一种面向多移动货架的两阶段智能订单分拣方法

    公开(公告)号:CN111754176B

    公开(公告)日:2023-03-28

    申请号:CN202010598474.6

    申请日:2020-06-28

    Abstract: 本发明公开一种面向多移动货架的两阶段智能订单分拣方法,包括:输入智能仓库各类对象的数据信息计算满足所述全部订单货物需求的具有最少货架个数的货架集合;建立订单-货架关系矩阵;对订单池内全部订单分批聚合处理;计算拣选站的货架进站总次数;比较多次计算结果,将其中最好的一次作为最终的结果,其对应的调度方案即为最终选定的调度方案;本发明采用两阶段调度策略,先从规模角度保证使用货架个数最少,再从订单聚合角度保证货架进站次数最少,综合考虑各阶段的最优性,有效提高了拣选作业的效率;本发明不仅适用于仓储行业内各类仓库的拣选作业,还适用于可抽象为集合覆盖问题的各类复杂场景,如移动云计算资源分配、作战火力分配等。

    一种基于分治Q-learning算法的光伏阵列重构方法

    公开(公告)号:CN112818587B

    公开(公告)日:2023-03-21

    申请号:CN202110023165.0

    申请日:2021-01-08

    Abstract: 本发明提出了一种基于分治Q‑learning算法的光伏阵列重构方法,不需要大量的历史数据或环境参数,并且减少了PV曲线中峰值个数,使其更平滑,减少失配损耗、提高阵列输出功率,能够实现全局最优,使用范围也不受限制,且重构过程的准确性高。采用一种无监督的训练算法,通过学习和经历来了解未知环境,而不需要大量的历史数据或环境参数。其中,分治原理的融入进一步保证了该阵列重构方法的快速性;基于分治强化学习的光伏阵列重构方法来快速地改善局部遮光等阵列失配条件下的光伏阵列的性能表现,减少PV曲线中峰值个数,使其更平滑,减少失配损耗、提高阵列输出功率。对Q‑learning算法的训练目标、步进奖励和训练终止准则的改进,确保了重构过程的准确性。

    一种电路废热回收利用的多级制冷系统

    公开(公告)号:CN113346793B

    公开(公告)日:2022-07-29

    申请号:CN202110611997.4

    申请日:2021-06-02

    Abstract: 本发明提出了一种电路废热回收利用的多级制冷系统,能够避免散热装置本身存在的问题,同时实现对电路有效降温和高效率的废热回收再利用。本发明由于制冷片的引入,提高了温差发电片冷、热端温差,进而提高了废热转换成电能的利用率,与普通散热手段相比,制冷片的使用增强了电路温度控制的效果,能够有效降低电路温度。本发明对温差发电片和制冷片的安装结构进行了创新设计,多级温差发电片和制冷片的结构可以对电子设备中产生的热量进行多级回收利用,与一次利用相比,增加了能源利用率。

    一种基于分治Q-learning算法的光伏阵列重构方法

    公开(公告)号:CN112818587A

    公开(公告)日:2021-05-18

    申请号:CN202110023165.0

    申请日:2021-01-08

    Abstract: 本发明提出了一种基于分治Q‑learning算法的光伏阵列重构方法,不需要大量的历史数据或环境参数,并且减少了PV曲线中峰值个数,使其更平滑,减少失配损耗、提高阵列输出功率,能够实现全局最优,使用范围也不受限制,且重构过程的准确性高。采用一种无监督的训练算法,通过学习和经历来了解未知环境,而不需要大量的历史数据或环境参数。其中,分治原理的融入进一步保证了该阵列重构方法的快速性;基于分治强化学习的光伏阵列重构方法来快速地改善局部遮光等阵列失配条件下的光伏阵列的性能表现,减少PV曲线中峰值个数,使其更平滑,减少失配损耗、提高阵列输出功率。对Q‑learning算法的训练目标、步进奖励和训练终止准则的改进,确保了重构过程的准确性。

    一种用于智能仓库的多机器人移动货架任务分配方法

    公开(公告)号:CN112785132A

    公开(公告)日:2021-05-11

    申请号:CN202110045796.2

    申请日:2021-01-14

    Abstract: 本发明公开了一种用于智能仓库的多机器人移动货架任务分配方法,能够保证机器人执行全部任务的运行总距离最小,提高机器人运输的效率。将待分配的任务随机排列形成一个任务序列;采用拍卖的方式将任务序列中的任务逐一分配给各机器人,并按照远近进行重排序,获得机器人任务序列;计算每个机器人任务序列的执行代价,并相加得到任务序列的总执行代价;采用交换邻域算子获取所述任务序列的邻域集合,计算邻域集合中每个序列的总执行代价,从邻域集合中筛选出比任务序列代价小的序列,作为初始解集;针对初始解集中的每一个序列,通过扩展K种邻域集合优选出最优解任务序列;输出最优解集中的总执行代价最小的序列以及对应的机器人任务序列。

    一种面向多移动货架的两阶段智能订单分拣方法

    公开(公告)号:CN111754176A

    公开(公告)日:2020-10-09

    申请号:CN202010598474.6

    申请日:2020-06-28

    Abstract: 本发明公开一种面向多移动货架的两阶段智能订单分拣方法,包括:输入智能仓库各类对象的数据信息计算满足所述全部订单货物需求的具有最少货架个数的货架集合;建立订单-货架关系矩阵;对订单池内全部订单分批聚合处理;计算拣选站的货架进站总次数;比较多次计算结果,将其中最好的一次作为最终的结果,其对应的调度方案即为最终选定的调度方案;本发明采用两阶段调度策略,先从规模角度保证使用货架个数最少,再从订单聚合角度保证货架进站次数最少,综合考虑各阶段的最优性,有效提高了拣选作业的效率;本发明不仅适用于仓储行业内各类仓库的拣选作业,还适用于可抽象为集合覆盖问题的各类复杂场景,如移动云计算资源分配、作战火力分配等。

    一种基于多单目视觉融合的目标定位方法

    公开(公告)号:CN111462240A

    公开(公告)日:2020-07-28

    申请号:CN202010268482.4

    申请日:2020-04-08

    Abstract: 本发明公开了一种基于多单目视觉融合的目标定位方法,使用一组变换系数描述平行放置的镜头间的区域映射关系,对多镜头重复检测的目标回归框进行分组,并设计融合规则完成多单目视觉融合定位;基于单目视觉定位原理,相较于双目视觉定位,本发明所提方法不受基线束缚,对于视野范围内的可检测目标均能实现定位测距;相较于单目视觉定位,本发明所提方法通过融合多单目视觉定位结果,扩展了单目视觉的性能边界,实现了大范围高精度目标定位;本发明所提方法原理简单,实现方便,支持模块快速扩展。

    一种基于在线迁移学习的人体动作识别方法

    公开(公告)号:CN110705599A

    公开(公告)日:2020-01-17

    申请号:CN201910842235.8

    申请日:2019-09-06

    Abstract: 本发明公开了一种针对时间序列数据的在线迁移学习方法,用于解决人体动作在线识别问题,能够有效提高对训练集中没有出现的新目标人员的动作识别精度;本发明提出一种同时实现时间序列预测和分类功能的多输出网络结构,称为PC网络,并利用PCNN构建了时间序列在线迁移学习网络;在实时过程中,首先针对训练集中不同的人员训练多个PC网络;然后时间序列在线迁移学习网络根据PCNN的预测误差为多个PCNN的分类结果进行加权,实现在线迁移学习;不同于已有的迁移学习方法,本发明无需已知目标人员的标记动作样本,能够实现无监督的迁移学习,无需提前已知目标人员的所有的动作样本,能够在在线动作识别中实现动态的迁移学习,有效地提高在线动作识别的精度。

    一种区域内多个逃跑者合作的追逃博弈决策方法

    公开(公告)号:CN118485313A

    公开(公告)日:2024-08-13

    申请号:CN202410416888.0

    申请日:2024-04-08

    Abstract: 本发明提供一种区域内多个逃跑者合作的追逃博弈决策方法,针对区域内多个逃跑者的情景,基于追捕者追捕任意逃跑者时会给其余的逃跑者产生一个时差的前提条件,利用追捕者追捕的位置与时差,通过构造阿波罗尼斯圆的几何方法构造出追逃博弈相对于两条目标线的两条带有时差的界栅,并根据带有时差的界栅判断各逃跑者是否能形成一个可行的合作小组,从而完成能够进行协同行动的合作小组的划分;也就是说,本发明通过协同行动,使得逃跑者能够更有效地达到目标区域,提高整体逃脱成功率,为多方合作情景下的追逃问题提供了有效解决方案,这种合作机制在机器人比赛、巡逻任务、自动驾驶车队等多领域具有广泛的应用前景,可推动相关领域的技术发展。

Patent Agency Ranking