申请/专利权人:浙江工业大学
申请日:2023-12-28
公开(公告)日:2024-03-22
公开(公告)号:CN117742277A
主分类号:G05B19/418
分类号:G05B19/418
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明属于车间调度技术领域,具体涉及一种车间机器与AGV的协同调度方法,包括步骤:以最小化完工时间、最小化机器总空闲时间、最小化AGV总行驶路程为目标构建车间多目标优化模型;将作业车间机器与AGV的协同调度问题转化为一个马尔可夫决策过程,并依此构建用于解决问题的智能体;用基于深度强化学习的方法求解协同调度问题,并为智能体设计状态空间、动作空间、奖励函数;构建NSGA2‑MDDQN算法,根据车间多目标优化模型以及状态空间、动作空间、奖励函数,用NSGA2‑MDDQN算法对智能体进行训练以得到训练后的智能体;将训练后的智能体部署至车间以根据实际情况对车间机器与AGV进行协同调度。本发明能有效解决现有车间机器与AGV的协同调度方法效率低、适应性差的技术问题。
主权项:1.一种车间机器与AGV的协同调度方法,其特征在于,包括步骤:S1、以最小化完工时间、最小化机器总空闲时间、最小化AGV总行驶路程为目标构建车间多目标优化模型;S2、将作业车间机器与AGV的协同调度问题转化为一个马尔可夫决策过程,并依此构建用于解决作业车间机器与AGV的协同调度问题的智能体;S3、用基于深度强化学习的方法求解协同调度问题,提出基于深度强化学习的调度框架,并为智能体设计状态空间、动作空间、奖励函数;S4、根据NSGA-Ⅱ算法、MDDQN算法构建NSGA2-MDDQN算法,根据搭建的车间多目标优化模型以及设计的状态空间、动作空间、奖励函数,用NSGA2-MDDQN算法对智能体进行训练,以得到训练后的智能体;S5、将训练后的智能体部署至车间以根据车间实际生产情况对车间机器与AGV进行协同调度。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种车间机器与AGV的协同调度方法
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。