-
公开(公告)号:CN116680861A
公开(公告)日:2023-09-01
申请号:CN202310386393.3
申请日:2023-04-12
Applicant: 安徽大学
IPC: G06F30/20 , G06N3/126 , G06F17/11 , G16C60/00 , G06F111/04
Abstract: 本发明涉及板材下料技术领域,解决了现有技术中相应算法的时间以及复杂度高,同时对排样方式组合限制的技术问题,尤其涉及一种基于改进遗传算法的单规格板材二维下料方法,包括以下步骤:S1、根据毛坯数据生成每种毛坯对应的所有的同质块组合和规范尺寸;S2、根据所有的同质块组合和规范尺寸计算得出当前条件下的最优排样方式;S3、根据最优排样方式生成板材排样图,板材排样图即为最优的板材二维下料方式。本发明提出的单规格板材二维下料方法能得到高利用率的最优板材排样方式,同时对最优段、最优排样方式的分级求解方式可以很巧妙的避免无用的排样方式的生成,从而也能减少算法的运行时间。
-
公开(公告)号:CN115290073A
公开(公告)日:2022-11-04
申请号:CN202210970287.5
申请日:2022-08-12
Applicant: 安徽大学
Abstract: 本发明涉及矿山井下定位与导航技术领域,解决了非结构化环境特征下且GPS无法作用的井下定位与建图难的技术问题,尤其涉及一种矿山井下非结构化特征下的SLAM方法,包括以下过程:获取激光雷达当前激光帧的点云信息;计算激光雷达当前激光帧点云信息中每个点的曲率,并根据每个点的曲率提取每个点的角点特征以及平面点特征;通过相机提取当前帧的信息,根据当前帧的信息采用FAST算法检测当前帧的角点,并判断是否为一个角特征点;根据当前帧的信息采用KLT光流法跟踪算法跟踪当前滑动窗口关键帧的特征点。本发明实现对煤矿井下进行高精度定位,同时平衡了精度与计算量,提高矿山井巷的定位与建图准确率与实时性。
-
公开(公告)号:CN118674091A
公开(公告)日:2024-09-20
申请号:CN202410629430.3
申请日:2024-05-21
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q30/0601 , G06Q50/04
Abstract: 本发明涉及矩形件排料领域,本发明公开了一种改进模拟退火算法的二维矩形件排料方法,基于Metropoli准则选择毛胚编号,该方法包括以下步骤:Step1:给当前要生产的毛胚进行编号,按照其型号分别编号为1,2,3…M;本发明将改进后的自适应模拟退火算法和贪心算法相结合,转而提出一种基于概率搜索的随机切割模型,从而进一步降低板材数的使用,提高板材利用率,使得算法更快收敛,缩减排样方案数量,更符合工厂需求,在自适应模拟退火算法模块,将模拟退火中的重要参数用订单的毛胚种类,订单数量等代替,并且在订单数量或者板材无法在被利用时主动退出降温过程,使得大型订单具有更大的搜索范围,小型订单适当降低搜索范围。
-
公开(公告)号:CN118536392A
公开(公告)日:2024-08-23
申请号:CN202410668261.4
申请日:2024-05-28
Applicant: 安徽大学
IPC: G06F30/27 , G06F30/10 , G06F17/10 , G06N3/126 , G06F111/06 , G06F111/04
Abstract: 本发明公开了一种基于改进模拟退火算法的二维矩形件排样方法,包括以下步骤:1、构建二维毛胚在板材上切割的排样模型;2、基于Metropolis准则选择毛胚编号;3、在当前板材上切割选择毛胚;4、生成一整块板材上的毛胚排样方案;5、得到一整套完整的排样方案。本发明能够降低板材数的使用,提高板材利用率,大幅缩减排样方案,降低产品的材料成本和人工成本。
-
公开(公告)号:CN116977628A
公开(公告)日:2023-10-31
申请号:CN202310357078.8
申请日:2023-04-01
Applicant: 安徽大学 , 合肥图灵纪元科技有限公司
IPC: G06V10/26 , G06V10/764 , G06V10/762 , G06V10/20 , G06V10/40 , G06V10/80 , G06T7/70 , G06T17/05 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种应用于动态环境的基于多模态语义框架的SLAM方法及系统。具体过程包括相机图像获取、激光雷达数据处理、IMU预积分、实例分割、多模态融合、特征地图更新和全局语义地图构建。通过视觉、激光雷达和IMU的多模态融合,平衡了精度与计算量;通过动态语义理解,辅助多模态传感器构建3D动态地图,保证了系统的准确率和实时性。本发明解决了动态非结构化且GNSS无法作用的井下以及仓储导航定位问题,实现了非结构化环境的无人驾驶精准感知与定位技术。
-
公开(公告)号:CN115829030A
公开(公告)日:2023-03-21
申请号:CN202211537673.1
申请日:2022-12-01
Applicant: 安徽大学
Abstract: 本发明涉及计算机应用技术领域,解决了型材优化率低且排样方式多从而导致工厂加工不便的技术问题,尤其涉及一种基于改进遗传算法的单规格一维下料方法及装置,包括:根据基因编码方式生成初始种群,并调用深度搜索对初始种群进行寻优得到不完整种群;采用启发式算法对不完整种群中的个体进行基因修复,根据适应度函数计算各个修复后的个体的适应度并将适应度值最大的个体作为优势种群;对优势种群调用启发式算法进行多样化处理,并从中提取适应度值最大的个体作为当代种群;最后将进行交叉和变异得到的最优种群视为一维下料方案。本发明通过将深度搜索融合至遗传算法,在保证利用率不降低的前提下,大幅缩减排样方案,更加符合工厂加工需求。
-
-
-
-
-