CN112561335A - 一种车身质量在线监测的自动化任务分配方法 - Google Patents

一种车身质量在线监测的自动化任务分配方法 Download PDF

Info

Publication number
CN112561335A
CN112561335A CN202011493301.4A CN202011493301A CN112561335A CN 112561335 A CN112561335 A CN 112561335A CN 202011493301 A CN202011493301 A CN 202011493301A CN 112561335 A CN112561335 A CN 112561335A
Authority
CN
China
Prior art keywords
robot
task
detection
robots
vehicle body
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
Application number
CN202011493301.4A
Other languages
English (en)
Inventor
刘银华
赵文政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202011493301.4A priority Critical patent/CN112561335A/zh
Publication of CN112561335A publication Critical patent/CN112561335A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提出一种车身质量在线监测的自动化任务分配方法，该方法包括检测任务到机器人的初步分配，单机器人检测任务集聚类，多车次、多机器人检测任务细化分配优化等步骤。本发明实现多车次、多机器人检测任务的自动分配，提高了任务分配的效率，降低了多机器人运动干涉的概率，提升了检测效率。

Description

一种车身质量在线监测的自动化任务分配方法
技术领域
本发明涉及任务分配方法技术领域，尤其涉及一种车身质量在线监测的自动化任务分配方法。
背景技术
现有的多机器人任务分配的方法主要有三种。一种为基于建立的MILP模型进行求解的策略。例如Lopes等人在MILP模型框架下，考虑机器人参数变换、分布限制、运动时间和机器人干扰约束等因素，对机器人焊接生产线进行任务分配的规划。这种方法虽然可以求解出最优解，但是随着检测任务的增加计算量成为不可避免的问题。一种是基于启发式算法进行任务分配的方法。张则强等人针对装配线平衡问题的具体特点，综合考虑装配作业时间和后续任务数的分级位置权重，通过改进蚁群算法进行装配线平衡问题求解。此类方法虽然一定程度上可以减少计算，但是遗憾的是其并不能求解得到最优解。另一种分为两步骤进行求解，首先利用聚类方法对任务集进行聚类，其次针对聚类子集的约束将机器人分配给各个任务集。如Janati等人利用K-means算法将任务划分为机器人的数量，利用线性分配将机器人分配给任务集。上述方法仅适用于检测任务到多机器人的单层次任务分配问题。而面对检测任务到多批次多机器人的多层次任务分配问题，如在线车身特征检测、车身涂装等问题，将变得不在适用。
发明内容
本发明的目的在于提出实现多车次、多机器人检测任务的自动分配的方法，提高任务分配的效率，降低机器人运动干涉的概率，加快生产节奏的车身质量在线监测的自动化任务分配方法。
为达到上述目的，本发明提出一种车身质量在线监测的自动化任务分配方法，包括以下步骤：
步骤1：确定多个机器人在共享空间内的均可完成的检测任务集以及单个机器人检测的任务集；
步骤2：将共享空间内均可完成的检测任务分配给不同的机器人，对每个机器人形成检测任务集；
步骤3：对步骤2中机器人检测任务集进行聚类，将每个机器人分配的任务集划分成m个子集，确定各个子集的聚类中心；
步骤4：利用A*算法对于步骤3中聚类得到的机器人所需检测的任务子集，进行两两检测特征的局部无碰撞路径优化；
步骤5：计算步骤4中各任务子集中不同检测特征间无碰撞路径所需要的时间，构造无碰撞路径的检测时间矩阵；
步骤6：基于步骤5中生成的检测时间矩阵，利用智能优化算法对不同任务子集内检测特征进行全局路径优化及运行时间计算；
步骤7：基于步骤6计算得到的机器人检测各任务子集所消耗的时间以及各任务子集之间的聚类中心为变量建立多目标函数；
步骤8：利用启发式算法对步骤7所建立的目标函数进行求解，计算得到各车次、各机器人所分配的最优检测任务集。
进一步的，在步骤1中，根据机器人的D-H参数表及机器人各关节约束计算各个机器人可以检测的任务集进行分类，分类成只可由单机器人检测的任务集以及多个机器人均可检测的任务集。
进一步的，在步骤2中，对于多个机器人均可检测的任务集利用懒惰旅行商问题的求解策略将共享空间内的检测特征分配到每个机器人。
进一步的，在步骤3中，设第j个机器人的任务集可分解表达为Rj＝{F1,F2,…,FN}，其中N为Rj内测点数量，F为Rj内的测点；通过聚类的方法将任务集Rj分解为m个子集Cij(i＝1,2,…,m,j＝1,2,...,n)，并且根据隶属度计算每个子集聚类中心vij(i＝1,2,…,m)。
进一步的，在步骤4中，为了得到较优的单机器人局部无碰撞路径，采用A*算法对机器人初步分配得到的测点集Cij内的两两检测特征的局部无碰撞路径进行优化。
进一步的，在步骤7中，所述多目标函数为：
Figure BDA0002841359300000031
其中，ΔTi为各车次内检测时间的极差值；w1,w2为权重系数；vij为第i个车次检测过程第j个机器人测量任务集的聚类中心；λjj'为0-1变量，值为1时表示第j个机器人和第j’个机器人为相邻的两机器人，值为0时表示第j个机器人和第j’个机器人为不相邻的两机器人。
与现有技术相比，本发明的优势之处在于：本发明包括机器人检测任务共享空间计算、检测任务到机器人的初步分配、机器人检测任务的聚类、机器人路径规划、多批次多机器人检测任务的优化分配等，结合检测任务的分布特点及工位内工作时间的约束，通过算法程序和应用步骤的设计开发，实现任务分配的复杂问题高效的分配。本发明基于机器人可达性分析找出检测任务集在共享空间的任务集；根据惰性旅行商的求解策略将共享空间内的任务集分配给各机器人；根据聚类的思想将分配给机器人的任务集进行分类得到n×m(n为机器人数目，m为车次的数目)个任务子集及各个子集的聚类中心；利用启发式算法对各机器人聚类后的任务子集的检测时间差、聚类中心之间的距离建立的多目标函数进行优化求解，实现各机器人聚类后任务子集的分配，实现检测任务到多车次、多机器人的任务优化分配。从而实现将复杂的多车次多机器人检测任务分配问题分解成多个问题进行求解，降低了计算时间，进行任务分配时综合考虑了多机器人检测时间，机器人检测任务集聚类中心之间的距离，提高了检测时间的一致性、降低机器人之间发生碰撞的概率。
附图说明
图1为多车次多机器人检测任务分配流程图。
图2为多机器人光学在线检测过程示意图
图3为待测车身结构与测量特征示意图。
图4为机器人检测任务初分配示意图。
图5为多车次多机器人检测任务分配示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案作进一步地说明。
本实施例涉及一种多车次、多机器人在线检测任务自动分配方法，包括如下步骤：
S101、根据机器人可达性计算得到多机器人共享空间内的检测任务特征集合以及每个机器人单独检测的任务集；
S102、利用惰性旅行商问题的求解策略将共享空间内的检测任务分配给不同的机器人；
S103、利用模糊C-means算法对步骤S102中计算得到机器人检测任务集进行聚类，将每个机器人分配的任务集划分成m(m为车次的数目)个子集，确定各个子集的聚类中心；
S104、利用A*算法对于步骤S103中聚类得到的机器人所需检测的任务子集，进行两两检测特征的局部无碰撞路径优化；
S105、考虑到机器人检测时间、机器人与静态环境无碰撞等因素，计算步骤S104中各任务子集中不同检测特征间无碰撞路径所需要的时间，构造无碰撞路径的检测时间矩阵；
S106、基于步骤S105中生成的检测时间矩阵，利用智能优化算法对不同任务子集内检测特征进行全局路径优化及运行时间计算；
S107、基于S106计算得到的机器人检测各任务子集所消耗的时间以及各任务子集之间的聚类中心为变量建立多目标函数；
S108、利用启发式算法对S107所建立的目标函数进行求解计算得到各车次、各机器人所分配的最优检测任务集。
具体而言，步骤S101中根据机器人的D-H参数表及机器人各关节约束计算各个机器人可以检测的任务集进行分类——只可由单机器人检测的任务集以及多个机器人均可检测的任务集。
步骤S102中对于多个机器人均可检测的任务集利用懒惰旅行商问题(lazyTraveling Salesman Problem，lazy TSP)的求解策略将共享空间内的检测特征分配到每个机器人。具体共享空间内检测特征分配策略如下：(1)根据机器人可达性计算得到多个机器人共享空间内的检测特征集合，如第j个和第j+1个机器人共享空间内检测特征集合为Uj,j+1，以下以Uj,j+1集合内的特征为例说明提出算法的分配过程。(2)根据检测特征的总数目以及机器人的数目，设置单机器人最大检测特征阈值
Figure BDA0002841359300000061
(3)对于Uj,j+1内的特征Fp，分别和第j、j+1个机器人已分配任务集构造成集合Rj’、Rj+1’，设Rj’、Rj+1’集合内元素数目分别为a,b。(4)在不考虑机器人碰撞的前提下，求解从第j、j+1个机器人初始位置Sj、Sj+1出发，遍历Rj’、Rj+1’内特征点并回到初始位置的最小距离Lj、Lj+1。(5)若同时满足Lj<Lj+1和
Figure BDA0002841359300000062
或者同时满足Lj>Lj+1和
Figure BDA0002841359300000063
则将特征Fp分配给第j个机器人；若同时满足Lj<Lj+1和
Figure BDA0002841359300000064
或者同时满足Lj>Lj+1和
Figure BDA0002841359300000065
则将特征Fp分配给第j+1个机器人。(6)重复步骤(3)～(5)直到Uj,j+1内的特征分配完成。
步骤S103中设第j个机器人的任务集可分解表达为Rj＝{F1,F2,…,FN}，其中N为Rj内测点数量，F为Rj内的测点；通过聚类的方法将任务集Rj分解为m个子集Cij(i＝1,2,…,m,j＝1,2,...,n)，并且根据隶属度计算每个子集聚类中心vij(i＝1,2,…,m)。
步骤S104中当机器人检测任务给定时，需要其在无碰环境下进行检测。为了得到较优的单机器人局部无碰撞路径，采用A*算法对机器人初步分配得到的测点集Cij内的两两检测特征的局部无碰撞路径进行优化。
步骤S105中考虑到机器人检测时间、机器人与静态环境无碰撞等因素，计算步骤S104中各任务子集中不同检测特征间无碰撞路径所需要的时间，构造无碰撞路径的检测时间矩阵；
步骤S106中基于步骤S105中生成的检测时间矩阵，利用智能优化算法对不同任务子集内检测特征进行全局路径优化及运行时间；
步骤S107中以ΔTi和相邻两机器人(若两机器人之间存在检测共享空间，即为两机器人相邻)所分配的任务集Cij的聚类中心vij之间距离建立SA算法的加权多目标函数
Figure BDA0002841359300000071
其中w1,w2为权重系数；vij为第i个车次检测过程第j个机器人测量任务集的聚类中心；λjj'为0-1变量，值为1时表示第j个机器人和第j’个机器人为相邻的两机器人，值为0时表示第j个机器人和第j’个机器人为不相邻的两机器人。当ΔTi越小，而||vij-vij’||越大时，车次内多机器人协调运行效果越好，因此设w1为正数，w2为负数。此外，由于变量的量纲不同需对数据进行归一化处理。
步骤S108中将每个机器人基于聚类得到的检测任务子集Cij进行编码，并随机分配给不同车次，如第1个机器人检测任务子集C11,C21,…,Cm1分别分配到每个车次,其编码为1,2,…,m。基于此可得到SA算法的初始分配解，W中每一列即每个车次内第1～n个机器人所分配的检测任务集。基于步骤S106中计算得到的每个车次内机器人检测时间Tij及产生的新解W，计算各车次内检测时间的极差值ΔTi。
(3)基于S107、S108中建立的目标函数，利用SA求解方法进行迭代优化求解，计算得到各个车次各机器人检测任务分配优化结果。
为验证本方法的有效性，利用图3所示的待测零部件点云、测量特征信息案例实现多车次多机器人检测任务分配。如图3所示，某车型待检测特征数目为200个，待测零部件数模结构已进行点云化处理，圆点为测量特征的空间位置，箭头表示测量特征的矢量方向。某工位布置有4个搭载有光学测头的工业机器人，型号为FANUC 2000iB-125L，在批次内对4个车次白车身进行全特征检测，在线检测工位检测时间阈值T0＝45s。
根据本文提出的层次化任务分配算法，基于惰性旅行商求解策略得到各检测机器人的任务集R1、R2、R3和R4中测点数目分别为48、52、49和51，如图4所示。
进一步，基于FCM聚类算法对将上述机器人的检测任务集Rj进行聚类，并划分为4个簇。同时，考虑机器人与车身之间的碰撞检测规避，计算每个任务簇内单机无碰撞检测路径所需运行时间。然后，利用提出的改进SA算法将机器人检测任务集的每个簇进行组合优化分配给各个车次。其中，需考虑不同任务簇组合时机器人的动态碰撞规避，并根据碰撞情况更新各簇内检测路径所需运行时间，分配结果需满足T0小于阈值45s，同时尽可能减少车次内运行时间差ΔT。图5为基于本文提出方法给出的各车次任务分配结果。表1为最终各车次不同机器人分配测点数目。
表1各车次机器人分配测点数目
Figure BDA0002841359300000081
本发明针对汽车车身检测任务分配问题，提出了一种用于多车次多机器人检测任务自动化分配系统与方法，解决了多车次多机器人检测任务分配的难题。降低了机器人之间发生碰撞的概率、加快了生产节奏。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (6)

1.一种车身质量在线监测的自动化任务分配方法，其特征在于，包括以下步骤：
步骤1：确定多个机器人在共享空间内的均可完成的检测任务集以及单个机器人检测的任务集；
步骤2：将共享空间内均可完成的检测任务分配给不同的机器人，对每个机器人形成检测任务集；
步骤3：对步骤2中机器人检测任务集进行聚类，将每个机器人分配的任务集划分成m个子集，确定各个子集的聚类中心；
步骤4：利用A*算法对于步骤3中聚类得到的机器人所需检测的任务子集，进行两两检测特征的局部无碰撞路径优化；
步骤5：计算步骤4中各任务子集中不同检测特征间无碰撞路径所需要的时间，构造无碰撞路径的检测时间矩阵；
步骤6：基于步骤5中生成的检测时间矩阵，利用智能优化算法对不同任务子集内检测特征进行全局路径优化及运行时间求解；
步骤7：基于步骤6计算得到的机器人检测各任务子集所消耗的时间以及各任务子集之间的聚类中心为变量建立多目标函数；
步骤8：利用启发式算法对步骤7所建立的目标函数进行求解，计算得到各车次、各机器人所分配的最优检测任务集。
2.根据权利要求1所述的车身质量在线监测的自动化任务分配方法，其特征在于，在步骤1中，根据机器人的D-H参数表及机器人各关节约束计算各个机器人可以检测的任务集进行分类，分类成只可由单机器人检测的任务集以及多个机器人均可检测的任务集。
3.根据权利要求1所述的车身质量在线监测的自动化任务分配方法，其特征在于，在步骤2中，对于多个机器人均可检测的任务集利用懒惰旅行商问题的求解策略将共享空间内的检测特征分配到每个机器人。
4.据权利要求1所述的车身质量在线监测的自动化任务分配方法，其特征在于，在步骤3中，设第j个机器人的任务集可分解表达为Rj＝{F1,F2,…,FN}，其中N为Rj内测点数量，F为Rj内的测点；通过聚类的方法将任务集Rj分解为m个子集Cij(i＝1,2,…,m,j＝1,2,...,n)，并且根据隶属度计算每个子集聚类中心vij(i＝1,2,…,m)。
5.据权利要求4所述的车身质量在线监测的自动化任务分配方法，其特征在于，在步骤4中，为了得到较优的单机器人局部无碰撞路径，采用A*算法对机器人初步分配得到的测点集Cij内的两两检测特征的局部无碰撞路径进行优化。
6.据权利要求4所述的车身质量在线监测的自动化任务分配方法，其特征在于，在步骤7中，所述多目标函数为：
Figure FDA0002841359290000021
其中，ΔTi为各车次内检测时间的极差值；w1,w2为权重系数；vij为第i个车次检测过程第j个机器人测量任务集的聚类中心；λjj'为0-1变量，值为1时表示第j个机器人和第j’个机器人为相邻的两机器人，值为0时表示第j个机器人和第j’个机器人为不相邻的两机器人。
CN202011493301.4A 2020-12-17 2020-12-17 一种车身质量在线监测的自动化任务分配方法 Pending CN112561335A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011493301.4A CN112561335A (zh) 2020-12-17 2020-12-17 一种车身质量在线监测的自动化任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011493301.4A CN112561335A (zh) 2020-12-17 2020-12-17 一种车身质量在线监测的自动化任务分配方法

Publications (1)

Publication Number Publication Date
CN112561335A true CN112561335A (zh) 2021-03-26

Family

ID=75064487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011493301.4A Pending CN112561335A (zh) 2020-12-17 2020-12-17 一种车身质量在线监测的自动化任务分配方法

Country Status (1)

Country Link
CN (1) CN112561335A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116160444A (zh) * 2022-12-31 2023-05-26 中国科学院长春光学精密机械与物理研究所 基于聚类算法的机械臂运动学逆解的优化方法、装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111975767A (zh) * 2020-05-28 2020-11-24 上海理工大学 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111975767A (zh) * 2020-05-28 2020-11-24 上海理工大学 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何泽强: "基于机器视觉的工业机器人分拣系统设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
赵文政 等: "面向多机器人协调运动规划的层级化任务分配方法", 《计算机集成制造系统》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116160444A (zh) * 2022-12-31 2023-05-26 中国科学院长春光学精密机械与物理研究所 基于聚类算法的机械臂运动学逆解的优化方法、装置
CN116160444B (zh) * 2022-12-31 2024-01-30 中国科学院长春光学精密机械与物理研究所 基于聚类算法的机械臂运动学逆解的优化方法、装置

Similar Documents

Publication Publication Date Title
Keskin et al. An alternative evaluation of FMEA: Fuzzy ART algorithm
CN112904820B (zh) 无人驾驶工程车辆矿区流量调配方法及装置
CN111975767B (zh) 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法
Zhang et al. Research on hybrid-load AGV dispatching problem for mixed-model automobile assembly line
CN112700185B (zh) 基于仿生智能优化的物流路线规划方法及系统
CN115185247A (zh) 一种基于产品加工质量的机床运行状态预测与车间调度方法
CN109765868A (zh) 多车型共线的生产控制方法、装置、设备及系统
CN117325157A (zh) 一种多机器人协同作业的任务分配方法
CN112561335A (zh) 一种车身质量在线监测的自动化任务分配方法
Zhou et al. Multi-objective optimization of greening scheduling problems of part feeding for mixed model assembly lines based on the robotic mobile fulfillment system
Zhang et al. Vehicle dynamic dispatching using curriculum-driven reinforcement learning
CN114326621A (zh) 一种基于分层架构的群体智能机场托运车调度方法和系统
Fazlollahtabar et al. Producer’s behavior analysis in an uncertain bicriteria AGV-based flexible jobshop manufacturing system with expert system
CN111881993B (zh) 面向铜锍吹炼过程的操作模式多层分级匹配优化方法
CN116485021A (zh) 一种煤炭企业技术技能人才人岗匹配预测方法与系统
CN112836846B (zh) 一种卷烟发货多库点多方向联运调度双层优化算法
AU2021103678A4 (en) Method and apparatus for competitive advantages of data science tools
CN111445100A (zh) 有限运力下基于自适应时间窗口的车货匹配方法
Tadić et al. Modeling the structure of the logistics centers
Bi et al. Dynamic weighted and heat-map integrated scalable information path-planning algorithm
Liu et al. Research on Optimization of Dual-Resource Batch Scheduling in Flexible Job Shop.
CN116088577B (zh) 一种无人集群自主探索方法、系统、电子设备及介质
CN110210678B (zh) 一种移动源排放标准升级路径的优化方法
CN113256094B (zh) 基于改进粒子群算法的业务资源分配方法
CN108108759A (zh) 一种多智能体的动态编群方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326