公开(公告)号：CN116128316A

公开(公告)日：2023-05-16

申请号：CN202211654652.8

申请日：2022-12-22

Applicant: 南京邮电大学

Inventor： 杨海根 ,  王聪 ,  林东煌 ,  曾凡玉 ,  戴尔晗 ,  刘佶鑫 ,  葛艳

IPC: G06Q10/0637 ,  G06Q50/04 ,  G06F18/23 ,  G06N3/04

Abstract: 本发明公开了一种基于深度强化学习的离散制造工业数据表征方法，包括采集离散制造工业数据，构建时空数据库；将离散制造工业数据划分为离散特征和连续特征，构建数据耦合编码网络，并将编码网络中编码向量转换为表征向量，构建数据表征模型；通过聚类评价指标量化表征数据类别的区分度；将不同维度的聚类评价指标加权作为动态奖励，构建深度强化学习模型，通过表征模型与离散制造决策分析系统的交互关系，更新深度强化学习的神经网络参数。本发明能够表征动态变化的混合数据，基于深度强化学习将离散制造工业数据进行表征增强处理，通过聚类评价指标与离散工业系统进行交互，不断反馈动态奖励信息，以获得最优的数据表征形式。

公开(公告)号：CN117179770A

公开(公告)日：2023-12-08

申请号：CN202311111170.2

申请日：2023-08-31

Applicant: 南京邮电大学

Inventor： 戴尔晗 ,  徐凯 ,  杨海根 ,  林东煌 ,  戴罗昊 ,  黄前前

IPC: A61B5/22 ,  G06F30/20 ,  G06V20/40 ,  G06V40/20 ,  G06V10/80 ,  A61B5/00 ,  G06F119/14

Abstract: 本发明公开了一种基于关节受力分析的人体劳动强度评估方法及系统，首先基于图像识别根据图像数据生成人体和操作对象模型及其属性，或基于人机工程软件直接从软件中获取人体和操作对象模型及其属性；然后获取人体的随时间变化的每一时刻的骨骼的空间坐标信息、人体正在操作的对象的随时间变化的每一时刻的对象的空间坐标信息以及人体正在操作的对象的几何尺寸、质量、密度等属性；确定人体的随时间变化的每一时刻的人体外部的受力方向与大小，估计人体的随时间变化的每一时刻的部分或全部人体关节处的压力、力矩和剪切力；最后由人体劳动强度评估模块完成人体劳动强度的解算。与传统的方法相比，本发明公开的方法可以获取更加准确的评估结果。

公开(公告)号：CN117122310A

公开(公告)日：2023-11-28

申请号：CN202311111171.7

申请日：2023-08-31

Applicant: 南京邮电大学

Inventor： 戴尔晗 ,  鲍洪胜 ,  杨海根 ,  林东煌 ,  戴罗昊 ,  黄前前

IPC: A61B5/11 ,  G06V40/20 ,  G06V20/40 ,  G06V10/80

Abstract: 本发明公开了一种基于人体动作分解的劳动强度评估方法及系统，包括：数据采集模块，数据融合模块，人体处理模块，操作对象处理模块，人体动作分解模块，以及人体劳动强度评估模块。首先，从现场视频图像或人机工程软件中获取人体正在操作的对象、该对象的几何尺寸、质量、密度等属性、以及人体正在操作的对象的随时间变化的每一时刻的对象的空间坐标信息；然后，将连续的人体动作分解为一系列连续的简单动作；最后，根据简单动作计算出某一个简单动作的劳动强度以及一系列简单动作的劳动强度的累加和，根据求和结果与相关阈值评估人体的劳动强度。与传统方法相比，本发明基于人体动作分解的劳动强度评估方法可以获取更加准确的评估结果。

公开(公告)号：CN115964934A

公开(公告)日：2023-04-14

申请号：CN202211517991.1

申请日：2022-11-30

Applicant: 南京邮电大学

Inventor： 杨海根 ,  林东煌 ,  王聪 ,  曾凡玉 ,  戴尔晗 ,  刘佶鑫 ,  葛艳

IPC: G06F30/27 ,  G06N3/092 ,  G06F18/214 ,  G06N3/096

Abstract: 本发明公开了一种基于知识自演化的人工智能跨平台模型智能计算引擎构建方法，包括如下步骤：确认源时刻和目标时刻，基于人工经验，按照划分规则将某一时刻的离散制造系统数据集划分为多个数据集；初始化动态离散制造系统模型；对数据进行预处理，构建任务池；构建元学习框架，分为训练元学习模型和快速调整目标神经网络，实现多任务之间的快速迁移；更换目标时刻，利用元学习框架将训练好的神经网络快速迁移到新的任务；迭代上一步骤直到动态离散制造系统模型收敛，收敛后保存模型参数；将动态离散制造系统模型用于新环境任务，测试其性能。本发明能够减少模型参数的收敛时间，对于实际生产中随时间扰动的动态离散制造模型的训练具有重大的意义。

公开(公告)号：CN115796364A

公开(公告)日：2023-03-14

申请号：CN202211518004.X

申请日：2022-11-30

Applicant: 南京邮电大学

Inventor： 杨海根 ,  林东煌 ,  王聪 ,  曾凡玉 ,  戴尔晗 ,  刘佶鑫 ,  葛艳

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/04 ,  G06F18/22 ,  G06F18/214 ,  G06N3/092

Abstract: 本发明公开了一种面向离散制造系统的智能交互式决策方法，包括如下步骤：步骤1、针对实际应用场景，建立离散制造生产调度优化模型与策略；步骤2、基于深度强化学习算法，利用已有生产数据训练调度策略，将训练过程中具有高奖励的状态存入记忆体；步骤3、利用记忆体中的先验知识更新状态；步骤4、将更新后的状态输入深度强化学习网络，得到对应的奖励，并根据其奖励更新记忆体；步骤5、反复执行步骤4，直至模型参数收敛，保存模型，投入实际生产场景。本发明利用记忆体机制降低模型训练的计算量，提高模型训练的速度，能更快的迭代出最优解。