-
公开(公告)号：CN118963272A
公开(公告)日：2024-11-15
申请号：CN202411024659.0
申请日：2024-07-29
Applicant: 华中科技大学
IPC: G05B19/418 , G06N3/092
Abstract: 本发明公开了基于强化学习方法和规则进化的可重构车间动态调度方法，属于车间调度领域，包括：以最小化工件总拖期成本为目标，利用遗传规划算法对启发式调度规则进行选择和组合，得到了指导加工工件选择的复合调度规则，构建了效率优先的拓扑单元分配与重组的分层策略，融合了Double DQN、dueling DQN和优先经验回放机制提高DQN算法的寻优能力，并搭建了融合循环神经网络与多层感知机的智能体神经网络模型，在训练过程中提取车间加工任务分配的时序信息，同时建立了面向新工件到达的动态事件响应机制。本发明能够提高可重构车间调度的实时性和优化质量，并提高制造资源利用率，从而降低企业的生产成本，保证制造系统的稳定运行。
-
公开(公告)号：CN114170138B
公开(公告)日：2024-10-15
申请号：CN202111310242.7
申请日：2021-11-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种无监督工业图像异常检测模型建立方法、检测方法及系统，属于工业图像处理领域，包括：建立并训练用于深度特征提取的源域神经网络和目标域神经网络，并建立映射神经网络，得到初始的无监督工业图像异常检测模型，其中，映射神经网络用于实现源域神经网络提取的源域深度特征图和目标域神经网络提取的目标域深度特征图之间的映射；将工业图像数据集中的训练样本输入源域神经网络和目标域神经网络，以最小化训练样本的L2损失为目标，优化映射神经网络的参数，得到训练后的无监督工业图像异常检测模型，其中，训练样本为合格工业样品的图像。提升无监督下工业图像异常检测的性能，降低人工成本，提高产线质检自动化、智能化水平。
-
公开(公告)号：CN114742770B
公开(公告)日：2024-09-10
申请号：CN202210288874.6
申请日：2022-03-22
Applicant: 华中科技大学
IPC: G06T7/00 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0499
Abstract: 本发明公开了一种电解铜板铜瘤子缺陷检测方法、训练方法及系统，属于图像处理技术领域。湿法炼铜在进行阴极铜析出时，由于电解质不纯等原因而容易造成阴极铜板上析出颗粒较大的铜瘤子，无法满足生产标准。本发明分为训练和推理两个阶段。首先对采集的铜板图像进行图像预处理。在训练阶段，通过已标注的、并经过预处理的图像数据进行神经网络参数训练，优化目标包括铜瘤子缺陷位置、置信度、深度。在推理阶段，将采集的图像经过图像预处理，输入训练好的神经网络进行前向推理，输出铜瘤子缺陷位置、置信度、深度，经过设计的判别准则，有助于准确高效地除铜瘤子缺陷。所公开方法可以提高现有铜瘤子去除效率，压缩生产工期。
-
公开(公告)号：CN118605402A
公开(公告)日：2024-09-06
申请号：CN202410574177.6
申请日：2024-05-10
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种考虑多载量运输下生产与物流集成调度的编解码方法、系统及应用，属于生产与物流集成调度领域，编码方法进行工序加工与运输序列OS、加工机器选择MS和运输设备选择TS的三层编码；其中OS中将工件的加工任务和运输任务绑定；对OS、MS和TS内相同位置的编码组成的各三元调度任务依次进行解码得到调度方案；解码方法包括运输任务的向前插入、多载量运输任务合并及加工任务的向前插入，在运输任务向前插入时，若运输任务满足多载量运输合并的约束条件，则将该运输任务与插入空隙前/后的运输任务合并为多载量运输。本发明解决了生产与物流集成调度中没有适应多载量运输情况下的解码方法，编码困难、解码质量差的技术问题。
-
公开(公告)号：CN118428669A
公开(公告)日：2024-08-02
申请号：CN202410567226.3
申请日：2024-05-09
Applicant: 华中科技大学
IPC: G06Q10/0631 , G06Q10/083 , G06Q50/04 , G06F30/27 , G06N3/006 , G06F111/06
Abstract: 本发明属于航空结构件制造技术领域，公开了一种用于航空结构件生产车间的工艺规划与调度协同优化方法，包括：构建包含多个限制性约束的航空结构件车间协同优化混合整数规划模型，所述模型以最小化工件最大完工时间为目标，所述限制性约束包括：批次划分约束、工艺柔性约束、柔性加工设备约束、运输无配对起止点约束及运输资源有限约束；求解所述模型，得到最优成滚分批方案、工艺规划方案、调度方案及运输资源分配方案。进一步地，设计多邻域文化基因算法求解模型，基于问题特点构建局部搜索方法，提升了最优解的搜索速度和搜索质量。本发明能够提高航空结构件车间的生产效率，降低资源冲突和运输成本。
-
Patent Agency Ranking
公开(公告)号：CN116300763B
公开(公告)日：2024-05-24
申请号：CN202310337907.6
申请日：2023-03-31
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，其公开了一种考虑机器配置的混合流水车间数学启发式调度方法及系统，包括以下步骤：(1)对考虑机器配置的混合流水车间构建混合整数线性规划模型；(2)基于模型的决策变量确定数学启发式算法的编码结构，并进行解码以得到当前轮的最优调度解；(3)对每轮迭代精英种群中的解进行更新以替换末尾次优解；(4)基于算例规模确定精英种群向混合整数线性规划模型传递变量的传递规则，并确定该传递规则对应的子模型；(5)对子模型进行求解，每次求解的值作为当前传递染色体的适应度函数值并进入种群进行优劣淘汰，进而得到最终的调度最优解。本发明提高了算法的搜索质量，实现了高效获取最优目标的调度方案。
-
公开(公告)号：CN117435691A
公开(公告)日：2024-01-23
申请号：CN202311411398.3
申请日：2023-10-25
Applicant: 华中科技大学 , 首都航天机械有限公司
Abstract: 本发明属于智能制造相关技术领域，并公开了一种基于多层级语义特征相似性的工件加工工艺预测方法。该方法包括下列步骤：S1采集工件的加工工艺数据构建正样本对和负样本对；S2将构建的正样本对和负样本对输入预设的自注意力大模型中，对述自注意力大模型进行微调；S3构建多层级索引库；S4将待检测文本输入自注意力大模型中获得相对应的语义特征，将获得的语义特征与所述多层级索引库中的数据逐层进行比较并计算相似度，每层相似度最大对应的加工特征的组合形成最相似加工工艺；根据该最相似加工工艺对待加工件进行辅助加工。通过本发明，解决加工工艺智能推理的问题。
-
公开(公告)号：CN116449780A
公开(公告)日：2023-07-18
申请号：CN202310345781.7
申请日：2023-04-03
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间生产调度相关技术领域，其公开了一种基于邻域结构的混合流水车间调度方法及系统，包括以下步骤：(1)将待优化的混合流水车间调度解作为当前解和历史最优解，并选定一种邻域结构；(2)求解各工序的头尾长度；(3)递归计算关键路径；(4)将关键路径划分为关键块；(5)依次在关键块上使用邻域结构以得到邻域解；(6)利用头尾长度估计所有邻域解的最大完工时间；(7)从邻域解中选择最大完工时间最小的作为新的当前解，如果当前解的最大完工时间小于历史最优解，则用当前解更新历史最优解；(8)判断是否满足终止条件，如满足，则输出历史最优解，如未满足终止条件则转至步骤(2)。本发明提高了搜索效率。
-
公开(公告)号：CN116224946A
公开(公告)日：2023-06-06
申请号：CN202310297114.6
申请日：2023-03-24
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明属于车间制造过程中的集成调度相关技术领域，其公开了一种机械件加工车间生产与物流集成的优化调度方法与系统，该方法包括以下步骤：(1)构建机械结构件生产过程中生产与物流的集成调度模型，所述集成调度模型同时考虑车间中的机器调度和运输设备的调度，其优化目标是最小化最大完工时间；(2)采用基于分布估计算法的超启发式混合算法对所述集成调度模型进行优化求解，以得到机械结构件的最佳加工顺序；其中，该超启发式混合算法是采用分布估计算法中的概率矩阵来选择操作算子。本发明使得机械大型结构件加工过程中的生产调度与物流调度关系清晰准确，能够大幅提高车间的生产效率，缩短生产周期，进而提升企业的经济效益。
-
公开(公告)号：CN115019133A
公开(公告)日：2022-09-06
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 , G06N3/04 , G06N3/08
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。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.037 seconds)
