-
公开(公告)号：CN110531704B
公开(公告)日：2020-12-22
申请号：CN201910859191.X
申请日：2019-09-11
Applicant: 东北大学
IPC: G05B19/4065
Abstract: 本发明公布了一种基于SPT规则的双代理开放车间工件加工排序方法。首先确定开始处理时间，然后根据两个代理的最大完工时间确定出权重θ系数的取值范围，再根据SPT规则结合稠密排序得到两个代理的优先等级，选择开始时间小的工件先加工，在开始时间相同的情况下，先加工优先级高的工件，若优先级相同的工件中存在相同的开始时间，则优先加工处理时间短的工件，得出按照优先级排序后的两个代理的最大完工时间，并确定出权重θ系数和目标函数，最后根据目标函数求出极小化双代理的最大完工时间。本发明采用与优先级相结合的稠密排序，优化了双代理开放车间的排序，有利于缩短制造期限，提高生产效率。
-
Patent Agency Ranking
公开(公告)号：CN110503260A
公开(公告)日：2019-11-26
申请号：CN201910767270.8
申请日：2019-08-20
Applicant: 东北大学
Abstract: 本发明公开一种基于动态路径规划的AGV调度方法，属于优化调度技术领域，该策略对AGV工作场地进行初始化，可实现不同精度的调度，并初始化工作地图，可以对实际地图进行模拟，可解决任意场景下的多单位多任务问题；基于弗洛伊德算法建立的邻接矩阵和距离矩阵，对AGV选择过程和AGV在执行过程中的避障情况进行了优化调度，实现单步动态规划AGV的执行路线，缩短AGV移动时间，提高工作效率，对工业自动化生产向柔性生产模式的方向转化起到重要的作用。
-
公开(公告)号：CN110531704A
公开(公告)日：2019-12-03
申请号：CN201910859191.X
申请日：2019-09-11
Applicant: 东北大学
IPC: G05B19/4065
Abstract: 本发明公布了一种基于SPT规则的双代理开放车间工件加工排序方法。首先确定开始处理时间，然后根据两个代理的最大完工时间确定出权重θ系数的取值范围，再根据SPT规则结合稠密排序得到两个代理的优先等级，选择开始时间小的工件先加工，在开始时间相同的情况下，先加工优先级高的工件，若优先级相同的工件中存在相同的开始时间，则优先加工处理时间短的工件，得出按照优先级排序后的两个代理的最大完工时间，并确定出权重θ系数和目标函数，最后根据目标函数求出极小化双代理的最大完工时间。本发明采用与优先级相结合的稠密排序，优化了双代理开放车间的排序，有利于缩短制造期限，提高生产效率。
-
公开(公告)号：CN110532251B
公开(公告)日：2021-11-05
申请号：CN201910800615.5
申请日：2019-08-28
Applicant: 东北大学
IPC: G06F16/215 , G06F16/22
Abstract: 本发明提出了一种基于布隆过滤器算法的地震台网大数据去重的方法。其特征是：步骤1通过TCP/IP协议接收多路数据流数据，并按字节进行拆包操作，并对拆包后的每个包进行解析；步骤2将经过拆包处理后的所有数据包进行一次去重过滤判断，并存储到布隆过滤器中；步骤3对解析出的包含特定含义字段的数据包进行判断是否需要二次去重过滤，并存储到HBase数据库中；步骤4将存储到HBase数据库中的数据包解析为地震数据MSEED格式，并存储到磁盘中永久保存，需要输出时以台网名、台站名、通道、采样率和时间组合的方式进行自动命名；步骤5利用obspy.merge方法对存储到HBase数据库中的数据包进行三次去重判断；步骤6通过TCP/IP协议建立连接，实现服务器端，将处理后的数据包以数据流的方式转发出去，并持续监听发送端口是否有请求。本发明从功能上将多路数据流汇总成单路数据流，通过布隆过滤器的一次去重、HBase数据库的二次去重以及obspy.merge方法的三次去重实现实时大数据的去重。
-
公开(公告)号：CN110532251A
公开(公告)日：2019-12-03
申请号：CN201910800615.5
申请日：2019-08-28
Applicant: 东北大学
IPC: G06F16/215 , G06F16/22
Abstract: 本发明提出了一种基于布隆过滤器算法的地震台网大数据去重的方法。其特征是：步骤1通过TCP/IP协议接收多路数据流数据，并按字节进行拆包操作，并对拆包后的每个包进行解析；步骤2将经过拆包处理后的所有数据包进行一次去重过滤判断，并存储到布隆过滤器中；步骤3对解析出的包含特定含义字段的数据包进行判断是否需要二次去重过滤，并存储到HBase数据库中；步骤4将存储到HBase数据库中的数据包解析为地震数据MSEED格式，并存储到磁盘中永久保存，需要输出时以台网名、台站名、通道、采样率和时间组合的方式进行自动命名；步骤5利用obspy.merge方法对存储到HBase数据库中的数据包进行三次去重判断；步骤6通过TCP/IP协议建立连接，实现服务器端，将处理后的数据包以数据流的方式转发出去，并持续监听发送端口是否有请求。本发明从功能上将多路数据流汇总成单路数据流，通过布隆过滤器的一次去重、HBase数据库的二次去重以及obspy.merge方法的三次去重实现实时大数据的去重。
-
公开(公告)号：CN110488351A
公开(公告)日：2019-11-22
申请号：CN201910752213.2
申请日：2019-08-15
Applicant: 东北大学
Abstract: 本发明提供一种基于机器学习的地震波震动性质识别方法，涉及机器学习技术领域。本发明分为地震波形处理，提取特征值，训练模型，模型应用四个阶段进行。计算震源与台站之间的距离，对震中距进行筛选，读取筛选后震中距的三分量地震波形数据，使用长短时窗算法STA/LTA及AIC方法准确找到地震波初动的位置，进一步对地震数据长度进行截取。分别对地震波形进行时、频域分析，提取三个特征波形复杂度、谱比值和波形复杂度/谱比值作为人工神经网络模型的输入。训练一个识别二分类问题的具有两个隐藏层的人工神经网络模型，输出为波形所属类别的概率。本发明训练的模型可以准确高效的判断地震波形所属类别。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
