基于离散莱维飞行的改进遗传算法的柔性作业车间调度方法

    公开(公告)号:CN118863307A

    公开(公告)日:2024-10-29

    申请号:CN202310468766.1

    申请日:2023-04-27

    Abstract: 本发明针对传统遗传算法在解决柔性作业车间调度问题时,出现极易早熟、易陷入局部最优解、局部搜索能力差,种群多样性不足的问题,提出了基于离散莱维飞行的改进遗传算法的柔性作业车间调度方法。相较于现有遗传算法,使用基于整体负荷最小的初始化方法与随机混合的方式产生初始解,提高了初始种群的质量。在算法执行过程中,引入基于工序编码距离的离散莱维飞行机制,在种群向最优解靠拢的同时,保证了算法的局部开发能力。提出递减的动态交叉算子,保证算法在后期迭代的寻优能力。引入变邻域搜索机制,增强算法局部搜索能力。本发明求解效率较高,跳出局部最优能力更强,求解结果更好。

    热处理加工工艺阶段分割方法
    2.
    发明公开

    公开(公告)号:CN119691493A

    公开(公告)日:2025-03-25

    申请号:CN202311230000.6

    申请日:2023-09-22

    Abstract: 本发明涉及热处理加工领域,具体说是基于热处理时间序列的分析实现热处理加工工艺阶段分割方法。针对热处理加工过程中的不同工艺阶段分割与检测问题提出了基于关键点的分段线性表示算法,并针对生产过程中的数据异常波动提出了基于滑动窗口的时间序列异常检测算法,实现了实时异常检测与处理,提高分割算法的稳定性与准确性。并在最后针对关键点检测可能存在遗漏的问题,提出基于分段误差的插值算法。能够检测与处理热处理生产过程中的异常数据,增强后续数据的稳定性和准确性。

    一种多特征融合的数控机床刀具磨损预测方法

    公开(公告)号:CN119871094A

    公开(公告)日:2025-04-25

    申请号:CN202311390287.9

    申请日:2023-10-25

    Abstract: 本发明公开一种多特征融合的数控机床刀具磨损预测方法。首先采用第三四分位数和Hampel滤波法对原始数据进行预处理。其次针对预处理后的数据进行时域、频域、时频域等分析,提取出与刀具磨损程度相关性较好的多个变换域特征。然后针对不同特征分别选择合适的机器学习模型,采用支持向量机(SVM)处理时域特征、随机森林(Random Forest)处理频域特征、深度神经网络(DNN)处理时频域联合特征。最后采用以上三种模型的均方根误差(RMSE)和平均绝对误差(MAE)等指标评估预测模型性能,验证实验方法的有效性。本发明可以及时和准确地预测和诊断刀具磨损状态,有助于实现正常生产条件下对刀具磨损状态的实时监测。

    一种基于深度强化学习的柔性作业车间调度方法

    公开(公告)号:CN119439910A

    公开(公告)日:2025-02-14

    申请号:CN202411529128.7

    申请日:2024-10-30

    Abstract: 本发明涉及生产调度和资源优化领域,尤其是一种基于深度强化学习的柔性作业车间调度方法,其特征在于,包括以下步骤:1)构建柔性车间调度环境;2)将柔性车间调度环境抽象为Disjunctive Graph;3)抽取状态特征;4)对状态特征进行编码;5)基于编码后的特征执行决策,得到调度概率分布;6)根据概率分布生成调度计划。本发明通过多层次特征提取与融合,实现对生产环境的精准感知,有效提高调度决策的准确性和鲁棒性;利用深度强化学习框架,能够自适应地学习生产环境的动态变化,不断优化调度策略,具有较强的泛化能力;通过注意力机制增强特征表示,使模型在面对大规模、复杂性高的FJSP问题时,仍能快速找到全局最优解。

Patent Agency Ranking