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！

龙图腾网获悉徐州徐工重型车辆有限公司;中国矿业大学申请的专利一种基于强化学习的露天矿无人卡车动态调度系统及方法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：CN118674208B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202410732227.9，技术领域涉及：G06Q10/0631；该发明授权一种基于强化学习的露天矿无人卡车动态调度系统及方法是由鲍久圣;胡德平;徐世伟;阴妍;朱晨钟;王茂森;崔邵云;高明宇;王凯设计研发完成，并于2024-06-06向国家知识产权局提交的专利申请。

本一种基于强化学习的露天矿无人卡车动态调度系统及方法在说明书摘要公布了：本发明公开了一种基于强化学习的露天矿无人卡车动态调度系统及方法，通过车载传感器与车载终端对无人矿卡进行实时状态判断，并将状态信息反馈至调度处理中心，调度处理中心对满足要求的所有矿卡进行调度优化，基于强化学习构建调度模型，利用历史数据进行训练，采用贪婪算法提升解的质量，采用自适应的奖励调整机制，并重复训练调度模型，从而得到更优解。故障预警模块可以对无人矿卡是否发生故障进行预警；系统以5G网络为数据传输手段，计算机技术为工具，实现对矿卡实时优化调度。本发明能够实现露天矿无人矿卡动态调度的无人化，准确预测车辆故障，降低人员劳动强度，提高运输效率，保障生产运输安全，加快矿山智能化进程。

本发明授权一种基于强化学习的露天矿无人卡车动态调度系统及方法在权利要求书中公布了：1.一种基于强化学习的露天矿无人卡车动态调度系统，其特征在于，包括车载传感器、车载终端和动态调度系统，车载传感器与车载终端连接，车载终端通过网络与动态调度系统连接； 动态调度系统包括调度处理中心、数据存储模块、故障预警模块、通信模块和可视化人机交互平台；调度处理中心、数据存储模块、故障预警模块之间分别两两连接，三者通过通信模块与可视化人机交互平台连接； 调度处理中心包括调度处理主机和奖励更新模块，奖励更新模块集成在调度处理主机内：调度处理主机内包含有高精三维地图，基于强化学习和贪婪算法对矿卡进行动态调度；奖励更新模块采用自适应的奖励调整机制，通过分析模型性能指标和调整奖励权重，将更新的奖励函数反馈至调度处理主机，重复训练调度模型，实现系统的动态调度和自学习功能； 数据存储模块用于对系统获取及产生的历史数据、调度数据、故障数据进行存储和分析，构建数据库，以供调度处理主机学习； 故障预警模块用于对矿卡的故障进行预测诊断，通过分析车载终端传输的矿卡状态信息，预测矿卡可能出现的故障类型与发生时间，设定报警阈值，当超过此阈值时，故障预警模块进行报警，调度处理主机对该矿卡下达去维修站检修命令，同时故障预警模块将分析后的车辆实时状态、具体数据与维修情况传输在可视化人机交互平台上； 通信模块接入覆盖露天矿全矿的5G网络，用于整个系统数据、信息及调度命令的传输； 可视化人机交互平台实时显示矿山三维地图和系统输入的矿卡数据，同时提供设置人工干预模式，遇到紧急事故时，可由操作员设置临时方案，并对外语音播报； 所述调度处理主机对矿卡进行动态调度的方法为： S1：定义调度问题的状态空间S和动作空间A； S2：选择算法和梯度，构建强化学习模型； 强化学习模型由智能体、环境、状态、动作、奖励和策略组成；其中，奖励函数包含多个与调度目标相关的指标，每个指标有一个初始权重；初始化奖励函数： ； 其中，是运输效率，是平均等待时间，是平均行驶距离，是维护成本，是安全性指标； 策略是一个函数，根据当前状态选择动作；策略函数表示为一个神经网络： ； 其中，是策略网络的参数； 目标是最大化长期累积奖励，同时确保矿卡的高效运行和降低维护成本，目标函数可以表示为： ； 其中，是策略，是一条轨迹，是时间的状态，是时间的动作，是时间的奖励，是折扣因子，是时间步长； 对于连续动作空间，选择DDPG算法，其策略梯度为： ； 其中，是状态分布，是评论家网络评估的状态-动作值； ； ； 其中，和是分别是评论家网络和演员网络的参数，是学习率； S3：利用历史数据训练模型，并引入贪婪算法来提升调度决策的质量； 首先初始化DDPG模型，其次收集经验，然后更新网络，以稳定学习过程；重复收集经验和更新网络，不断迭代优化演员网络和评论家网络； 更新评论家网络： ； 其中，是评论家网络对于状态和动作的输出，是即时奖励，是折扣因子，是目标评论家网络对于下一个状态和智能体根据策略选择的动作的输出； 更新演员网络： ； 其中，是计算策略梯度，是关于动作的梯度，由评论家网络的参数决定，是关于策略的参数的梯度； 更新目标网络： ； 其中，是原始网络的参数，是目标网络的参数，是更新率； 使用历史数据训练模型，在每一步选择动作时，引入贪婪算法，以概率进行随机探索，即-greedy策略，提高模型解的质量； S4：将训练好的模型部署到实际的露天矿无人驾驶卡车动态调度系统中，进行实时调度； S5：根据奖励更新模块生成的新权值奖励函数评估模型的性能，并重复训练模型，对模型进行迭代优化，以实现实时动态调度； 所述奖励更新模块自适应的奖励调整方法为： S1：奖励更新模块对奖励函数初始化，为函数中的每个指标分配一个初始权重； S2：开始训练调度模型，并使用初始化的奖励函数来指导学习过程； S3：在训练过程中定期评估模型的性能，分析模型在不同指标上的表现，识别出哪些指标对模型性能有较大的影响； S4：根据模型在不同指标上的表现，调整奖励函数中相应指标的权重；权重更新公式为： ； 其中，是权重更新的学习率，是奖励函数关于权重的梯度； S5：使用更新后的奖励函数重新训练模型，使模型更加关注对性能影响大的指标； S6：重复步骤S3~S5，不断迭代优化奖励函数和模型性能。

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徐州徐工重型车辆有限公司;中国矿业大学，其通讯地址为：221000 江苏省徐州市徐州高新技术产业开发区珠江东路19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。