北京理工大学孙健获国家专利权
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!
龙图腾网获悉北京理工大学申请的专利一种柔性车间调度方法、系统及电子设备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:CN116151581B 。
龙图腾网通过国家知识产权局官网在2025-10-17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:202310199225.3,技术领域涉及:G06Q10/0631;该发明授权一种柔性车间调度方法、系统及电子设备是由孙健;王润清;王钢;甘明刚;陈杰设计研发完成,并于2023-02-28向国家知识产权局提交的专利申请。
本一种柔性车间调度方法、系统及电子设备在说明书摘要公布了:本发明提供的一种柔性车间调度方法、系统及电子设备,涉及离散制造智能调度技术领域。本发明包括:根据预设生产目标随机在生产车间内生成多个柔性车间环境;基于马尔科夫决策过程构建生产车间的调度策略模型;利用调度策略模型和多个数据集,同时对特征提取网络、Actor网络和Critic网络进行优化,优化完成后确定最大完工时间对应的调度计划为最优调度计划;基于最优调度计划完成预设生产目标。本发明通过对多个车间环境分别进行特征提取用于生成调度方案,进而提高柔性车间调度的效率和合理性。
本发明授权一种柔性车间调度方法、系统及电子设备在权利要求书中公布了:1.一种柔性车间调度方法,其特征在于,包括: 根据预设生产目标随机在生产车间内生成多个柔性车间环境;根据多个柔性车间环境的参数构建多个数据集;所述数据集与所述柔性车间环境一一对应;所述数据集为训练集或验证集; 基于马尔科夫决策过程构建生产车间的调度策略模型; 对特征提取网络、Actor网络和Critic网络均进行参数初始化处理; 利用所述调度策略模型和多个所述数据集,同时对所述特征提取网络、所述Actor网络和所述Critic网络进行优化,优化完成后确定最大完工时间对应的调度计划为最优调度计划,包括: 确定初始化后的特征提取网络参数、Actor网络参数和Critic网络参数为第0次训练回合的网络参数; 初始化第0个训练回合的评判量; 令训练回合数Episode=1; 初始化调度策略模型的缓存池和容量; 令第一迭代次数i=1; 确定训练柔性车间环境集中的任一训练柔性车间环境为当前训练柔性车间环境;所述训练柔性车间环境为训练集对应的柔性车间环境; 确定当前训练柔性车间环境的工序加工图和机器竞争图; 根据所述工序加工图和所述机器竞争图,利用所述特征提取网络、所述Actor网络和所述Critic网络,更新所述缓存池; 根据所述缓存池,利用梯度下降法对特征提取网络、Actor网络和Critic网络均进行参数更新;并判断训练回合数Episode是否达到回合迭代次数阈值,得到第一判断结果; 若所述第一判断结果为否,判断第一迭代次数i是否为训练柔性车间环境的整数倍,得到第二判断结果; 若第二判断结果为否,则更新所述当前训练柔性车间环境,令第一迭代次数i的数值增加1,并返回步骤“确定当前训练柔性车间环境的工序加工图和机器竞争图”; 若第二判断结果为是,则确定更新后特征提取网络的参数、更新后Actor网络的参数和更新后Critic网络的参数为第Episode个训练回合的待定网络参数; 根据缓存池确定当前策略,并利用多个所述验证集验证当前策略,确定第Episode个训练回合的评判量; 根据第Episode个训练回合的评判量、第Episode-1个训练回合的评判量、第Episode个训练回合的待定网络参数和第Episode-1个训练回合的网络参数,确定第Episode个训练回合的网络参数;更新训练柔性车间环境集;令训练回合数Episode的数值增加1,令第一迭代次数i的数值增加1,并返回步骤“确定训练柔性车间环境集中的任一训练柔性车间环境为当前训练柔性车间环境”; 若所述第一判断结果为是,则确定特征提取网络、Actor网络和Critic网络均优化完成,并确定最大完工时间对应的调度计划为最优调度计划; 基于所述最优调度计划完成所述预设生产目标。
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理工大学,其通讯地址为:100081 北京市海淀区中关村南大街5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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励