买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京科技大学申请的专利一种面向多工序生产过程的设定参数快速求解方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119511978B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411593086.3，技术领域涉及：G05B19/418；该发明授权一种面向多工序生产过程的设定参数快速求解方法及系统是由郭金;刘文可;张庆祥;宋勇设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种面向多工序生产过程的设定参数快速求解方法及系统在说明书摘要公布了：本发明提供一种面向多工序生产过程的设定参数快速求解方法及系统，涉及数据处理技术领域，方法包括：构建多工序描述数学模型，确定各个工序的基本信息；以最大化生产效率和生产效益为目标，构建多目标优化模型；通过NSGA‑II算法，求解多目标优化模型，确定最佳动态设定策略；将多目标优化模型转化为单目标优化模型，并确定转化过程中的约束条件；采用最佳动态设定策略，通过粒子群寻优算法，确定在不同输入参数下的最优设定参数，并构建训练集；将转化过程中的约束条件作为物理信息融合到神经网络中，构建物理信息神经网络模型；并通过训练集进行训练；通过训练完成的物理信息神经网络模型，确定输入参数的设定参数值。

本发明授权一种面向多工序生产过程的设定参数快速求解方法及系统在权利要求书中公布了：1.一种面向多工序生产过程的设定参数快速求解方法，其特征在于，包括： S1：构建多工序描述数学模型，确定各个工序的基本信息； S2：以最大化生产效率和生产效益为目标，构建多目标优化模型； S3：通过NSGA-II算法，对所述多目标优化模型进行求解，确定最佳动态设定策略； S4：将所述多目标优化模型转化为单目标优化模型，并确定转化过程中的约束条件； S5：采用所述最佳动态设定策略，通过粒子群寻优算法，确定在不同输入参数下的最优设定参数； S6：根据每种输入参数与所述输入参数相对应的最优设定参数，构建训练数据集； S7：将转化过程中的约束条件作为物理信息融合到神经网络中，构建物理信息神经网络模型； S8：通过所述训练数据集对所述物理信息神经网络模型进行训练； S9：获取输入参数； S10：通过训练完成的物理信息神经网络模型，确定所述输入参数的设定参数值； 其中，所述单目标优化模型具体为： Ti≤Ti_max, Ri≤Ri_max, Pi≥Pi_min,i＝1,2,…,m 其中，m表示工序总数，Qi表示第i个工序的产量，Ti表示第i个工序的完成时间，Pi表示第i个工序的产出品质，Ci表示第i个工序的成本，Ri表示第i个工序的资源消耗，Ti-max表示第i个工序的最大完成时间，Ri-max表示第i个工序的最大资源消耗，Pi-min表示第i个工序的最低产出品质，ε表示约束值，Ω表示X取值范围，X表示自变量； 其中，所述S4中转化过程中的约束条件的确定方式具体为： 确定所述单目标优化模型中的第一目标函数： 其中，f1表示第一目标函数，m表示工序的总数，Qi表示第i个工序的产量函数，Pi表示第i个工序的产出品质函数，Ci表示第i个工序的成本函数； 对所述第一目标函数进行凸性分析，确定所述第一目标函数的一阶导函数存在且连续的自变量集合为： 其中，表示第一目标函数的一阶导函数存在且连续的自变量集合，D1表示第一目标函数的定义域，ej表示第j个标准基向量，表示偏导数，h表示自变量变化量，r表示自变量的总数； 在一阶导函数的基础上进行二阶求导，并确定所述第一目标函数二阶导函数存在且连续的自变量集合为： 其中，表示第一目标函数的二阶导函数存在且连续的自变量集合，xj表示第一目标函数的第j个自变量； 根据第一目标函数的所述二阶导函数构建Hessian矩阵： 其中，表示第一目标函数的所述二阶导函数构建的Hessian矩阵； 基于所述Hessian矩阵，对所有非零向量都有vTHfav＞0，确定所述Hessian矩阵正定的集合，作为转化过程中的约束条件为： 其中，表示第一目标函数的Hessian矩阵正定集合，X0表示第一目标函数定义域中的一个点，表示第一目标函数的定义域，表示n维空间中的任意向量，表示Hessian矩阵的正定性条件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。