面向中断风险的物流能力储备及调度求解方法和系统

    公开(公告)号:CN116307961A

    公开(公告)日:2023-06-23

    申请号:CN202211090686.9

    申请日:2022-09-07

    Abstract: 本发明提供一种面向中断风险的物流能力储备及调度求解方法、系统、存储介质和电子设备,涉及物流调度技术领域。本发明包括,获取储备点和受灾点的位置信息,并确定供应中断的储备点以及受灾点的真实需求;根据所述供应中断的储备点以及受灾点的真实需求,构建面向中断风险的物流能力储备及调度模型,该模型可有效确定在各中断风险响应等级下应签约储备和调用的储备点、各类型汽车、司机数量以及优化物资调度策;采用改进蚁群算法求解所述物流能力储备及调度模型,获取物流应急储备及调度方案,使得算法寻优过程更加直观具体,求解过程具有较强的鲁棒性。

    基于改进的对抗生成网络的轮胎X光检测方法及系统

    公开(公告)号:CN115358987A

    公开(公告)日:2022-11-18

    申请号:CN202210987578.5

    申请日:2022-08-17

    Abstract: 本发明实施例提供一种基于改进的对抗生成网络的轮胎X光检测方法及系统,属于图像识别技术领域。所述方法包括:获取待检测的轮胎图像;对轮胎图像执行至少两次第一特征提取操作和一次第二特征提取操作,以得到轮胎的预测图像;计算预测图像和轮胎图像的损失函数;判断损失函数是否大于或等于预设的阈值;在判断损失函数小于阈值的情况下,对预测图像和轮胎图像依次执行五轮深度可分离卷积操作、批量标准化操作以及激活操作,以得到第六特征图;依据第四轮深度可分离卷积操作、批量标准化操作以及激活操作输出的特征图和第五轮输出的第六特征图计算目标函数;根据目标函数计算轮胎的异常评分;根据异常评分确定轮胎是否存在异常。

    基于改进BP-HMM混合模型的轮胎硫化机液压系统故障诊断方法

    公开(公告)号:CN115639799B

    公开(公告)日:2024-08-23

    申请号:CN202211158125.8

    申请日:2022-09-22

    Abstract: 本发明提供一种基于改进BP‑HMM混合模型的轮胎硫化机液压系统故障诊断方法,涉及轮胎硫化机液压系统故障诊断技术领域。本发明中根据数据集,构建BP‑AdaBoost子模型,获取各液压元件的故障状态;将不同故障类型原因作为隐藏状态,生成隐藏状态序列,将故障状态作为观测状态,生成观测状态序列,采用遗传算法构建TC‑HMM子模型;将实时参数指标输入训练好的改进BP‑HMM混合模型中,获取当前的故障诊断结果。发挥BP神经网络结构简单,对大数据量输入具有较好的处理能力和泛化能力,以及HMM模型具有较好的统计学特性和对时序数据较强的建模能力;大大提升故障诊断的速度和准确度,增强了模型的故障诊断能力和误差逼近能力,提高了轮胎液压硫化机的液态系统故障诊断的效率。

    基于边云协同和AR的汽车轮胎外观质量智能检测方法

    公开(公告)号:CN115546108A

    公开(公告)日:2022-12-30

    申请号:CN202211084168.6

    申请日:2022-09-06

    Abstract: 本发明提供一种基于边云协同和AR的汽车轮胎外观质量智能检测方法、系统、存储介质和电子设备,涉及轮胎外观质量智能检测技术领域。本发明实施例应用于边缘端,所述边缘端分别与云服务平台以及若干终端通信连接,所述方法包括接收实时采集的汽车轮胎图像,该实时汽车轮胎图像由终端采用AR眼镜获取;调取由云服务平台训练完毕的汽车轮胎外观检测的深度学习模型,将所述实时汽车轮胎图像作为深度学习模型的输入,获取质量智能检测结果。通过云服务平台—边缘端—终端的三层架构实现汽车轮胎的外观缺陷的快速准确检测;采用AR眼镜可以从不同角度或位置实时收集多张同一汽车轮胎外观图像,有利于及时发现问题,进一步提高检测效率。

    基于改进BP-HMM混合模型的轮胎硫化机液压系统故障诊断方法

    公开(公告)号:CN115639799A

    公开(公告)日:2023-01-24

    申请号:CN202211158125.8

    申请日:2022-09-22

    Abstract: 本发明提供一种基于改进BP‑HMM混合模型的轮胎硫化机液压系统故障诊断方法,涉及轮胎硫化机液压系统故障诊断技术领域。本发明中根据数据集,构建BP‑AdaBoost子模型,获取各液压元件的故障状态;将不同故障类型原因作为隐藏状态,生成隐藏状态序列,将故障状态作为观测状态,生成观测状态序列,采用遗传算法构建TC‑HMM子模型;将实时参数指标输入训练好的改进BP‑HMM混合模型中,获取当前的故障诊断结果。发挥BP神经网络结构简单,对大数据量输入具有较好的处理能力和泛化能力,以及HMM模型具有较好的统计学特性和对时序数据较强的建模能力;大大提升故障诊断的速度和准确度,增强了模型的故障诊断能力和误差逼近能力,提高了轮胎液压硫化机的液态系统故障诊断的效率。

Patent Agency Ranking