-
公开(公告)号：CN115390529B
公开(公告)日：2025-03-21
申请号：CN202211071045.9
申请日：2022-08-31
Applicant: 同济大学
IPC: G05B19/418 , H04L67/12
Abstract: 本发明涉及一种基于单元级CPS的模拟智能设备，包括物理空间和信息空间，其中物理空间包括：状态感知模块，用于从物理设备收集感知数据；指令执行模块，用于控制物理设备运行，信息空间包括：本地数据库，用于接收感知数据和控制策略，存储物理设备的状态信息及对物理设备的控制策略；数据采集模块，用于获取物理设备运行过程中的感知数据；智能计算模块，用于接收控制策略和感知数据，输出支持智能决策的数据；决策控制模块，用于根据支持智能决策的数据，生成对物理设备的控制指令；通信模块，用于实现智能设备与上层控制系统间、智能设备间的数据传输。与现有技术相比，本发明具有运行周期短，时间、硬件成本低，扩展性灵活性强等优点。
-
公开(公告)号：CN111199272B
公开(公告)日：2023-11-03
申请号：CN201911403830.8
申请日：2019-12-30
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q50/04 , G06F30/27 , G06N3/092
Abstract: 本发明涉及一种面向智能车间的自适应调度方法，该方法通过一基于深度Q网络的自适应调度器生成控制智能车间生产过程的调度策略，深度Q网络的自适应调度器执行：获取智能车间的实时车间状态，判断当前调度策略是否需要更新，若是，则根据实时车间状态通过动态调度模型更新调度策略施加至智能车间，若否，则保持智能车间的调度策略不变；在调度策略生成过程中，采集经验调度样本存放至调度经验池中，基于所述调度经验池中的经验调度样本对所述动态调度模型进行训练；所述智能车间具有一实现与基于深度Q网络的自适应调度器和调度经验池的信息交互的信息交换器。与现有技术相比，本发明具有调度策略适应性好、离线学习免监督、提高生产效率优点。
-
公开(公告)号：CN116934038A
公开(公告)日：2023-10-24
申请号：CN202310923036.6
申请日：2023-07-26
Applicant: 同济大学
IPC: G06Q10/0631 , G06Q50/04 , G06F18/214 , G06N3/045 , G06N3/082 , G06N3/098
Abstract: 本发明涉及一种基于深度神经网络协同训练的智能车间生产调度方法、电子设备及调度系统，所述方法包括：获取车间实时生产状态，调用当前的最优调度模型，获得对应的最优调度决策，施加于智能车间实现生产控制；其中，所述最优调度模型包括至少两个并行的对所述车间实时生产状态进行处理的调度子模型，对各调度子模型的输出进行融合后获得所述最优调度决策，所述调度子模型基于深度神经网络构建；各所述调度子模型同时利用有标签调度样本集和无标签调度样本集进行协同训练。与现有技术相比，本发明具有提升知识获取的实时性和知识在动态环境下的有效性，降低知识失效对生产活动的影响等优点。
-
公开(公告)号：CN116893656A
公开(公告)日：2023-10-17
申请号：CN202311085832.3
申请日：2023-08-25
Applicant: 同济大学
IPC: G05B19/418
Abstract: 本发明涉及一种面向智能车间的分布式调度方法、系统及电子设备，该方法包括：根据各个制造单元的单元状态，相应的单元调度智能体做出单元决策，实现智能车间生产控制；所述单元调度智能体包含评估Q网络和目标Q网络，通过如下步骤进行更新：从经验池中获取训练数据；计算全局Q值期望和损失，通过反向传播算法更新各个单元调度智能体的评估Q网络，将评估Q网络延时拷贝至目标Q网络，更新目标Q网络。与现有技术相比，本发明充分利用车间制造单元所具备的智能优势，建立高效、灵活的车间分布式智能。
-
公开(公告)号：CN115796326A
公开(公告)日：2023-03-14
申请号：CN202211262474.4
申请日：2022-10-14
Applicant: 同济大学
Abstract: 本发明涉及一种智能车间调度系统及方法，该系统包括工件智能体组、设备智能体组，调度智能体和调度决策支持库，工件智能体组为智能车间中工件相关资源的映射，设备智能体组为智能车间中设备相关资源的映射，调度智能体从工件智能体组与设备智能体组中读取当前车间生产状态，并为调度过程提供决策支持，所述调度决策支持库存储和提供调度智能体所需的调度决策模型与预测模型，工件智能体组与设备智能体组通过协商交互确定最终生产计划。与现有技术相比，本发明工件智能体和设备智能体之间通过交互过程实现双向选择，能够完成从订单读取、设备配置到生产计划实施的过程，实现了极大提高整个调度过程的自主性。
-
Patent Agency Ranking
公开(公告)号：CN115510963A
公开(公告)日：2022-12-23
申请号：CN202211143419.3
申请日：2022-09-20
Applicant: 同济大学
Abstract: 本发明涉及一种增量式设备故障诊断方法，该方法利用一经训练的故障诊断模型处理有新样本涌入的待诊断数据，获得设备的故障诊断结果，故障诊断模型的构建方法包括：1)构建完备样本集；2)构建初始故障诊断模型，并应用完备样本集对其进行训练；3)使用样本保留方法，选择性保留重要样本子集；4)新样本涌入时，基于初始故障诊断模型的结构和参数，构建中间故障诊断模型；5)基于知识蒸馏算法，使用新样本集和重要样本子集共同训练中间故障诊断模型，得到并测试最终故障诊断模型。与现有技术相比，本发明实现了有效学习新样本和保留旧样本，使其不仅具备对新故障类型的判别能力，而且对于历史样本保持良好记忆能力。
-
公开(公告)号：CN115390529A
公开(公告)日：2022-11-25
申请号：CN202211071045.9
申请日：2022-08-31
Applicant: 同济大学
IPC: G05B19/418 , H04L67/12
Abstract: 本发明涉及一种基于单元级CPS的模拟智能设备，包括物理空间和信息空间，其中物理空间包括：状态感知模块，用于从物理设备收集感知数据；指令执行模块，用于控制物理设备运行，信息空间包括：本地数据库，用于接收感知数据和控制策略，存储物理设备的状态信息及对物理设备的控制策略；数据采集模块，用于获取物理设备运行过程中的感知数据；智能计算模块，用于接收控制策略和感知数据，输出支持智能决策的数据；决策控制模块，用于根据支持智能决策的数据，生成对物理设备的控制指令；通信模块，用于实现智能设备与上层控制系统间、智能设备间的数据传输。与现有技术相比，本发明具有运行周期短，时间、硬件成本低，扩展性灵活性强等优点。
-
公开(公告)号：CN115269681A
公开(公告)日：2022-11-01
申请号：CN202210841731.3
申请日：2022-07-18
Applicant: 同济大学
IPC: G06F16/2458 , G06N20/00 , G06F17/16
Abstract: 本发明涉及一种面向多维特性数据的缺失值检测及填补方法，该方法包括以下步骤：步骤1：输入待处理的数据集，进行数据整合；步骤2：判断每个数据点的每个维度是否发生缺失，以查找出数据集中发生缺失的数据点的位置及个数；步骤3：确定数据集的整体缺失度；步骤4：确定数据集的维度缺失度；步骤5：确定数据集的加权维度缺失度；步骤6：基于不同的缺失度选择对应的缺失值填补算法进行数据填补。与现有技术相比，本发明具有实现对多维特性数据集缺失程度的全面检测和提高了数据填补效果等优点。
-
公开(公告)号：CN112308298B
公开(公告)日：2022-06-14
申请号：CN202011108406.3
申请日：2020-10-16
Applicant: 同济大学
Abstract: 本发明涉及一种面向半导体生产线的多场景性能指标预测方法及系统，包括：生产场景定量划分模块，由数据驱动，将生产线的在制品值、产品平均加工周期、各设备利用率进行量化映射，将生产线划分为轻载、正常负载、重载三个场景；主预测网络构建模块，以划分出来的正常负载数据为样本数据，将深度神经网络算法与半导体生产线性能预测相结合，构建正常负载场景下的预测网络；多场景预测模型构建模块，将迁移学习的思想运用到生产线预测中，根据已经构建出的主预测网络，构建轻载、重载场景下的网络，从而组成多场景预测模型。与现有技术相比，本发明将生产线场景进行定量划分，能够更准确地预测在不同负载场景下多个生产线性能指标，并能够在线使用。
-
公开(公告)号：CN109765862B
公开(公告)日：2021-07-16
申请号：CN201811604082.5
申请日：2018-12-26
Applicant: 同济大学
IPC: G05B19/418 , G06F17/18 , G06N3/12 , G06Q10/06 , G06Q50/04
Abstract: 本发明涉及一种基于自适应遗传算法的混合流水车间可持续调度控制方法，包括以下步骤：1)获取车间加工信息，包括工件数、加工工序、各道工序上的机器数、工件在机器上的加工时间、工件的单位驻留能耗、机器的单位等待能耗以及末道工序批加工信息；2)建立以最小化能耗为目标的末道工序批加工的混合流水车间调度模型；3)采用自适应遗传算法求解所述调度模型获得优化的调度方案，在所述自适应遗传算法中，基于混合流水车间加工特点，以分层的方式进行编码和基因重组，并采取自适应的交叉和变异概率更新种群。与现有技术相比，本发明具有节能效果明显、求解效率高等优点。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.024 seconds)
