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
    32.
    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。

    基于工厂生产过程的多源异构孪生数据融合方法及系统

    公开(公告)号:CN114595773B

    公开(公告)日:2022-11-15

    申请号:CN202210237309.7

    申请日:2022-03-10

    Abstract: 公开一种基于工厂生产过程的多源异构孪生数据融合方法,包括:基于分层特征融合模型的数据分类与语义解析,将采集到的多个传感器数据建模为传感器数据时序累积过程的网络拓扑图;根据时序动态拓扑图结构的特点,采用GCN‑LSTM结构将结构信息与时间信息相结合,利用网络嵌入将节点嵌入到低维空间中,同时捕捉网络的结构和性质,采用分层特征融合法以在不同深度的邻域上学习不同的特征聚合器;使用LSTM聚合不同深度的信息,确保信息从更高的深度流向节点;基于不完整多模态深度语义匹配融合模型建立,采用跨模态深度语义匹配机制,通过模态数据间多层非线性的相关性,建立不完整多模态的深度语义匹配融合模型。

    基于强化学习-群体进化混合算法的双边拆解线设计方法

    公开(公告)号:CN115271568A

    公开(公告)日:2022-11-01

    申请号:CN202211206939.4

    申请日:2022-09-30

    Applicant: 暨南大学

    Abstract: 本发明涉及基于强化学习‑群体进化混合算法的双边拆解线设计方法,所述方法包括以下步骤:S1、定义与、或优先关系;S2、建立以优化产线布置、经济效益和安全环保三个方面共六个指标的数学模型;S3、初始化种群,建立外部档案储存Pareto较优解,建立R值表记录算子的改进效果,建立Q值表储存Q值;S4、采用群优化算法迭代更新外部档案,同时记录每代优化算子的对于目标的改进值;S5、重复步骤S3‑S4,进行多次强化学习获得稳定的R值表和Q值表;S6、根据Q值表终表,采用群优化算法迭代更新外部档案,获得稳定解。本发明采用了基于强化学习的群体进化算法解决拆卸任务之间复杂的约束类型,能高效获得稳定的最优解并保证解的多样性。

    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。

    混合自动重发请求在时间相关性信道下的功率有效性设计方法

    公开(公告)号:CN108668350B

    公开(公告)日:2021-02-05

    申请号:CN201810224058.2

    申请日:2018-03-19

    Applicant: 暨南大学

    Abstract: 本发明公开了混合自动重发请求在时间相关性信道下的功率有效性设计方法,实现在相关性信道下的功率分配和速率选择的优化设计方案。该方案适用于三种常见HARQ类型(Type I、CC和IR)来最大化功率效率并同时保障通信服务质量,步骤如下:首先根据功率效率最大化和QoS约束构建目标优化问题;利用趋近性中断概率并引入辅助变量将原始问题分解成三个子问题,并依次闭合求解;确定功率效率上限,权衡频谱效率需求自适应选择HARQ类型;根据最优发送功率和传输速率来合理调整编码方案和调制方式,以实现功率效率最大化。相比于传统方法,采用趋近性中断概率方法可以有效降低实际应用中的计算复杂度,同时改善系统功率有效性性能。

    面向高动态生产物流过程的智能管控系统

    公开(公告)号:CN111915410A

    公开(公告)日:2020-11-10

    申请号:CN202010806814.X

    申请日:2020-08-12

    Applicant: 暨南大学

    Abstract: 本发明提供了一种面向高动态生产物流过程的智能管控系统,涉及物流管控技术领域,包括智能对象的生产物流管控平台,所述智能对象的生产物流管控平台,包括应用层;所述应用层包括智能拉单模块、减仓模块、智能调度模块、配料管理模块、统计分析及可视化模块和基础信息管理模块;智能拉单模块用于将客户订单拉入模块订单池中,并依次将订单放入对应的车间订单池中,各车间订单池中的订单按照发货日期先后进行排序,依据产能和相关规则对订单进行合并,生成当日生产计划;本发明提供的智能管控系统解决原有下单模式造成的计划员无法从全局的角度获取销售订单信息进行优化决策,导致联动订单无法被各车间同时生产、下线等问题。

Patent Agency Ranking