一种组串自动选配物联网系统

    公开(公告)号:CN113077023A

    公开(公告)日:2021-07-06

    申请号:CN202110424568.6

    申请日:2021-04-20

    Abstract: 本发明公开了一种组串自动选配物联网系统,该系统主要功能是通过改进后的k‑means聚类算法,选出重量和长度指标都符合标准的组串,构成一组成为产品。本发明所提出的方法包括:组串自动选配物联网系统的总体架构设计、流式网络传输编码器、构建相似图方法和基于堆的k近邻快速搜索算法四个关键内容。本发明首先设计了整体的选配控制系统,能够实现数据采集,根据聚类结果对组串进行选配;其次,本发明提出了一种基于分级数据的可靠传输流式网络编码器,提高了系统数据传输的可靠性和稳定性;为了能够确切描述数据的实际分布,本发明通过相似图约减构建相似图,提高了聚类性能;本发明还提出了基于堆得K近邻快速搜索算法,提升了系统选配的速度。

    组串选配流式大数据平台设计
    3.
    发明公开

    公开(公告)号:CN113051061A

    公开(公告)日:2021-06-29

    申请号:CN202110426461.5

    申请日:2021-04-20

    Abstract: 本发明公开了一种组串选配流式大数据平台设计,该平台以Flume、Kafka实现实时数据获取、传输,HBase为数据存储,Hadoop为系统基础,Spark为计算框架,Zookeeper为集群管理,搭建计算平台,同时满足高实时性和以平台为基础进行算法二次开发的需求。本发明构建组串选配流式大数据平台,更加全面的数据分析,辅助设计人员更加快速准确地定位到可能存在异常的零部件并对异常原因进行分析,而且可以对装配线的改善提供参考信息。优化后的组串选配算法在处理非线性数据时,准确度更高。

    一种基于布谷鸟算法的农业光谱混合存储系统缓存替换算法

    公开(公告)号:CN113050894A

    公开(公告)日:2021-06-29

    申请号:CN202110424188.2

    申请日:2021-04-20

    Abstract: 本发明公开了一种基于布谷鸟算法的农业光谱数据缓存替换算法。近年来海量增长得农业光谱数据数据的对存储系统带来巨大挑战。单一的存储介质如HDD(Hard Disk Drive,HDD)或SSD(Solid State Drive,SSD)由于其固有物理特性限制,并不能满足实际需求,将SSD和HDD混合使用的存储架构是一种可行的解决方案,这样管理农业光谱数据的混合存储的缓存替换策略就成为存储性能提升的关键。我们推出一种基于计数布谷鸟过滤器热探测方案(Count Cuckoo Filter Hot‑probe Method,CCF)具有非常好的空间和时间效率,且支持删除功能。通过将CCF和自适应两级LRU(Least Recently Used,LRU)相结合,形成CCF‑LRU缓存替换策略,该策略利用CCF识别热数据,利用自适应两级LRU管理缓存。实验结果表明,结合热探针方案的缓存替换策略与传统策略相比,能显著提高缓存命中率。CCF‑LRU相比其他结合热探针方案的缓存替换策略,时间复杂度和空间复杂度更小,命中率更高。

    基于蚁群优化算法的组串选配技术

    公开(公告)号:CN113052494A

    公开(公告)日:2021-06-29

    申请号:CN202110424628.4

    申请日:2021-04-20

    Abstract: 本发明公开了一种基于蚁群优化算法的组串选配技术,该技术主要解决人工选配存在直接安全隐患;装配效率低;装配质量一致性得不到保障等问题。本发明通过分析零部件尺寸及重量关系,确定特制零部件的尺寸、形状、位置等几何参数的允许变动量,针对选配模型的特殊性,采用基于相似度的蚁群聚类算法实现组串选配技术。主要步骤有:根据当前选配盘上配件的重量(横坐标)和长度(纵坐标),产生一个分布图;求解K个分组的思路转换为对该图中的点进行聚类,基于蚁群聚类算法得出分类;以类为单位,在每一类中寻找合适的组件,寻找方法可以是先找某一类的重心点,然后再以此重心点开始向外扩张寻找符合条件的M个组串;通过数据统计分析,结合选配历史形成预测,提高下一轮的选配效率。

    一种基于地理位置的多智能体强化学习路由算法

    公开(公告)号:CN112804726A

    公开(公告)日:2021-05-14

    申请号:CN202110013305.6

    申请日:2021-01-06

    Abstract: 本发明在结合强化学习试错和动态规划思想的基础上,公开了一种基于地理位置的多智能体Q学习路由算法,QLGR(Q Learning based Geographic Routing)路由协议。协议在考虑下一跳节点质量与负载能力的同时,基于地理位置信息选择较优的邻居节点。同时在数据包传输时考虑数据回传的情况,并对该情况的出现基于惩罚。本发明首先详细分析了QLGR的设计思路、网络架构;其次,设计了基于Q学习衡量邻居节点价值评估方法;接着,结合地理位置信息,权衡贪婪转发与邻居节点价值,设计了一种基于地理位置的转发策略;最后通过仿真实验对提出的路由协议进行测试,并与现有的路由协议进行对比。

Patent Agency Ranking