申请/专利权人：华中科技大学

申请日：2020-08-28

公开（公告）日：2020-11-24

公开（公告）号：CN111985162A

主分类号：G06F30/27(20200101)

分类号：G06F30/27(20200101);G06N3/04(20060101);G06N3/08(20060101);G06Q10/04(20120101);G06K9/62(20060101);G05B19/418(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明公开了一种基于深度学习的置换流水车间控制方法和系统。该方法包括：获取关于工件加工时间的时间矩阵，生成工件的初始加工排序；构建ResNet网络模型，所述ResNet网络模型用于预测交换加工序列中相邻工件后总加工时间是否是缩短，采集历史调度数据构建训练数据集，利用所述训练数据集训练所述ResNet网络模型；利用训练好的ResNet网络模型进行预测，根据预测结果，判断是否交换该相邻工序。本发明在保证获取最优加工工序精度的同时，大幅减少控制计算时间，进而提高生产稳定性、生产效率以及产品质量，降低产品制造周期和产品成本。

主权项：1.一种基于深度学习的置换流水车间控制方法，其特征在于，包括：S1，采集置换流程车间的每个工件在每台机床的加工时间，形成机床、工件和工件加工时间的时间矩阵，生成工件的初始加工序列；S2，构建ResNet网络模型，所述ResNet网络模型用于预测交换加工序列中相邻工件后总加工时间是否是缩短，采集历史调度数据构建训练数据集，利用所述训练数据集训练所述ResNet网络模型；S3，将所述初始加工序列中任意两个相邻工件作为目标工件，利用训练好的所述ResNet网络模型预测交换所述目标工件位置后总加工时间是否缩短，若总加工时间缩短，则将交换所述目标工件；S4，重复步骤S3，直至交换所述初始加工序列中所有相邻工件均无法缩短总加工时间，则将此时的加工序列作为最优加工序列输出，发送加工指令。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于深度学习的置换流水车间控制方法及系统

免责声明
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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD