-
公开(公告)号：CN118500399A
公开(公告)日：2024-08-16
申请号：CN202410557379.X
申请日：2024-05-07
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于遗传算法的双AGV联动路径规划方法，为智能物流和自动化领域的双AGV系统提供了重要的技术支持。该方法能够成功地规划出一条使得领航和跟随AGV均安全、无碰撞且高效的全局路径。具体来说，通过双AGV的尺寸及安全距离确定双AGV联动安全转向半径，从而构建新的双AGV联动转向代价函数，以有效地搜索双AGV联动安全路径。进一步地，结合起始点与目标点的位姿信息，提出双AGV联动适应度函数，以快速引导算法朝着实现双AGV平稳、高效和安全的运输方向进行迭代优化。本发明为双AGV联动提供了一种创新性的解决方案，为双AGV系统的运行提供了高效的全局路径规划，提高了运输效率和可靠性。
-
公开(公告)号：CN118348989A
公开(公告)日：2024-07-16
申请号：CN202410452934.2
申请日：2024-04-16
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于循环SAC的机器人分布式Leader‑Follower编队方法。通过该方法实现了无需手动设计模型和调整参数，仅凭借移动机器人之间的位置误差来实现编队控制的目标。构建全新的循环‑SAC强化学习框架，以确保编队控制具备良好的瞬态和稳态特性，从而获得了出色的控制性能。此外，提出了剧集式记忆回放单元存储及采样方法，以及一种新颖的归一化奖励函数，使得循环SAC强化学习编队框架能够快速收敛，并在各种任务中获得一致性的激励，更好地学习和适应不同场景下的编队任务要求。同时，通过对状态空间的归一化处理，有效地消除了不同形状编队任务之间的差异性，提高了模型的泛化能力。
-
公开(公告)号：CN118348988A
公开(公告)日：2024-07-16
申请号：CN202410452933.8
申请日：2024-04-16
Applicant: 北京工业大学
IPC: G05D1/43 , G05D1/243 , G05D1/246 , G05D1/65 , G05D1/644 , G05D1/648 , G06T7/246 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/092 , G05D109/10
Abstract: 本发明公开了一种基于深度强化学习的视觉端到端车辆跟随方法，利用跟随者的第一视角观察作为输入，并生成相应的控制信号作为输出。我们构建了空间‑注意力‑时间框架，以实现从视觉到动作的高精度映射。为了提升跟随者在非通信场景中的性能，提出了定制的奖励函数和环境增强技术。跟随者使用了异步优势演员‑评论家算法在3D环境中进行训练和测试。在面对随机路径、恶劣天气、多样颜色和前车纹理的情况下，该方法展现出了出色的泛化能力。对车辆跟随模型的可解释性分析表明，显著增强模型对障碍物和物体位置的关注。对空间‑注意力‑时间框架进行了消融研究，阐明每个模块对跟随前车的贡献，进一步证明了所提方法在跟踪性能方面的卓越性。
-
公开(公告)号：CN116562584A
公开(公告)日：2023-08-08
申请号：CN202310600842.X
申请日：2023-05-25
Applicant: 北京工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/0464 , G06N3/088 , G06N3/092
Abstract: 本发明公开了一种基于Conv‑Dueling与泛化表征的动态车间调度方法，首先采用多维矩阵来表示设备状态和工件状态；设计了复合奖励函数，以引导算法的收敛。提出Conv‑Dueling网络模型，以多维状态矩阵作为输入，以调度规则价值作为输出，在不同的重调度决策点上选择最优的调度规则。该网络模型由特征提取网络、状态网络和优势网络三部分组成，实现全局最优调度。经过静态和动态情况下的验证，该网络模型均能得到良好的优化效果。本发明提出的动态车间调度方法可以减少最大完工时间、提高准时完成率和降低总延迟时间，同时保证了鲁棒性和稳定性，其综合调度性能优于现有的调度方法。
-
-
-
Search Results
4
records
(took 0.016 seconds)
