-
公开(公告)号:CN110210806B
公开(公告)日:2023-03-24
申请号:CN201910443425.2
申请日:2019-05-27
Applicant: 大连理工大学
IPC: G06Q10/083 , G06Q10/047 , G06Q10/063 , G06V20/58 , G08C17/02 , H04W4/44 , H04W4/46
Abstract: 本发明属于5G移动机器人领域,涉及一种5G边缘计算的云基无人车架构及其控制评价方法。所述的云基无人车架构包括设备层、边缘计算层和云计算层三层。设备层包含云基无人车、车间、路侧单元和5G基站。所述的边缘计算层包括边缘计算服务器和5G基站另外发出的5G核心网。每个子区域内设有一个边缘计算服务器,边缘计算服务器与设备层间通过5G核心网进行连接。所述的云计算层包括云服务器和控制中心,控制中心位于工厂内。本发明结合5G通信以及边缘计算技术设计了云基无人车架构,使得工厂中的多辆云基无人车可以实现感知周围环境、任务分配、规划路径、避碰等功能,提高了工厂中多辆云基无人车配送货物的效率。
-
公开(公告)号:CN110110903B
公开(公告)日:2022-09-30
申请号:CN201910307290.7
申请日:2019-04-17
Applicant: 大连理工大学
Abstract: 本发明属于物流调度领域,具体涉及一种基于神经进化的配送车辆路径规划方法,第一步建立模型,设公司有M量货车,在调度区域P和一天之内的时间范围L内,处理随时间到达的物流请求集合R,每一个请求r包括宣布时间、交取货地点和交取货地点时间窗。第二步,每辆货车请求处理哪一个任务取决于任务对应的优先级,优先级的计算需要神经网络,输入该货车对某一任务的信息,输出该任务对该货车的优先级,进而选择优先级高的任务请求处理。每个神经网络对应一个成本函数,通过神经进化算法对神经网络优化,得到成本函数最优的物流调度方案。本发明有助于减少物流公司的运输成本,并且在动态场景下允许离线转移大量的计算工作,降低硬件要求。
-
公开(公告)号:CN111785088B
公开(公告)日:2021-08-20
申请号:CN202010581563.X
申请日:2020-06-23
Applicant: 大连理工大学
IPC: G08G1/16 , G08G1/0967 , G08G1/01 , G06K9/62
Abstract: 本发明属于车联网体系下网联车辆的智能控制技术领域,具体涉及一种网联车辆匝道合并的双层协同优化方法。本发明考虑在计算负荷和最优性之间存在权衡,通过上层最优化模型和下层解析解的形式较大程度地提高了最优性和最大限度地降低了计算量;采用智能网联车辆匝道合并协同控制的上下两层调度优化模型,上层决定和分配每辆智能网联车进入合并区域的时间,下层确定每辆智能网联车的具体运动轨迹,有助于匝道合并的交通效率和能源利用率的提高,通过下层计算,满足不了最小时间间隔的智能网联车辆将重新返回上层调度进行调度计算,使系统具有鲁棒性。
-
公开(公告)号:CN111884850A
公开(公告)日:2020-11-03
申请号:CN202010719390.3
申请日:2020-07-23
Applicant: 大连理工大学
Abstract: 本发明属于车联网和智能交通领域,涉及一种车路协同环境下非信控交叉路口控制方法。本发明中解决由网络往返延迟和交叉路口管理器处理时间不确定性而引起的交通事故问题,在非信控交叉路口管理方法中,智能网联汽车行为将是确定性的,并且IM的调度也是安全的。对于未知的RTD,本发明避免考虑额外的安全缓冲区,因此可以实现更高的吞吐量。本发明考虑了控制器的参数,使CAV的行为更加精确。鉴于一些突发紧急状况,本发明所提出的紧急故障模型以及紧急故障恢复机制,提高了系统的安全性。实验结果表明,与传统技术相比,本方法可以将位置不确定性降低15%,并使吞吐量提高多达36%,可减少发生在交叉路口的故障及拥堵现象。
-
公开(公告)号:CN110275535A
公开(公告)日:2019-09-24
申请号:CN201910566130.4
申请日:2019-06-27
Applicant: 大连理工大学
IPC: G05D1/02
Abstract: 本发明属于仓储物流路径规划领域,涉及一种基于改进A星算法的多状态车辆路径规划方法。所述方法步骤如下:将搜索区域划分为二维数组,数组每个元素对应一个搜索区域的节点,共有n个节点。构建开放列表与关闭列表;Open list中存放在路径规划中待检测的节点,closelist中存放已检测过的节点。构造单一状态下车的节点权重。将m种状态的车分别构造节点权重。根据启发式函数计算节点的代价以搜索车的最优路径;H为节点j到目标节点的代价,G为起始节点到节点j的代价。本发明针对多状态车辆路径规划时,考虑到了不同节点的繁忙程度。通过利用节点可通过车辆状态的种类,能加快多车路径规划的求解速度。
-
公开(公告)号:CN110110903A
公开(公告)日:2019-08-09
申请号:CN201910307290.7
申请日:2019-04-17
Applicant: 大连理工大学
Abstract: 本发明属于物流调度领域,具体涉及一种基于神经进化的配送车辆路径规划方法,第一步建立模型,设公司有M量货车,在调度区域P和一天之内的时间范围L内,处理随时间到达的物流请求集合R,每一个请求r包括宣布时间、交取货地点和交取货地点时间窗。第二步,每辆货车请求处理哪一个任务取决于任务对应的优先级,优先级的计算需要神经网络,输入该货车对某一任务的信息,输出该任务对该货车的优先级,进而选择优先级高的任务请求处理。每个神经网络对应一个成本函数,通过神经进化算法对神经网络优化,得到成本函数最优的物流调度方案。本发明有助于减少物流公司的运输成本,并且在动态场景下允许离线转移大量的计算工作,降低硬件要求。
-
公开(公告)号:CN113900739B
公开(公告)日:2024-11-19
申请号:CN202111254759.9
申请日:2021-10-27
Applicant: 大连理工大学
IPC: G06F9/445 , G06F9/48 , G06F9/50 , G06F30/27 , G06N7/01 , G06F111/04 , G06F111/08
Abstract: 本发明公开一种多对多边缘计算场景下的计算卸载方法及系统,包括:获取多边缘服务器多移动终端场景下的边缘计算场景数据,并基于边缘计算场景数据,构建边缘计算场景;基于边缘计算场景,构建卸载模型,其中卸载模型基于马尔科夫决策过程进行建模;通过策略迭代法对卸载模型进行求解,得到最优卸载策略。本发明能够对于不同性质的终端产生的的异构任务,以能量消耗最小化为目标进行任务卸载建模,并获取卸载方法的最优策略。
-
公开(公告)号:CN113807933A
公开(公告)日:2021-12-17
申请号:CN202111176272.3
申请日:2021-10-09
Applicant: 大连理工大学
Abstract: 本发明公开一种多机器人任务分配的“协商‑决策”市场拍卖求解方法,属于多机器人任务分配领域,包括初始化信息;宣布任务区域信息以及对应成本,等待报价;对各任务区域分别报价;以任务区域为单位,根据各报价确定优先级;随机选择一个任务区域,并由最高优先级拍得;在余下的任务区域中再次随机选择一个任务区域,直至所有任务区域均被分配;在达成转接条件下,将拍得的任务区域转接协商,转接条件依托于互利;直至无法达成转接条件,协商结束,每个任务区域转接后的总报价向上汇报;比较每次的总报价,保留其中最少的一次,对应的各任务区域分配方法即为最终的分配方法。本发明采用改进的拍卖求解方法对目标任务进行低成本、高民主的分配。
-
公开(公告)号:CN111785088A
公开(公告)日:2020-10-16
申请号:CN202010581563.X
申请日:2020-06-23
Applicant: 大连理工大学
IPC: G08G1/16 , G08G1/0967 , G08G1/01 , G06K9/62
Abstract: 本发明属于车联网体系下网联车辆的智能控制技术领域,具体涉及一种网联车辆匝道合并的双层协同优化方法。本发明考虑在计算负荷和最优性之间存在权衡,通过上层最优化模型和下层解析解的形式较大程度地提高了最优性和最大限度地降低了计算量;采用智能网联车辆匝道合并协同控制的上下两层调度优化模型,上层决定和分配每辆智能网联车进入合并区域的时间,下层确定每辆智能网联车的具体运动轨迹,有助于匝道合并的交通效率和能源利用率的提高,通过下层计算,满足不了最小时间间隔的智能网联车辆将重新返回上层调度进行调度计算,使系统具有鲁棒性。
-
公开(公告)号:CN110674978A
公开(公告)日:2020-01-10
申请号:CN201910850108.2
申请日:2019-09-10
Applicant: 大连理工大学
Abstract: 本发明用于车间无人运输系统,具体涉及一种基于局部搜索的无人运输系统的任务分配与路径规划方法。局部搜索算法即通过对当前解进行一个扰动,产生一个新解,如果新解优于当前解,则更新新解为当前解。局部搜索算法可以高效的找到一个可行解,但是由于在更新当前解时只接受更优解,这样便容易陷入局部最优解,并且由于任务是固定的,会使得搜索范围较小,很可能错失其他区域的更好的解。因此,本发明旨在解决陷入局部最优解和扩大搜索区域。本发明通过使用两个参数,使得在适当的时刻跳出局部最优解,从而得到更高效的路径。
-
-
-
-
-
-
-
-
-