-
公开(公告)号：CN118710075A
公开(公告)日：2024-09-27
申请号：CN202410839060.6
申请日：2024-06-26
IPC: G06Q10/0637 , G06Q50/26 , G06F30/27 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种模糊垃圾产生量下的生活垃圾清运规划方法、装置及设备，所述方法包括：定义各个垃圾产生点的待清运垃圾量的模糊变量；引入基于可信性测度理论的模糊机会约束，以处理垃圾产生量的模糊性；构建模糊机会约束规划模型的目标函数，以最小化清运成本、中转站负效应以及因清运失败产生的额外成本；根据模糊变量、模糊机会约束和目标函数，构建基于可信性测度理论的模糊机会约束模型；基于模糊模拟的C‑W节约算法与改进NSGA‑II算法，求解模糊机会约束规划模型，得到各个垃圾产生点最佳垃圾运转的中转站位置以及清运车调度方案。本发明能够在垃圾产生量不确定情况下，规划出各个垃圾产生点最佳垃圾运转的中转站位置以及清运车调度方案。
-
公开(公告)号：CN119398594A
公开(公告)日：2025-02-07
申请号：CN202411478532.6
申请日：2024-10-22
Applicant: 内蒙古工业大学
IPC: G06Q10/0639 , G06Q10/083 , G06Q50/26
Abstract: 本发明提出了基于城市群的绿色物流效率评价分析模型构建方法，包括：步骤一、构建城市群绿色物流效率评价指标框架；构建城市群绿色物流环境变量指标体系，所述环境变量指标体系包括人均地区生产总值城镇化率和物流固定资产投入占地区固定资产投资的比重；根据城市群绿色物流效率评价指标框架和城市群绿色物流环境变量指标体系构建超效率SBM‑SFA‑Malmquist指数模型三阶段分析模型。本发明构建了系统性分析城市群绿色物流效率的指标体系，构建应用于城市群绿色物流效率评价的模型方法，其次通过长江中游城市群绿色物流效率评价案例验证了评价指标体系及模型方法的合理性，并归纳制约其绿色物流发展的因素。
-
公开(公告)号：CN119398415A
公开(公告)日：2025-02-07
申请号：CN202411470438.6
申请日：2024-10-21
Applicant: 内蒙古工业大学
IPC: G06Q10/0631 , H02J7/00 , G06Q10/0637 , G06Q10/0639 , G06Q50/06 , G06Q50/40 , G06N3/092 , H01M10/42
Abstract: 本发明公开了一种基于DQN算法的重型卡车电池系统智能决策方法及相关设备，首先分析了重型卡车电池系统的组成结构和运行能量流动关系，构建了详细的电池能耗计算模型；接着，从能耗计算模型中抽象出约束条件和优化目标，并将决策问题转化为马尔可夫决策过程；通过设计深度强化学习的状态、动作和奖励函数，构建了DQN模型，并利用历史数据进行训练，生成了能够根据当前状态选择最优动作的智能模型；系统实时获取电池的状态，并通过训练好的DQN模型计算最优动作，动态调整电池的能量分配和温度控制，从而实现能耗的最小化和系统性能的最优化。本发明能显著提升重型卡车的能源效率和系统性能，提高了车辆的整体运行效率和安全性。
-
公开(公告)号：CN119005499A
公开(公告)日：2024-11-22
申请号：CN202411021248.6
申请日：2024-07-28
Applicant: 内蒙古工业大学
IPC: G06Q10/063 , G06Q10/04 , G06Q10/30 , G06Q50/04 , G06N3/092
Abstract: 本发明提出了基于PPO算法的选择性拆卸优化方法，方法包括：根据需要拆卸的报废(EOL)产品构建拆卸废旧产品的DPN模型；根据DPN模型构建基于强化学习的选择性拆卸模型，并使用PPO算法对选择性拆卸模型进行训练；将实时需要拆卸的EOL产品输入训练后的选择性拆卸模型，得到最优的拆卸动作合集。本发明基于PPO算法的选择性拆卸优化方法不仅提高了拆卸过程的效率和效果，而且在面对复杂动态的拆卸任务时展现了更强的适应性和稳定性。此外，结合其他先进的强化学习算法并探索更优的建模方案，有望进一步提升选择性拆卸规划方法的性能和实用性，为可持续制造和资源回收提供有力的技术支持。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.029 seconds)
