-
公开(公告)号：CN111985162A
公开(公告)日：2020-11-24
申请号：CN202010888345.0
申请日：2020-08-28
Applicant: 华中科技大学
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：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：CN111913458B
公开(公告)日：2022-06-21
申请号：CN202010886614.X
申请日：2020-08-28
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于深度学习的车间控制方法和系统。该方法包括：采集加工设备的零件全生命周期数据；构建基于人工神经网络的设备故障预测模型，利用所述零件全生命周期数据对所述设备故障预测模型进行训练和测试，利用训练好的设备故障预测模型输出所述加工设备的预测故障发生时刻数据；构建车间调度模型，并获取所述加工设备的维修时长数据，利用所述维修时长数据和所述预测故障发生时刻数据构建所述车间调度模型中的特殊加工约束；对所述车间调度模型进行求解，获取总加工时间最短的工件加工方案，发送工件加工指令。本发明能够进一步缩短工件加工时间，减少或避免重调度，提高车间生产效率。
-
公开(公告)号：CN111913458A
公开(公告)日：2020-11-10
申请号：CN202010886614.X
申请日：2020-08-28
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于深度学习的车间控制方法和系统。该方法包括：采集加工设备的零件全生命周期数据；构建基于人工神经网络的设备故障预测模型，利用所述零件全生命周期数据对所述设备故障预测模型进行训练和测试，利用训练好的设备故障预测模型输出所述加工设备的预测故障发生时刻数据；构建车间调度模型，并获取所述加工设备的维修时长数据，利用所述维修时长数据和所述预测故障发生时刻数据构建所述车间调度模型中的特殊加工约束；对所述车间调度模型进行求解，获取总加工时间最短的工件加工方案，发送工件加工指令。本发明能够进一步缩短工件加工时间，减少或避免重调度，提高车间生产效率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
