-
公开(公告)号：CN117907833B
公开(公告)日：2024-12-24
申请号：CN202311594059.3
申请日：2023-11-27
Applicant: 暨南大学 , 内蒙古科学技术研究院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于动力电池循环老化衰退决策主动再制造时域的方法，该方法包括以下步骤：基于单体不一致性的动力电池性能衰退状态量化的表征；解析模型与孪生数据融合的动力电池主动再制造时域的决策；通过分析有关动力电池主动再制造时域决策的影响因素，揭示了动力电池多尺度结构下单体不一致性对其整体性能衰退状态的影响规律；在提取动力电池单体性能参数数据的基础上，通过运用Sklar理论映射为动力电池整体性能衰退状态，进一步采用循环老化衰退机理和孪生数据融合的方法对动力电池主动再制造时域上下限进行决策，从而为延长动力电池使用寿命、动态预测动力电池主动再制造时域提供重要基础。
-
公开(公告)号：CN117151425A
公开(公告)日：2023-12-01
申请号：CN202311364387.4
申请日：2023-10-20
Applicant: 暨南大学
IPC: G06Q10/0631 , G06N20/00 , G06Q10/30 , G06Q50/04 , G06Q50/26
Abstract: 本发明提供一种基于RQL算法的选择拆卸规划方法及系统，获取待拆卸产品的数据集，结合Q‑learning算法和Rollout策略迭代采样待拆卸产品的数据集，得到待拆卸产品的优选拆卸序列，本申请的RQL(Rollout‑Q‑learning)算法是基于Rollout策略优化了Q‑learning算法在迭代过程中的动作选择，在每个决策阶段使用Rollout策略对每个可行动作进行有限步数的模拟采样之后，选择在有限步数内估计价值最大的可行动作，从而使Q‑learning算法具备更强的全局搜索能力，最终得到优选拆卸序列，相对于传统的Q‑learning算法，RQL(Rollout‑Q‑learning)算法在拆卸序列规划上有很大的性能提升，同时能够提高拆卸流程的回收效益，尽可能减少EoL产品对环境造成的危害。
-
公开(公告)号：CN116307440A
公开(公告)日：2023-06-23
申请号：CN202211456989.8
申请日：2022-11-21
Applicant: 暨南大学 , 广东云熵科技有限公司
IPC: G06Q10/0631 , G06Q50/04
Abstract: 本发明公开了一种基于强化学习的多目标权重学习的车间调度方法及其装置和应用，属于人工智能技术领域。本发明提出了一种基于强化学习的多目标权重学习车间调度方法，通过不断收集、分析车间中的不同目标所衍生的状态数据，进而对多个目标的调度进行不断优化，最终得到最优的调度方式，从而有效优化了车间作业流程，提高生产效率；本发明可根据实际生产状态调整不同优化目标的优先程度，动态性更强，可更好应对不同生产状况；本发明所获得的调度结果与传统的解决多目标车间调度问题的方法相比更佳，对人工智能更好地用于生产具有重要的意义。
-
公开(公告)号：CN110989945B
公开(公告)日：2023-05-02
申请号：CN201911211473.5
申请日：2019-12-02
Applicant: 暨南大学
Abstract: 本发明公开基于物联网的3D远程打印控制系统及控制方法，该控制系统包括远程控制终端、云服务平台和3D打印机；远程控制终端装载有APP,远程控制终端能通过网络连接云服务平台，云服务平台通过网络连接3D打印机和连接数据库；远程控制终端能通过登录APP访问和连接云服务平台及将待打印3D模型文件加密后传送至云服务平台，远程控制终端能通过云服务平台远程控制3D打印机打印和实时查询3D打印机的打印状态信息；云服务平台能在验证远程控制终端身份后，加密和/或解密由远程控制终端传送的加密的3D模型文件并传送至数据库或3D打印机；3D打印机能下载并打印由云服务平台传送的3D模型文件，和反馈3D打印机的打印状态信息。
-
公开(公告)号：CN113313063A
公开(公告)日：2021-08-27
申请号：CN202110684484.6
申请日：2021-06-21
Applicant: 暨南大学
Abstract: 本申请涉及一种麦穗检测方法、电子装置和存储介质，其中，该麦穗检测方法包括：获取待检测的第一小麦图像；分别利用第一注意力机制检测模型和第二注意力机制检测模型对其进行处理，得到第一标签数据和第二标签数据，其中，第一注意力机制检测模型是根据样本小麦图像和对应的标签数据训练得到的，第二注意力机制检测模型是根据第一标签图像和第一标签图像所对应的实测标签数据训练得到的，第一标签图像是根据样本小麦图像和第一标签数据生成的训练数据；基于预设融合算法对第一标签数据和第二标签数据进行融合处理，并确定麦穗检测结果。通过本申请，解决了相关技术中麦穗检测性能差、成本高的问题，实现了麦穗的准确检测。
-
Patent Agency Ranking
公开(公告)号：CN113283616A
公开(公告)日：2021-08-20
申请号：CN202110398156.X
申请日：2021-04-14
Applicant: 暨南大学
Abstract: 本发明公开了一种废旧产品拆解序列与拆解深度集成决策方法，包括以下步骤，S1、构建零件回收综合评价指标体系；S2、数据收集及预处理；S3、利用Choquet积分计算零件的回收评价值；S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值；S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列；S6、构造拆解深度价值曲线；S7、进行拆解深度决策。本发明方法与传统的优化方法相比，在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的速度，并且通过合理评价零件的回收效益提高了求得解的可靠性。
-
公开(公告)号：CN112966072A
公开(公告)日：2021-06-15
申请号：CN202110263818.2
申请日：2021-03-11
Applicant: 暨南大学
Abstract: 本申请涉及一种案件的预判方法、装置、电子装置和存储介质，其中，该案件的预判方法包括：获取待预判案件的起诉文本；在起诉文本中抽取预设关键信息，并对关键信息进行数据处理，得到起诉文本对应的多条第一向量信息；利用已训练的案件预判模型处理多条第一向量信息，获得多条第一向量信息对应的第一分类标签，其中，已训练的案件预判模型被训练为用于根据起诉文本的向量信息得到与该起诉文本对应的分类标签，分类标签包括该起诉文本对应的法律事实类别及该法律事实所引用法条的引用准确率；根据第一分类标签确定案件的预判结果。通过本申请，解决了相关技术中案件预判准确率不高的问题，实现了案件的高效准确预判。
-
公开(公告)号：CN111917831A
公开(公告)日：2020-11-10
申请号：CN202010648253.5
申请日：2020-07-07
Applicant: 暨南大学
Abstract: 本发明公开了一种面向高动态生产物流环境的智能物联管理系统，第一层为智能对象层，旨在于使用工业可穿戴和物联网设备将“生产-物流”过程中的“人”和“物”进行智能封装，下达工作任务并反馈任务状态；第二层为资源管理层，支持智能对象以工作流方式自主接入、动态管理；第三层为服务层，支持管理者和操作者基于特定业务流程进行双向信息交互，任务下达与执行反馈；上三层为面向智能对象的生产物流管理平台；第四层为应用层，是执行特定生产物流管理的用户接口层。本发明具有实现“管理手段-信息交互-物理操作”有机融合，操作过程与任务接收/反馈并行发生，并保证其携带的便利和成本的低廉的优点。
-
公开(公告)号：CN119646650A
公开(公告)日：2025-03-18
申请号：CN202411669851.5
申请日：2024-11-21
Applicant: 暨南大学
IPC: G06F18/2415 , G06F18/214 , G06F18/25 , G06N7/01 , G06F17/16
Abstract: 本发明提出了基于Dirichlet分布的废旧零部件状态映射模型构建方法，针对废旧零部件质量评估的不确定性问题，构建一种基于Dirichlet分布的损伤‑质量状态映射模型(DBMS)，该模型通过对废旧零部件失效行为分析确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D‑S证据理论融合损伤信息，实现对废旧零部件质量状况的综合评估。为了验证模型的可行性和有效性，以废旧涡轮蜗杆为案例研究对象，并与现有文献方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。
-
公开(公告)号：CN117517974B
公开(公告)日：2024-11-05
申请号：CN202311513965.6
申请日：2023-11-14
Applicant: 暨南大学 , 内蒙古科学技术研究院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种表征动力电池循环老化衰退机理的方法，该方法包括以下步骤：孪生数据驱动的动力电池多尺度等效电路模型的构建；多因素耦合影响下动力电池循环老化衰退机理的表征；其中，动力电池循环衰退老化是在多特征工况循环以及多物理场参数耦合的共同作用下产生；形成电池电容多重衰退模型方程式，用以表征动力电池循环老化电容的衰退趋势，从而能够根据方程式所绘制的衰退曲线，来表征动力电池电容随服役周期的变化，通过曲线变化的拐点，作为不同生命周期的切换点，从而清晰的反映动力电池随服役周期变化的电容含量，方便对即将退役的动力电池进行精确的分析，从而选择不同的回收方式进行回收，降低成本和提高电池的利用率。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.01 seconds)
