-
公开(公告)号：CN119882635A
公开(公告)日：2025-04-25
申请号：CN202510022428.4
申请日：2025-01-07
Applicant: 武汉理工大学
IPC: G05B19/418
Abstract: 本发明公开了一种带转移的分布式异构装配柔性作业车间调度方法。它包括如下步骤：设定假设、基本参数，根据所研究问题提出对应的约束条件，构建以最小化最大完工时间和最小化加工总能耗为目标的双目标优化模型，双目标优化模型用于考虑工厂加工能力、运输阶段和工件转移的装配柔性作业车间调度优化；基于工序顺序、加工工厂选择和加工机器选择，设计与双目标优化模型对应的三段编码模式和解码模式；基于三段编码模式和解码模式，采用基于Q‑Learning的改进多目标遗传算法，求解最优调度方案。本发明考虑车间加工能力、车间协作加工和运输阶段时间的因素，从全局优化的角度安排工序处理顺序、工序加工工厂、工序加工机器、以及装配车间选择。
-
公开(公告)号：CN116985146B
公开(公告)日：2024-02-02
申请号：CN202311253330.7
申请日：2023-09-27
Applicant: 武汉理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种退役电子产品的机器人并行拆解规划方法，确定待拆解机电产品的拆解信息，所述拆解信息包括拆解优先关系、拆解工具、拆解时间；基于机器人并行拆解的工作流程和所述拆解信息，设定拆解约束；并建立以完工时间和拆解能耗为目标的双目标机器人并行拆解序列规划模型，并将其转化为标准的混合整数线性规划模型；通过对离散人工蜂群算法进行离散化人工蜂群操作，得到改进离散人工蜂群算法；构造基于所述拆解约束的编码策略和解码策略，通过所述改进离散人工蜂群算法对模型进行求解，得到规划方法。
-
公开(公告)号：CN116690589A
公开(公告)日：2023-09-05
申请号：CN202310982424.1
申请日：2023-08-07
Applicant: 武汉理工大学
IPC: B25J9/16 , G06Q10/0631 , G06Q10/0633 , G06N3/048 , G06N3/092
Abstract: 本发明提供了一种基于深度强化学习的机器人U型拆解线动态平衡方法，基于待拆解零部件信息，确定拆解任务之间的拆解优先关系和机器人的拆解时间；基于拆解线情况，设定预设条件和约束条件，以最小化拆解线的节拍为目标函数，建立以节拍为导向的混合整数线性规划模型；基于马尔科夫决策过程，确定机器人U型拆解线与深度强化学习网络的映射关系，以构建基于梯度下降法和经验回放的双层神经网络模型；基于状态信息、动态信息、拆解优先关系和拆解时间，对双层神经网络模型进行训练；通过训练好的双层神经网络模型对拆解任务进行求解，得到最优拆解线任务规划方案。泛化能力强，能够满足多种类型扰动下拆解线任务设计规划的需求。
-
公开(公告)号：CN120013216A
公开(公告)日：2025-05-16
申请号：CN202510498634.2
申请日：2025-04-21
Applicant: 武汉理工大学
IPC: G06Q10/0631 , G06Q50/04 , G06Q10/04 , G06N3/126
Abstract: 本发明提供了一种考虑多腔失衡和机器故障的生产调度方法，包括以下步骤：步骤S11：为每个机器设定多腔失衡概率和机器故障率，并设对应的加工阈值上限和下限；步骤S12：基于所述多腔失衡概率、机器故障率、加工阈值上限和加工阈值下限，计算加工时间；步骤S13：基于所述加工时间，设定所有工件的最大完工时间及所有机器的生产能耗总和的双目标函数；步骤S14：采用优化算法进行求解，得到生产调度方案。在动态扰动事件发生时，合理地安排不同的任务在不同的机器上进行加工，为企业加工提供了理论和技术支撑。
-
公开(公告)号：CN119991101A
公开(公告)日：2025-05-13
申请号：CN202510468992.9
申请日：2025-04-15
Applicant: 武汉理工大学
IPC: G06Q10/30 , G06Q10/04 , G06Q10/063
Abstract: 本发明提供了一种考虑产品任务拆解失败的拆解方法及优化方法，建立以工作站数、平滑指数和拆卸能耗为导向的拆卸线预测平衡模型；建立以工作站数、平滑指数、再平衡序列的调整量和拆卸能耗为导向的任务故障驱动下的拆卸线再平衡模型；获取历史拆解失败数据，得到若干个拆解场景的概率，构建综合能耗概率模型；在不同场景下，采用多目标优化算法对多目标拆卸线预测平衡模型和拆卸线再平衡模型进行求解，得到若干个拆解场景对应方案，之后基于综合能耗概率模型求解得到综合能耗概率最低的规划方案。通过再平衡的方法对损失的收益进行回收，并进行综合情况下的方案选择，有效恢复废弃电产品拆卸过程中任务失败后的收益。
-
Patent Agency Ranking
公开(公告)号：CN116976228B
公开(公告)日：2024-02-02
申请号：CN202311230347.0
申请日：2023-09-22
Applicant: 武汉理工大学
IPC: G06F30/27 , G06N3/006 , G06F111/04
Abstract: 本发明提供了一种退役机电产品双边拆解线任务规划方法，确定待拆解机电产品的拆解信息，拆解信息包括拆解优先关系、拆解方位、拆解工具、拆解时间、危害属性和拆解价值；基于双边拆解线的工作流程和拆解信息，设定约束条件；基于约束条件，建立以工位数、平滑指标、拆解能耗和利润为导向的多目标双边局部拆解线任务规划模型，并将其转化为标准的混合整数线性规划模型；通过基于双边拆解约束的编解码策略和符合拆解优先约束的遗传操作和模拟退火操作，构建多目标遗传模拟退火算法，并对混合整数线性规划模型进行求解，得到任务规划方案。
-
公开(公告)号：CN116690589B
公开(公告)日：2023-12-12
申请号：CN202310982424.1
申请日：2023-08-07
Applicant: 武汉理工大学
IPC: B25J9/16 , G06Q10/0631 , G06Q10/0633 , G06N3/048 , G06N3/092
Abstract: 本发明提供了一种基于深度强化学习的机器人U型拆解线动态平衡方法，基于待拆解零部件信息，确定拆解任务之间的拆解优先关系和机器人的拆解时间；基于拆解线情况，设定预设条件和约束条件，以最小化拆解线的节拍为目标函数，建立以节拍为导向的混合整数线性规划模型；基于马尔科夫决策过程，确定机器人U型拆解线与深度强化学习网络的映射关系，以构建基于梯度下降法和经验回放的双层神经网络模型；基于状态信息、动态信息、拆解优先关系和拆解时间，对双层神经网络模型进行训练；通过训练好的双层神经网络模型对拆解任务进行求解，得到最优拆解线任务规划方案。泛化能力强，能够满足多种类型扰动下拆解线任务设计规划的需求。
-
公开(公告)号：CN117048109A
公开(公告)日：2023-11-14
申请号：CN202311249734.9
申请日：2023-09-26
Applicant: 武汉理工大学
IPC: B30B11/22
Abstract: 本发明提供一种挤出定型模自动分模方法，包括：S1、获取挤出定型模的内腔的面集，建立所述面集的属性邻接图，判断边的凹凸性；S2、沿预设拉伸方向拉伸内腔左右两侧所有邻接边存在凸边的凹边，形成临时分模面；S3、将距离内腔四个边角最近的临时分模面分别移动至最近的四个边角对应的凹边上；S4、判断沿同一个方向延伸的临时分模面中相邻两个临时分模面的间距是否小于安全厚度，删除与相邻临时分模面的间距小于安全厚度的临时分模面；S5、根据各板块沿X向和Y向的可见性确定镶块。该方法解决了挤出定型模分模设计繁琐、设计效率低的问题，提高了挤出定型模分模设计的连续性和灵活性。
-
公开(公告)号：CN116985146A
公开(公告)日：2023-11-03
申请号：CN202311253330.7
申请日：2023-09-27
Applicant: 武汉理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种退役电子产品的机器人并行拆解规划方法，确定待拆解机电产品的拆解信息，所述拆解信息包括拆解优先关系、拆解工具、拆解时间；基于机器人并行拆解的工作流程和所述拆解信息，设定拆解约束；并建立以完工时间和拆解能耗为目标的双目标机器人并行拆解序列规划模型，并将其转化为标准的混合整数线性规划模型；通过对离散人工蜂群算法进行离散化人工蜂群操作，得到改进离散人工蜂群算法；构造基于所述拆解约束的编码策略和解码策略，通过所述改进离散人工蜂群算法对模型进行求解，得到规划方法。
-
公开(公告)号：CN118952213A
公开(公告)日：2024-11-15
申请号：CN202411266578.1
申请日：2024-09-11
Applicant: 武汉理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于改进粒子群算法的双臂机器人轨迹规划方法，包括以下步骤：定义双臂机器人的运动学参数，建立双臂机器人的运动学方程，求解运动学方程得到双臂机器人的初始位姿；根据初始位姿以及预先设定的目标位姿，采用插值法生成双臂机器人的多条候选路径，对所有候选路径进行碰撞检测，将不会发生碰撞的候选路径作为备选路径；采用基于强化学习的改进粒子群算法，在多条备选路径中搜索最优路径，控制双臂机器人按照最优路径下的关节运动轨迹运动。本发明的方法通过采用基于强化学习的粒子群算法，能够自适应地调整粒子的速度和位置更新策略，适应各种不同的环境和条件的同时提高了计算效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.015 seconds)
