-
公开(公告)号:CN115965187A
公开(公告)日:2023-04-14
申请号:CN202211335431.4
申请日:2022-10-28
Applicant: 重庆大学
IPC: G06Q10/0631 , G06Q10/10 , G06Q30/00
Abstract: 本发明公开了一种网络协同环境下面向复杂重型装备定制生产的制造资源注册与复核方法,包括以下步骤:构建制造资源目录,进行复杂重型装备制造资源静态元数据的注册,从静态信息的数据类型、静态信息完整度、静态信息重复性三个方面对复杂重型装备制造资源静态元数据进行复核;进一步地,获取复杂重型装备制造资源动态元数据,构建重型装备制造资源的匹配度、调用率及协作状态模型,对复杂重型装备制造资源静态元数据进行动态协同复核。本发明将都柏林元数据标准引入制造资源虚拟化注册领域,提供了复杂重型装备制造资源静态、动态信息的注册与复核方法,解决了制造资源注册描述不规范、静态动态信息不全面、资源真实性不确定等问题。
-
公开(公告)号:CN119761667A
公开(公告)日:2025-04-04
申请号:CN202411298656.6
申请日:2024-09-18
Applicant: 重庆大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q10/083 , G06N3/006 , G06Q10/0639 , G06Q50/04
Abstract: 本发明涉及云制造技术领域,具体是一种云制造服务组合与调度集成优化方法。包括步骤1,建立云制造服务与云制造任务的复杂匹配网络,其中云制造服务分为云制造生产服务与云制造物流服务,云制造任务同样包含云制造生产任务与云制造物流任务;步骤2,建立化云制造服务组合与调度集成优化模型,其中网络中各云制造服务的QoS均通过服务质量参数和服务可靠性参数的加权求和来进行量化,两个参数均采用时域动态描述,初始值为事先获取的评定值;步骤3,采用基于元知识自适应迁移的多种群协同进化算法对集成优化模型进行求解,得到多目标优化Pareto解集,并解码为优化调度方案。对云制造平台中的服务进行组合配置以及调度优化。
-
公开(公告)号:CN116263693A
公开(公告)日:2023-06-16
申请号:CN202211365318.0
申请日:2022-10-28
Applicant: 重庆大学
IPC: G06F9/455
Abstract: 一种网络化协同制造环境下复杂重型装备制造资源虚拟化建模方法,包括以下步骤:复杂重型装备物理制造资源信息建模和复杂重型装备虚拟制造资源信息建模。本发明针对复杂重型装备制造资源,结合网络化协同制造的特点,利用protégé软件构建复杂重型装备物理制造资源领域本体模型和虚拟制造资源应用本体,利用SWRL规则规范化描述领域知识信息,并且从三个维度构建虚拟制造资源信息模型;对复杂重型装备物理制造资源和虚拟制造资源进行信息建模,解决在网络化协同制造环境下复杂重型装备制造资源难以统一描述、既定计划执行率低等问题,实现网络化协同制造环境下复杂重型装备制造资源准确的描述。
-
公开(公告)号:CN116738849A
公开(公告)日:2023-09-12
申请号:CN202310718324.8
申请日:2023-06-16
Applicant: 重庆大学
IPC: G06F30/27 , G06N3/126 , G06Q10/04 , G06Q10/0639 , G06Q50/04 , G06F111/04
Abstract: 本发明属于资源组合优化技术领域,具体公开了一种云制造环境下的制造资源服务组合与优选方法。包括,从任务方,平台方,服务方三方面构建适用于相应制造服务资源的约束指标体系;在云平台中根据制造任务的各子任务选取对应的候选服务集;对子任务的质量约束指标进行控制,确定用于制造任务的服务组合的目标函数及约束条件,建立服务组合优化数学模型;应用改进的遗传算法对模型进行求解,得到服务组合方案Pareto解集;根据得到的服务组合方案Pareto解集,采用灰色关联分析方法,为用户提供最优组合方案。本发明从实际角度为用户动态推送优选的服务组合,实现云制造环境下的制造资源服务组合方案的优选。
-
公开(公告)号:CN119558432A
公开(公告)日:2025-03-04
申请号:CN202411319308.2
申请日:2024-09-22
Applicant: 重庆大学
IPC: G06Q10/02 , G06Q10/067 , G06Q10/0631 , G06N3/08
Abstract: 本发明涉及云制造技术领域,具体涉及一种柔性作业车间的实时订单接受与调度方法及系统。包括如从生产现场提取相关数据,根据相关数据构建柔性作业车间环境模型;构建智能体决策模型,构建对应的DQN算法模型,所述DQN算法模型包括订单接受DQN和调度DQN;基于与智能体的交互,训练订单接受DQN与调度DQN算法模型,其中订单接受DQN的训练是在有较好效果的调度DQN的基础上完成;部署训练好的订单接受DQN与调度DQN进行决策。本发明加入对外部生产能力和和实际生产车间预期可用生产能力的综合精细考虑,建立面向高定制化订单的订单接受决策和生产物流协同调度实时综合调度模型,减小实时接受决策的偏差,实现对生产过程更高效、科学的管控。
-
公开(公告)号:CN119354193A
公开(公告)日:2025-01-24
申请号:CN202411319307.8
申请日:2024-09-22
Applicant: 重庆大学
IPC: G01C21/20
Abstract: 本发明涉及路径规划技术领域,具体涉及一种基于AGV变速行驶策略的路径规划系统及方法,包括获取车间综合布局信息,提取出节点与路径,并划分其所属节点类型和路径属性,建立车间电子地图,其中节点类型包括普通节点与复杂节点,路径类型包括低速路径、中速路径及高速路径,车间电子地图中还设定有不同路径类型对应的路径速度;获取AGV的搬运任务,并计算AGV当前负载系数KL,求解AGV最优路径,查找预先设定的路径速度乘以AGV当前负载系数KL得到AGV在各路径的行驶速度。根据AGV变速行驶可带来的效益优化,结合了实际路径与负载情况的考虑,基于路径环境和负载重量规划出的最优路径更为安全、高效。
-
-
-
-
-