邻域结构的柔性作业车间批量流调度方法，该方法建立了柔性作业车间批量流调度问题的三维析取图编码模型，根据三维析取图的高维复杂特征，设计基于拓扑排序的快速解码方法，将高维复杂的柔性作业车间批量流调度的空间图转化为线性拓扑链表的表达形式，并结合浮动时间法设计关键路径判定方法，减少解码耗时，对于关键路径上的关键节点，利用设计好的拓扑邻域结构中的两种邻域扰动操作，高效稳定地输出可行的邻域解，有效地在较短时间内进行邻域的高质量扰动，并避免不可行解的产生，进而减少了后续可行性判定的计算资源消耗，提升求解算法的搜索性能。
-
公开(公告)号：CN118605407A
公开(公告)日：2024-09-06
申请号：CN202410608647.6
申请日：2024-05-15
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间调度相关技术领域，其公开了一种集成遗传表达式编程和双延迟深度确定性策略梯度算法的装配车间物流任务实时调度方法及系统，方法包括：采用遗传表达式编程方式对基本调度规则库中的调度规则进行重组优化获得目标规则库；基于运输任务数量以及各运输载具的位置获得环境状态空间；将环境状态空间输入Transformer获得目标环境状态空间，采用两个评论家网络对目标规则库中的调度策略对应的动作在目标环境状态空间下的Q值进行评估，选择较低的Q值进行动作执行，采用奖励函数对动作执行所产生的环境状态变化进行奖励，更新评论家网络获得最优调度策略。本申请使得当前决策与当前环境状态更加相关，提升了对新环境的适应能力。
-
公开(公告)号：CN118605405A
公开(公告)日：2024-09-06
申请号：CN202410590003.9
申请日：2024-05-13
Applicant: 华中科技大学 , 首都航天机械有限公司
IPC: G05B19/418
Abstract: 本发明公开了一种基于空间位置编码和神经网络的工艺参数关系模型建立方法，属于智能加工技术领域，通过将三维加工轨迹坐标和预设工艺参数进行编码并输入隐空间映射网络，以使隐空间映射网络将其映射至一个包含切削深度和切削宽度等关键信息的特征隐空间，成功实现了切削深度和切削宽度的间接获取，可在不直接采集切削深度和切削宽度的条件下，实现工艺参数关系模型的准确建立，由此解决由于切削深度和切削宽度数据难以获取导致工艺参数关系模型无法建立的技术问题。本发明建立的工艺参数关系模型准确表征各待拟合的输入端工艺参数与输出端工艺参数之间的复杂关系，可应用于切削工艺参数预测和优化切削加工工艺，以实现高效经济的生产。
-
Patent Agency Ranking
公开(公告)号：CN115019133B
公开(公告)日：2024-07-02
申请号：CN202210685827.5
申请日：2022-06-16
Applicant: 华中科技大学
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于目标检测相关技术领域，其公开了一种基于自训练和标签抗噪的图像中弱目标的检测方法及系统，方法包括：获取并预处理包括有标签图像样本和无标签图像样本的目标检测数据集；为有标签图像样本和无标签图像样本生成候选框；将有标签图像样本输入至基于MIL的弱监督目标检测模型，得到初步训练完成的弱监督目标检测模型；采用初步训练完成的弱监督目标检测模型对无标签图像样本进行预测并筛选，得到伪标签；采用有标签图像样本和伪标签的无标签图像样本对初步训练完成的模型再次训练，得到最终训练完成的模型；将待检测图像输入最终训练完成的模型即可实现弱目标的检测。本申请避免对高质量标签的依赖，提高了图像中弱目标检测的精度和效率。
-
公开(公告)号：CN111985162B
公开(公告)日：2024-04-26
申请号：CN202010888345.0
申请日：2020-08-28
Applicant: 华中科技大学
IPC: G06F30/27 , G06Q10/04 , G06N3/08 , G06F18/214 , G06N3/0464 , G05B19/418
Abstract: 本发明公开了一种基于深度学习的置换流水车间控制方法和系统。该方法包括：获取关于工件加工时间的时间矩阵，生成工件的初始加工排序；构建ResNet网络模型，所述ResNet网络模型用于预测交换加工序列中相邻工件后总加工时间是否是缩短，采集历史调度数据构建训练数据集，利用所述训练数据集训练所述ResNet网络模型；利用训练好的ResNet网络模型进行预测，根据预测结果，判断是否交换该相邻工序。本发明在保证获取最优加工工序精度的同时，大幅减少控制计算时间，进而提高生产稳定性、生产效率以及产品质量，降低产品制造周期和产品成本。
-
公开(公告)号：CN117350469A
公开(公告)日：2024-01-05
申请号：CN202311164011.9
申请日：2023-09-11
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q10/10 , G06N3/126
Abstract: 本发明属于智能优化算法相关技术领域，其公开了一种用于资源受限项目调度的引导性遗传规划方法，包括：初始化种群；对种群中的调度规则进行性能评估；在实际迭代次数小于等于预设迭代次数时，进入采样搜索阶段，根据性能评估结果，执行随机局部搜索并执行遗传搜索更新种群；在实际迭代次数大于预设迭代次数时，进入引导搜索阶段，根据性能评估结果，执行引导局部搜索并执行遗传搜索更新种群；判断实际迭代次数是否达到最大迭代次数，若是，则输出最优调度规则。本发明构建了具有采样‑引导功能的两阶段进化框架通过迭代次数变化实现不同功能进化阶段的转换，将引导搜索用于局部搜索算子中，有利于生成多种特性的调度规则，提高搜索的有效性。
-
公开(公告)号：CN117124344A
公开(公告)日：2023-11-28
申请号：CN202311268453.8
申请日：2023-09-27
Applicant: 华中科技大学
IPC: B25J11/00 , B62D57/032
Abstract: 本发明属于液压机器人本体结构相关技术领域，其公开了一种无管化骨盆结构及双足液压驱动机器人，所述无管化骨盆结构包括多个液压接头、进回油处阀块、支撑结构及运动结构，所述进回油处阀块连接于支撑结构的一侧，多个所述液压接头分别连接于所述进回油处阀块；所述运动结构设置在所述支撑结构上；支撑结构内部开设有液压油流道，液压油依次通过所述液压接头及所述进回油处阀块进入所述流道，进而通过所述流道进入所述运动结构，以驱动所述结构进行运动。所述无管化骨盆结构将骨盆板既作为结构件又作为阀块，实现了骨盆处结构的高度集成。
-
公开(公告)号：CN117057528A
公开(公告)日：2023-11-14
申请号：CN202310810466.7
申请日：2023-07-04
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q50/04 , G06N3/042 , G06N3/047 , G06N3/045 , G06N3/092
Abstract: 本发明属于分布式车间调度相关技术领域，并公开了一种基于端到端深度强化学习的分布式作业车间调度方法。该方法包括下列步骤：S1绘制待求解的分布式车间调度问题的拼接析取图模型并确定其初始信息；确定所有工序对应的工序‑工厂对动作；S2将当前时刻的拼接析取图信息输入图神经网络，提取其节点信息和全局信息，将所获得信息输入决策网络，计算每个动作被选取的概率；选取概率值最大的动作，确定被调度的工序以及该工序应该被放入的工厂；执行被选取的动作并更新析取图信息；S3重复步骤S2，直至获得所有时刻对应的动作，获得调度方案。通过本发明，解决现有技术存在的适用场景单一、实时性差、缺乏自学习和自进化能力的问题。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.03 seconds)
