基于强化学习和注意力机制的智能作业调度系统

    公开(公告)号:CN114580937B

    公开(公告)日:2023-04-28

    申请号:CN202210237299.7

    申请日:2022-03-10

    Applicant: 暨南大学

    Abstract: 本发明涉及用于数据处理方法技术领域,具体涉及一种基于强化学习和注意力机制的智能作业调度系统;包括:从给定的由机器矩阵MO和工时矩阵TO描述的调度实例,生成包含动态事件的由新的机器矩阵MO′和新的工时矩阵TO′描述的调度实例,并将其作为当前交互环境;调度系统与环境进行交互,收集经验并训练;提取特征,输入D3QPN得到当前状态下不同动作的Q值;根据Q值表进行作业调度。本发明通过注意力机制有效提取出关键信息,并使用强化学习算法选择最优的调度策略解决动态作业车间问题,以此解决实际智能制造中作业的动态变化问题,让智能调度作业系统在动态作业调度环境下依然拥有不错的性能。

    一种政务办公平台系统
    22.
    发明公开

    公开(公告)号:CN115758450A

    公开(公告)日:2023-03-07

    申请号:CN202211441976.3

    申请日:2022-11-17

    Abstract: 本发明公开了一种政务办公平台系统,包括系统支撑单元、技术支撑单元、业务支撑单元、工具集模块;所述系统支撑单元包括基础软件、操作系统、数据库和J2EE应用服务器,用于构成系统;所述技术支撑单元用于在系统支撑单元与应用系统之间建立技术、系统资源监控以及管理层,提供最佳编程模式、夹块不同技术平台之间开发和部署应用的速度;基于PKI技术,使用成熟的公开密钥机制,综合了密码技术、数字摘要技术、数字签名、虚拟专用网络、安全沙箱等多项安全技术以及一套成熟的安全管理机制来提供有效的信息安全服务,通过集成CA认证中心,使用户在办公平台中使用证书,完成用户认证、访问控制以及信息传输的机密性、完整性和抗抵赖性。

    一种基于MMDDPG算法的RGV小车调度方法及系统

    公开(公告)号:CN114936783B

    公开(公告)日:2023-01-17

    申请号:CN202210620696.2

    申请日:2022-06-02

    Applicant: 暨南大学

    Abstract: 本发明提供了一种基于MMDDPG算法的RGV小车调度方法及系统,属于人工智能技术领域。本发明基于银行家算法,并利用结合熵正则化器的MMDDPG算法对生产过程中的多辆RGV小车进行协同调度,其中对每个RGV小车的调度都考虑其他RGV小车的调度策略,同时,引入不可抢占式最低松弛度优先算法,以最大限度缩短任务等待响应的时间。本发明所提出的基于MMDDPG算法的RGV小车调度方法及系统考虑了多RGV小车存在时的RGV小车的协作关系,对多个RGV小车进行统一调度,保证了多个RGV小车整体效率的最大化。

    安全驾驶行为评价数据的获取方法、装置、设备和介质

    公开(公告)号:CN111724599B

    公开(公告)日:2021-07-16

    申请号:CN202010610152.9

    申请日:2020-06-30

    Applicant: 暨南大学

    Abstract: 本申请涉及一种安全驾驶行为评价数据的获取方法、装置、设备及介质,其中,该安全驾驶行为评价数据的获取方法包括:获取驾驶过程的车辆行驶状态信息;将车辆行驶状态信息输入预设地图中,生成车辆线路图;在车辆线路图中跟踪车辆,获得车辆的至少一个第一行驶路径;在每一个第一行驶路径中测量车辆的速度信息,从速度信息中提取用于评价安全驾驶行为的评价数据;解决了相关技术中车辆安全驾驶评判检测不够全面,易产生安全事故的问题,实现了通过对车辆行驶过程中的加速度进行分析,得到车辆加速度集中段的分布情况,进而获知车辆行驶是否存在安全事故的风险。

    故障因子数据的获取方法、装置、电子装置及存储介质

    公开(公告)号:CN112949733A

    公开(公告)日:2021-06-11

    申请号:CN202110271569.1

    申请日:2021-03-12

    Applicant: 暨南大学

    Abstract: 本申请涉及故障因子数据的获取方法、装置、电子装置及存储介质,该获取方法包括获取目标设备的运行参数数据;根据故障信息确定设备故障特征,在设备参数数据中检测设备故障特征对应的第一参数数据;利用预设回归模型对第一参数数据进行处理,得到第一故障因子数据,第一故障因子数据包括多个协同影响设备产生故障的单因素故障因子数据;分别确定每个单因素故障因子数据与第一故障因子数据的相关度,根据相关度在第一故障因子数据中筛选候选故障因子数据;利用特征训练模型对候选故障因子数据进行处理,得到第一特征值,并按第一特征值自大到小选取候选故障因子作为目标故障因子数据,通过本申请,解决了相关技术中难以从参数数据中挖掘出故障因子的问题。

    基于神经网络修改高校教务安排的方法、装置、设备及介质

    公开(公告)号:CN110458737A

    公开(公告)日:2019-11-15

    申请号:CN201910766856.2

    申请日:2019-08-20

    Applicant: 暨南大学

    Abstract: 本发明公开基于神经网络修改高校教务安排的方法、装置、设备及介质,该方法包括:根据用户上传的教务安排约束条件生成教务安排误差计算公式;根据教务安排约束条件和/或根据教务安排误差计算公式计算出的教务安排表的误差训练CPPN神经网络;利用CPPN神经网络计算出教务安排表,并通过教务安排误差计算公式计算出教务安排表的误差;在误差不大于误差阈值的情况下,获取该误差对应的教务安排表。本发明的方法不再需要繁琐的修改过程,让教职工和教务处能够很大程度上地节省修改方案的流程,快速完成排课排考的建议提交和修改过程,提高教务处的办事效率。

    一种动力电池循环老化回收利用的方法

    公开(公告)号:CN117406123B

    公开(公告)日:2024-12-17

    申请号:CN202311560884.1

    申请日:2023-11-22

    Abstract: 本发明公开了一种动力电池循环老化回收利用的方法,该方法包括以下步骤:测试动力电池循环老化程度;采用再制造作为回收途径,降低回收成本,实现对动力电池的再利用,通过构建动力电池数字孪生模型,并通过构建动力电池循环老化电容衰退趋势的方程,以方程绘制不同服役时间所对应的动力电池性能衰退曲线,再以曲线的拐点,将动力电池随服役时间循环老化的各个时间段,包括平稳期、急剧期以及报废期反映出来,通过急剧期开始和结束的拐点,作为动力电池主动再制造的上下限,以此对应服役时间段,来匹配达到该服役时间段的动力电池,能够更加准确的实现对该服役时间段内动力电池的主动再制造。

    基于数字孪生及知识图谱的强化学习的车间调度方法

    公开(公告)号:CN117669984A

    公开(公告)日:2024-03-08

    申请号:CN202311750332.7

    申请日:2023-12-18

    Abstract: 本发明提出了基于数字孪生及知识图谱的强化学习的车间调度方法,包括:建立数据接收与存储结构收集多模态数据,根据多模态数据生成标签和元数据,并利用图模型的连接性预测与现有数据相关的标签和元数据;对生成的标签和元数据进行数据质量评估与过滤,所述数据质量评估是根据数据质量评分进行评估;设计多层次车间状态表示并建立车间数字孪生模型;构建知识图谱和可解释强化学习模型;根据可解释强化学习模型生成决策逻辑和解释决策逻辑;根据决策逻辑和车间数字孪生模型搭建实验环境并评估实验性能。本发明综合性地解决了车间调度的效率、成本和解释性问题。

    一种表征动力电池循环老化衰退机理的方法

    公开(公告)号:CN117517974A

    公开(公告)日:2024-02-06

    申请号:CN202311513965.6

    申请日:2023-11-14

    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。

Patent Agency Ranking