CN101706895A - 支持绿色设计的复杂产品目标与协同拆卸规划方法 - Google Patents
支持绿色设计的复杂产品目标与协同拆卸规划方法 Download PDFInfo
- Publication number
- CN101706895A CN101706895A CN200910155247A CN200910155247A CN101706895A CN 101706895 A CN101706895 A CN 101706895A CN 200910155247 A CN200910155247 A CN 200910155247A CN 200910155247 A CN200910155247 A CN 200910155247A CN 101706895 A CN101706895 A CN 101706895A
- Authority
- CN
- China
- Prior art keywords
- dismounting
- constraint
- disassembly
- target
- cooperation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000013461 design Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 6
- 239000002243 precursor Substances 0.000 claims description 13
- 238000000429 assembly Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000013138 pruning Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims description 2
- 238000010411 cooking Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract description 5
- 238000007796 conventional method Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 abstract 1
- 238000004880 explosion Methods 0.000 abstract 1
- 230000001939 inductive effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 101150048692 ABCB11 gene Proteins 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种支持绿色设计的复杂产品目标与协同拆卸规划方法。该方法步骤如下:针对绿色设计中可拆卸设计的特点,提取产品组件间的装配约束语义和拆卸优先级约束信息,构建多约束拆卸信息模型;矩阵量化该信息模型,并分解为多个单约束矩阵,推导出可拆卸性约束条件;以被拆卸组件为驱动点,通过双向驱动获得目标拆卸序列;针对大型复杂产品需要并行拆卸的要求,提出协同拆卸规划问题和自适应求解方法。本发明可实现快速获得复杂产品目标与协同拆卸序列,解决了现有方法易于出现“组合爆炸”的问题。本发明提出的协同拆卸规划问题和自适应求解方法,克服了现有方法只适应于单人拆卸的缺点,并实现了拆卸规划过程的自适应调节。
Description
技术领域
本发明涉及产品可拆卸性设计方法,尤其是涉及一种支持绿色设计的复杂产品目标与协同拆卸规划方法。
背景技术
产品可拆卸性设计是绿色设计的重要组成部分,以提高产品的拆卸性能为目标,通过采用易拆卸结构和减少零件数等措施,实现对拆卸工艺性的改善,使所设计的产品结构易于拆卸,维护方便,并在产品报废后能有效地回收和重用,以达到节约资源和能源、保护环境的目的。拆卸规划是可拆卸性设计中的关键技术,根据产品结构、装配关系等信息,从产品上拆卸下某个或某几个指定的组件(如贵重零部件、有毒或损坏的零部件),生成满足一定约束条件的目标组件拆卸序列,以减少拆卸时间和成本,提高工作效率。
随着产品可拆卸性在设计领域的应用,产品可拆卸性设计对象日益大型化和复杂化,但复杂产品的拆卸规划为一个NP问题,采用传统的规划方法往往容易陷入“组合爆炸”,并且传统的规划方法都局限于单个操作者的拆卸序列规划问题。针对上述问题,通过目标双向驱动机制实现了目标拆卸规划,可在合理的计算时间内获得最优解。提出了协同拆卸规划问题,并针对问题特点综合考虑解的质量和求解速度,设计了自适应的协同拆卸规划方法。
发明内容
本发明的目的在于提供一种支持绿色设计的复杂产品目标与协同拆卸规划方法,根据绿色设计需求,通过提取产品组件间的装配约束语义和拆卸优先级约束信息,构建多约束拆卸信息模型,进行量化矩阵描述和可拆卸性约束推导,提出目标组件双向驱动规划方法,针对复杂产品需要多人并行拆卸的要求,提出了复杂产品协同拆卸规划问题,并给出了自适应的协同规划方法。
为了实现上述目的,本发明采用技术方案的步骤如下:
第一步,针对绿色设计中产品可拆卸、可回收的特点,提取产品组件间的装配约束语义和拆卸优先级约束信息,构建多约束拆卸信息模型;
第二步,将多约束拆卸信息模型进行矩阵量化表达,并分解为多个单约束矩阵,由此推导出可拆卸性约束条件;
第三步,为获得目标拆卸序列,以被拆卸的目标组件为驱动点,在多约束拆卸信息模型中采用双向驱动目标组件拆卸序列规划方法进行求解;
第四步,针对某些大型复杂产品需要多人并行拆卸的要求,提出协同拆卸规划问题和自适应求解方法。
所述的产品多约束拆卸信息模型,基于装配语义提取产品零部件拆卸属性、拆卸优先级约束等,据此将约束分为物理约束、强物理约束、空间约束,并分别用直线、实箭头线、虚箭头线进行描述,构建一个包含多个约束的拆卸信息模型。
所述的可拆卸性约束条件的推导,将多约束拆卸信息模型进行矩阵量化表达,并分解为多个单约束矩阵,基于最小拆卸单元不受约束即可拆的原理,由单约束矩阵推导出可拆卸性约束条件。
所述的双向驱动目标组件拆卸序列规划方法,在多约束拆卸信息模型中定位目标组件,以拆卸目标组件为驱动点,向约束反方向驱动直至无约束的最外层,然后逆向回溯获得目标拆卸序列。
所述的协同拆卸规划问题和方法,由实际工程中复杂产品需要多人并行拆卸的客观需求出发,提出协同拆卸规划问题和方法,即多操作者(人或者机器人等)在同一时间内并行执行同一个产品的不同拆卸任务时,求取最优拆卸序列的问题,并针对问题的独特性,提出了自适应协同规划方法。
所述的双向驱动目标组件拆卸序列规划方法步骤如下:
第一步,根据拆卸需求,指定预拆卸的目标组件,在产品多约束拆卸信息模型中进行搜索并确定目标组件的位置;
第二步,确定拆卸规划问题的目标函数,通过分析影响拆卸成本的因素,将拆卸方向的改变、拆卸工具的更换和拆卸顺序的操作代价的综合影响定义为目标函数,规划出的结果序列越合理,对应的目标函数越小;
第三步,以目标组件为驱动中心,获得其前趋约束顶点,由其前趋约束顶点继续向外层层驱动,直到无前趋约束顶点为止;然后由驱动的反方向回溯驱动轨迹,获得目标组件可行拆卸序列,对于多目标情况,重复上述过程,处理完所有的组件为止;
第四步,以目标函数最小为优化目标,以可拆卸性为约束条件,结合优化算法在解域中寻得最佳目标组件拆卸序列。
所述协同拆卸规划问题和方法的步骤如下:
第一步,以产品多约束拆卸信息模型为基础,根据协同拆卸问题的特点,重新定义目标函数,设每个最小拆卸单元(零件、部件、子装配体)的基本拆卸时间为ti,定义目标函数为其中m为序列长度,k为协同拆卸的操作者个数;
第二步,构建协同拆卸层次树来表达所有可行的拆卸序列,每个树节点包含树节点ID、可行协同拆卸组件的集合、树节点局部拆卸序列、基本拆卸时间这些信息;
第三步,定义协同拆卸问题的分枝定界约束,为降低复杂产品的协同拆卸层次树的复杂度,避免“组合爆炸”问题,提出了自适应调节变量,即分别用协同并行距离进行定界,将同时执行的拆卸任务所用时间相差度不符合用户规定阈值的分枝剪枝,用每层分枝个数阈值进一步减小算法的搜索空间;
第四步,以拆卸目标函数最小为最优目标,在分枝定界约束下,遍历协同拆卸层次树求取最优协同拆卸序列,并输出规划结果。
本发明具有的有益效果是:
1.采用本发明提出的多约束拆卸信息模型将产品组件间的各种约束进行了直观的描述,进一步进行矩阵映射和多约束矩阵分解,便于推导出可拆卸性约束的数学规则,有助于实现拆卸规划的自动化求解。
2.本发明提出的复杂产品目标组件双向驱动拆卸规划方法,以目标组件为驱动点,在多约束拆卸信息模型中向外层驱动并逆向回溯递归地生成可行的目标拆卸序列,实现了问题的快速求解,克服了传统基于图搜索法的目标组件拆卸序列规划策略所带来的“组合爆炸”问题.
3.本发明提出了协同拆卸规划问题和求解方法,采用协同拆卸层次树描述解空间,提出了分枝定界约束变量自适应地控制解的质量和求解速度,不仅填补了现有拆卸规划方法中没有考虑多操作者协同拆卸的问题,而且提出的自适应协同规划方法增加了问题求解的柔性。
附图说明
图1是本发明的支持绿色设计的复杂产品目标拆卸规划方法流程总图。
图2是本发明相应的复杂产品目标拆卸序列规划中的目标组件双向驱动原理图。
图3是本发明相应的复杂产品协同拆卸序列规划方法总体流程图。
图4是本发明相应的支持绿色设计的复杂产品目标与协同拆卸规划系统架构图。
具体实施方式
以下结合附图和实施例对本发明作进一步的说明。
如图1所示,是本发明相应的支持绿色设计的复杂产品目标拆卸规划方法流程总图。
复杂产品目标拆卸规划系统以产品三维设计模型为研究对象,在预处理阶段,根据模型复杂程度及具体要求确定最小拆卸单元并作为多约束拆卸信息模型的节点,一般以零部件为节点,当产品较复杂时,先以子装配体为粗粒度拆卸单元,然后逐层处理,并将紧固件等连接件作为约束信息放入边中。预处理完成后,通过人机交互的方式从产品模型中提取约束信息,构建多约束拆卸信息模型。以此模型为基础,确定目标组件在模型中的位置,如果目标组件可拆卸,则无需求取最优解,否则,以目标组件为驱动起点,搜索到约束其拆卸的组件放入节点前趋域中,然后分别取出前趋域中的节点重复上述过程,直到无前趋域,即该节点对于的最小拆卸单元可拆卸为止,然后逆向回溯驱动轨迹获得目标组件拆卸序列。以目标函数最小为优化目标,以可拆卸性为约束条件,结合优化算法在所得可行目标组件拆卸序列中获取最佳解。
如图2所示,是本发明相应的支持绿色设计的复杂产品目标拆卸规划中双向驱动原理图。假设节点B为要拆卸的目标组件,在产品的多约束拆卸信息模型中逆着约束方向获得B的前趋域C和D,首先取出C作为新的驱动点,获得C的前趋域为D,继续取D为新的驱动点,获得D的前趋域为E,此时,E已经满足可拆卸约束条件,驱动终止,接着沿驱动的反方向回溯,即可获得一个可行拆卸序列E-D-C-B。按照这样的双向驱动机制,递归地处理完前趋域中所有的节点即可获得所有可行目标拆卸序列。
如图3所示,是本发明相应的支持绿色设计的复杂产品协同拆卸序列规划方法总体流程图。
协同拆卸序列规划步骤如下:
步骤1:构建多约束拆卸信息模型,并初始化所需参数,如操作者集合,单元基本拆卸时间,协同并行距离,每层分枝数等。
步骤2:生成协同拆卸层次树,进行协同拆卸序列规划。
步骤2.1:初始化协同拆卸层次树(即生成根节点R0),设置根节点信息Seq,通过可拆卸性判别,将R0放入列表HS中。
步骤2.2根据HS列表进行当前树节点的可拆卸性分析,并将当前可拆卸节点放入列表HL中。
步骤2.3判断HL中的节点个数是否大于操作者个数,如果为真,转步骤2.4,否则,转步骤2.5.
步骤2.4计算聚类节点的协同并行距离,并依据用户规定的阈值进行剪枝。
步骤2.5创建列表Pallowed,将符合要求的聚类节点作为协同拆卸层次树的分枝节点放入Pallowed列表,更新树节点的信息Seq;
步骤2.6计算Pallowed列表中树节点的目标函数;
步骤2.7判断所有可行的聚类是否完成,如果完成,转步骤2.8,否则转步骤2.4.
步骤2.8根据目标函数值,对Pallowed中的树节点进行排序,然后将小于每层分枝数阈值的节点保留并放入堆栈BSeq中,其余的丢弃,完成再剪枝;
步骤2.9依次从BSeq中取出树节点(i.e.Tnode∈Bseq)进行深度优先递归操作,将Tnode插入到HS,转步骤2.2.动态地构建协同拆卸层次树,直至一个分枝处理完成,将叶节点放入列表Leaf中。
步骤2.10判断是否Bsep为空(即Bseq=φ),如果为假,转步骤2.9.否则,协同拆卸层次树构建完毕,转2.11.
步骤2.11根据目标函数值,对叶节点进行升序排序,将最优节点放入列表BestLeaf中。
步骤3:结果输出。
如图4所示,是本发明相应的支持绿色设计的复杂产品目标与协同拆卸规划系统架构。
该系统包括产品多约束拆卸信息模型构建模块和目标与协同拆卸规划模块三部分,并用到了上述的目标双向驱动拆卸规划方法和自适应协同拆卸规划方法。用户交互界面设有可调节变量输入区,如自适应分枝定界约束参数、目标组件选择等,可以根据产品的复杂程度或规划需求自适应地控制解的质量和求解时间。目标与协同拆卸规划方法的计算复杂性与产品结构和组件间的约束关系复杂度密切相关。其中,随着协同并行距离和每层分枝个数的增大,协同规划运算时间增加,规划结果越合理。所以,对于较复杂产品,对于实时性要求高的场合,可设置较小每层分枝定界约束值,规划过程中逐渐过滤掉不理想的分枝,缩小解域。而对于对规划结果要求精确的场合,应设置较大的每层分枝定界约束值,保证求的的结果为最优解。
Claims (7)
1.一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于,该方法的步骤如下:
第一步,针对绿色设计中产品可拆卸、可回收的特点,提取产品组件间的装配约束语义和拆卸优先级约束信息,构建多约束拆卸信息模型;
第二步,将多约束拆卸信息模型进行矩阵量化表达,并分解为多个单约束矩阵,由此推导出可拆卸性约束条件;
第三步,为获得目标拆卸序列,以被拆卸的目标组件为驱动点,在多约束拆卸信息模型中采用双向驱动目标组件拆卸序列规划方法进行求解;
第四步,针对某些大型复杂产品需要多人并行拆卸的要求,提出协同拆卸规划问题和自适应求解方法。
2.根据权利要求1所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于:所述的多约束拆卸信息模型,基于装配语义提取产品零部件拆卸属性及拆卸优先级约束,据此将约束分为物理约束、强物理约束、空间约束,并分别用直线、实箭头线、虚箭头线进行描述,构建一个包含多个约束的拆卸信息模型。
3.根据权利要求1所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于:所述的可拆卸性约束条件的推导,将多约束拆卸信息模型进行矩阵量化表达,并分解为多个单约束矩阵,利用最小拆卸单元不受约束即可拆的原理,由单约束矩阵推导出可拆卸性约束条件。
4.根据权利要求1所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于:所述的双向驱动目标组件拆卸序列规划方法,在多约束拆卸信息模型中定位目标组件,以拆卸目标组件为驱动点,向约束反方向驱动直至无约束的最外层,然后逆向回溯获得目标拆卸序列。
5.根据权利要求1所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于:所述的协同拆卸规划问题和自适应求解方法,针对大型复杂产品需要多人并行拆卸的需要,提出协同拆卸规划问题和方法,即多操作者人或者机器人在同一时间内并行执行同一个产品的不同拆卸任务时,求取最优拆卸序列的问题和方法。
6.根据权利要求4所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于:所述的双向驱动目标组件拆卸序列规划方法步骤如下:
第一步,根据拆卸需求,指定预拆卸的目标组件,在产品多约束拆卸信息模型中进行搜索并确定目标组件的位置;
第二步,确定拆卸规划问题的目标函数,通过分析影响拆卸成本的因素,将拆卸方向的改变、拆卸工具的更换和拆卸顺序的操作代价的综合影响定义为目标函数,规划出的结果序列越合理,对应的目标函数越小;
第三步,以目标组件为驱动中心,获得其前趋约束顶点,由其前趋约束顶点继续向外层层驱动,直到无前趋约束顶点为止;然后由驱动的反方向回溯驱动轨迹,获得目标组件可行拆卸序列,对于多目标情况,重复上述过程,处理完所有的组件为止;
第四步,以目标函数最小为优化目标,以可拆卸性为约束条件,结合优化算法在解域中寻得最佳目标组件拆卸序列。
7.根据权利要求5所述的一种支持绿色设计的复杂产品目标与协同拆卸规划方法,其特征在于,所述协同拆卸规划问题和方法的步骤如下:
第一步,以产品多约束拆卸信息模型为基础,根据协同拆卸问题的特点,重新定义目标函数,设每个最小拆卸单元(零件、部件、子装配体)的基本拆卸时间为ti,定义目标函数为其中m为序列长度,k为协同拆卸的操作者个数;
第二步,构建协同拆卸层次树来表达所有可行的拆卸序列,每个树节点包含树节点ID、可行协同拆卸组件的集合、树节点局部拆卸序列、基本拆卸时间这些信息;
第三步,定义协同拆卸问题的分枝定界约束,为降低复杂产品的协同拆卸层次树的复杂度,避免“组合爆炸”问题,提出了自适应调节变量,即分别用协同并行距离进行定界,将同时执行的拆卸任务所用时间相差度不符合用户规定阈值的分枝剪枝,用每层分枝个数阈值进一步减小算法的搜索空间;
第四步,以拆卸目标函数最小为最优目标,在分枝定界约束下,遍历协同拆卸层次树求取最优协同拆卸序列,并输出规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910155247A CN101706895A (zh) | 2009-12-10 | 2009-12-10 | 支持绿色设计的复杂产品目标与协同拆卸规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910155247A CN101706895A (zh) | 2009-12-10 | 2009-12-10 | 支持绿色设计的复杂产品目标与协同拆卸规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101706895A true CN101706895A (zh) | 2010-05-12 |
Family
ID=42377118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910155247A Pending CN101706895A (zh) | 2009-12-10 | 2009-12-10 | 支持绿色设计的复杂产品目标与协同拆卸规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101706895A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164550A (zh) * | 2011-12-12 | 2013-06-19 | 中国人民解放军第二炮兵工程学院 | 一种虚拟样机拆卸序列规划方法 |
CN103235862A (zh) * | 2013-05-10 | 2013-08-07 | 北京理工大学 | 选择拆卸序列规划方法及装置 |
CN103310076A (zh) * | 2013-07-02 | 2013-09-18 | 浙江大学 | 一种非标结构变异过程的碳排放递归分析方法 |
CN103577903A (zh) * | 2012-07-18 | 2014-02-12 | 张秀芬 | 支持低碳产品结构设计的碳足迹快速评估方法 |
CN105045804A (zh) * | 2015-06-01 | 2015-11-11 | 内蒙古工业大学 | 一种大型复杂产品拆卸序列规划方法和系统 |
CN105303289A (zh) * | 2014-07-22 | 2016-02-03 | 丰田自动车株式会社 | 产品的生产计划方法 |
CN109033438A (zh) * | 2018-08-15 | 2018-12-18 | 邢鲁华 | 一种记录用户学习内容的方法及装置 |
WO2019052045A1 (zh) * | 2017-09-13 | 2019-03-21 | 南京航空航天大学 | 面向复杂产品拆卸再生的拆卸方案及再生方案的集成决策方法 |
CN109814509A (zh) * | 2019-01-31 | 2019-05-28 | 合肥工业大学 | 一种面向低碳高效的并行拆卸线平衡优化方法 |
CN116720623A (zh) * | 2023-06-14 | 2023-09-08 | 西南交通大学 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
-
2009
- 2009-12-10 CN CN200910155247A patent/CN101706895A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164550A (zh) * | 2011-12-12 | 2013-06-19 | 中国人民解放军第二炮兵工程学院 | 一种虚拟样机拆卸序列规划方法 |
CN103577903A (zh) * | 2012-07-18 | 2014-02-12 | 张秀芬 | 支持低碳产品结构设计的碳足迹快速评估方法 |
CN103235862B (zh) * | 2013-05-10 | 2016-01-20 | 北京理工大学 | 选择拆卸序列规划方法及装置 |
CN103235862A (zh) * | 2013-05-10 | 2013-08-07 | 北京理工大学 | 选择拆卸序列规划方法及装置 |
CN103310076A (zh) * | 2013-07-02 | 2013-09-18 | 浙江大学 | 一种非标结构变异过程的碳排放递归分析方法 |
CN103310076B (zh) * | 2013-07-02 | 2015-10-07 | 浙江大学 | 一种非标结构变异过程的碳排放递归分析方法 |
CN105303289A (zh) * | 2014-07-22 | 2016-02-03 | 丰田自动车株式会社 | 产品的生产计划方法 |
CN105045804A (zh) * | 2015-06-01 | 2015-11-11 | 内蒙古工业大学 | 一种大型复杂产品拆卸序列规划方法和系统 |
WO2019052045A1 (zh) * | 2017-09-13 | 2019-03-21 | 南京航空航天大学 | 面向复杂产品拆卸再生的拆卸方案及再生方案的集成决策方法 |
CN109033438A (zh) * | 2018-08-15 | 2018-12-18 | 邢鲁华 | 一种记录用户学习内容的方法及装置 |
CN109814509A (zh) * | 2019-01-31 | 2019-05-28 | 合肥工业大学 | 一种面向低碳高效的并行拆卸线平衡优化方法 |
CN109814509B (zh) * | 2019-01-31 | 2021-01-26 | 合肥工业大学 | 一种面向低碳高效的并行拆卸线平衡优化方法 |
CN116720623A (zh) * | 2023-06-14 | 2023-09-08 | 西南交通大学 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
CN116720623B (zh) * | 2023-06-14 | 2024-07-09 | 西南交通大学 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101706895A (zh) | 支持绿色设计的复杂产品目标与协同拆卸规划方法 | |
CN109376848A (zh) | 一种简化的门控单元神经网络 | |
CN109255440B (zh) | 基于递归神经网络(rnn)的对电力生产设备进行预测性维护的方法 | |
CN106599052B (zh) | 一种基于Apache Kylin的数据查询系统及其方法 | |
CN110533183A (zh) | 一种流水线分布式深度学习中异构网络感知的模型划分与任务放置方法 | |
CN107330588B (zh) | 一种多基地异构无人机协同侦察的任务规划方法 | |
Neçaibia et al. | Self-tuning fractional order PI λ D µ controller based on extremum seeking approach | |
CN103678621A (zh) | 基于常量替换的sql语句优化方法 | |
CN110766055A (zh) | 一种基于语素划分和人工神经网络的智能装配工艺设计方法 | |
CN105045808A (zh) | 一种复合规则集匹配方法和系统 | |
CN108304925A (zh) | 一种池化计算装置及方法 | |
CN104504018A (zh) | 基于浓密树和自顶向下的大数据实时查询优化方法 | |
CN107590225A (zh) | 一种基于分布式数据挖掘算法的可视化管理系统 | |
CN101887531B (zh) | 一种飞行数据知识获取系统及其获取方法 | |
CN116578569B (zh) | 卫星时空轨迹数据关联分析方法 | |
CN111680846A (zh) | 一种基于l1和l2范数的简化宽度学习系统 | |
Wang et al. | COSA: Co-Operative Systolic Arrays for Multi-head Attention Mechanism in Neural Network using Hybrid Data Reuse and Fusion Methodologies | |
CN101807228B (zh) | 基于模拟退火算法的近红外光谱波长子区间选择方法 | |
CN106874999A (zh) | 一种基于fpga的全流水粒子群优化算法实现方法 | |
CN116628136A (zh) | 基于声明式推理的协同查询处理方法、系统、电子设备 | |
CN111008661A (zh) | 航空发动机备发需求量的Croston-XGBoost预测方法 | |
Zheng et al. | Initial design and multi-objective optimization of four-product dividing wall column | |
CN105117616A (zh) | 基于粒子群算法的微生物发酵优化方法 | |
CN112905591B (zh) | 一种基于机器学习的数据表连接顺序选择方法 | |
CN112000389B (zh) | 一种配置推荐方法、系统、装置及计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100512 |