-
公开(公告)号：CN117495222A
公开(公告)日：2024-02-02
申请号：CN202311584204.X
申请日：2023-11-25
Applicant: 暨南大学
IPC: G06Q10/083 , G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本申请涉及生产物流配送资源的配置方法和存储介质，该方法包括：根据所接收到的配送需求变动信息，确定修正配置信息；在判断到修正配置信息中的配送载体配置方式为目标配置方式时，基于物料目标信息和备选的云车辆供给信息，进行基因编码和种群初始化，生成多个初始结构体编码；利用群体智能全局优化算法，对多个初始结构体编码进行群体优化操作，生成多个第一结构体编码，并基于第一结构体编码所对应的配送配置方案的配送成本适应度和群体智能全局优化算法，对多个第一结构体编码进行种群更新优化，以生成多个候选结构体编码；在多个候选结构体编码中，检测目标结构体编码，并将目标结构提供编码所对应的配送配置方案，作为生产物流配送资源的配置结果。
-
公开(公告)号：CN117172641A
公开(公告)日：2023-12-05
申请号：CN202311328245.2
申请日：2023-10-13
Applicant: 暨南大学 , 超讯通信股份有限公司 , 广东康利达物联科技有限公司
IPC: G06Q10/083 , G16Y10/40 , G06Q10/0631 , H04L67/12 , H04L67/104
Abstract: 本申请涉及基于区块链与数字孪生的生产物流管理平台及实现方法，包括广域物理资源层和广域物理资源管理系统；广域物理资源管理系统包括区块链资源管理层、数字孪生映像层、可信智能联动服务层和可信智能联动应用层；广域物理资源层用于管理物理资源和智能IoT设备；区块链资源管理层用于构建基于区块链的生产物流资源管理器；数字孪生映像层在虚拟空间中进行等效数字化；可信智能联动服务层用于提供区块链资源可信度评估、系统优化配置、运作计划和状态监控以及可信追溯服务；可信智能联动应用层用于提供全流程资源配置和动态决策服务。通过本申请，解决了社会化生产物流资源管理中，易造成的信息可信程度弱且运作成本高及可靠性低的问题。
-
公开(公告)号：CN117036940A
公开(公告)日：2023-11-10
申请号：CN202310982119.2
申请日：2023-08-04
Applicant: 暨南大学
IPC: G06V20/10 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及水域预警监测方法、装置、系统、电子装置和存储介质，该方法包括：获取目标监测水域的监测视频；对监测视频的视频图像帧进行预处理，利用图像处理模型，对预处理后的视频图像帧进行图像增强处理，得到增强图像，图像处理网络是基于预设的可微分滤波器所训练的CNN网络，可微分滤波器用于对视频图像帧进行增强处理；利用目标检测模型处理增强图像，得到处于目标监测水域的目标所对应的目标标签信息，目标标签信息包括目标类别标签信息和目标包围盒，目标检测模型是基于YOLOv5算法，在YOLOv5算法的主干网络嵌入CBAM所训练的神经网络；基于目标类别标签信息和目标包围盒，确定目标监测水域的预警监测结果。
-
公开(公告)号：CN113268541A
公开(公告)日：2021-08-17
申请号：CN202110377099.7
申请日：2021-04-08
Applicant: 暨南大学
Abstract: 本发明公开了一种志愿活动积分银行平台系统，系统包括前端服务层、逻辑业务层以及数据存储层；前端服务层，与逻辑业务层通过网络通信连接，用于接收所述志愿活动积分银行平台系统的访问请求；逻辑业务层用于根据访问请求的内容，通过分布式服务调度对应的微服务模块；微服务模块用于提供各类志愿活动相关功能；数据存储层包括区块链数据库、智能合约以及共识算法，采用分布式实时存储前端服务层和逻辑业务层产生的数据。本发明利用区块链搭建数据库，能够保存全部的志愿者培训课程信息，可以保证参与者学习数据的真实性，并且为每一份学习数据添加一段由完成时间所产生的随机数代码，生产具有权威性的学习记录的时间戳，避免重复培训。
-
公开(公告)号：CN117392834B
公开(公告)日：2024-07-02
申请号：CN202311227186.X
申请日：2023-09-21
Applicant: 暨南大学
IPC: G08G1/01 , G06Q10/047 , G06N3/0442 , G06N3/096 , G06F18/2321
Abstract: 本发明提出了一种智能路线规划方法及系统，方法包括：收集道路数据并进行预处理；对预处理后的数据构建模型进行分析；对模型进行训练：根据模型输出的概率值进行分析与验证，提出路线规划建议和进行报警。本发明通过实时预测道路上的异常情况，如交通事故或道路维修，并为用户提供智能的路线规划建议。系统结合了多种数据源，如用户的速度和位置数据、用户反馈、天气数据等，通过深度学习模型进行分析，实现高准确性的道路异常预测。
-
Patent Agency Ranking
公开(公告)号：CN118195447A
公开(公告)日：2024-06-14
申请号：CN202410418893.5
申请日：2024-04-09
Applicant: 暨南大学 , 超讯通信股份有限公司 , 广东康利达物联科技有限公司
IPC: G06Q10/083 , G06Q10/087 , G06Q10/0631 , G06N3/126
Abstract: 本申请涉及工业园区产成品的仓储输送联合决策方法和存储介质，该方法包括：获取工业园区内多个第一目标对象所产生的生产变动信息，并判断生产变动信息是否打乱当前联合调度信息所对应的调度安排；在判断到生产变动信息打乱当前联合调度信息所对应的调度安排的情况下，基于产生生产变动信息后所对应的第二排产信息和协同优化约束规则，对第一输送调度信息进行遗传进化操作迭代，生成第二输送调度信息；基于根据第二输送调度信息所生成的第二入库订单、协同优化约束规则和启发式算法，对第一仓储调度信息进行库位规划修正，生成第二仓储调度信息；将第二输送调度信息和第二仓储调度信息作为联合决策结果，并对所有产成品进行输送存储调度。
-
公开(公告)号：CN118092357A
公开(公告)日：2024-05-28
申请号：CN202410289188.X
申请日：2024-03-14
Applicant: 暨南大学 , 超讯通信股份有限公司 , 广东康利达物联科技有限公司
IPC: G05B19/418
Abstract: 本发明提出面向总装的基于数字孪生的物料流协同控制方法，包括：制造企业接收任务订单，确认需求；通过物理层获取数据，然后上传至决策控制层的模型中；将系统整体的结果输出；物理对象层接收并执行相对应作业计划；数字孪生结构对模型进行监控，判断是否出现动态性干扰；虚拟映像层对动态性干扰进行动态仿真与评估；确认受到动态性影响的子系统，更新数据，由局部子系统计算出子系统内的一级联动修正计划；更新数据；将二、三和四级联动修正计划下达给各子系统层；判断总装系统的任务是否完成。本发明通过基于数字孪生映像体系，为总装系统构建了相适应的数字动态决策信息架构，为实现配送和生产的高效动态协同运作提供了一个可行的使能架构。
-
公开(公告)号：CN117636623A
公开(公告)日：2024-03-01
申请号：CN202311421338.X
申请日：2023-10-30
Applicant: 暨南大学
Abstract: 本发明提出了一种基于离线强化学习的信号灯及路由协同控制方法，方法包括：获取不同的数据源的数据，并对数据进行预处理；设计数据源优先等级，根据数据源的优先级对数据源输入图神经网络模型的优先级进行控制；设置自适应数据融合算法对数据进行融合；使用离线强化学习算法对预处理后的数据和奖励函数进行图神经网络模型训练；实时检测交通状态和图神经网络模型输出，并在检测到异常或不安全情况时切换到预定义的安全策略。本发明通过这种协同优化的方式，不仅能有效地解决复杂和动态的交通问题，而且具有很高的安全性和用户体验，是一种具有高度创新性和实用性的交通管理解决方案。
-
公开(公告)号：CN117392834A
公开(公告)日：2024-01-12
申请号：CN202311227186.X
申请日：2023-09-21
Applicant: 暨南大学
IPC: G08G1/01 , G06Q10/047 , G06N3/0442 , G06N3/096 , G06F18/2321
Abstract: 本发明提出了一种智能路线规划方法及系统，方法包括：收集道路数据并进行预处理；对预处理后的数据构建模型进行分析；对模型进行训练：根据模型输出的概率值进行分析与验证，提出路线规划建议和进行报警。本发明通过实时预测道路上的异常情况，如交通事故或道路维修，并为用户提供智能的路线规划建议。系统结合了多种数据源，如用户的速度和位置数据、用户反馈、天气数据等，通过深度学习模型进行分析，实现高准确性的道路异常预测。
-
公开(公告)号：CN116612636A
公开(公告)日：2023-08-18
申请号：CN202310582760.7
申请日：2023-05-22
Applicant: 暨南大学
IPC: G08G1/01 , G06F18/25 , G06F18/213 , G06N3/092 , G06N3/042 , G06N3/0464 , G08G1/052 , G08G1/095 , G08G1/08
Abstract: 本发明提出了一种基于多智能体强化学习及多模态信号感知的信号灯协同控制方法，包括：收集各种传感器的数据和进行多模态定义，通过数据融合技术实时获取信息；采用协同车路多智能体强化学习算法对信号灯与车辆进行协同控制；根据各种传感器的收集数据进行预处理，利用特征融合方法将不同模态的数据融合，为每个智能体构建局部状态空间；为信号灯智能体和车辆智能体设计动作空间；根据交通流控制的目标，为多智能体强化学习设计奖励函数；设计适用于车路协同控制场景的通信协议；使用历史数据或仿真环境对多智能体强化学习模型进行训练，找到最优策略。本发明通过引入车辆作为智能体，实现更有效的车路协同，进一步提高交通控制效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.047 seconds)
