CN114859883A - 一种检修机器人多机协作控制方法、系统及储存介质 - Google Patents
一种检修机器人多机协作控制方法、系统及储存介质 Download PDFInfo
- Publication number
- CN114859883A CN114859883A CN202210270704.5A CN202210270704A CN114859883A CN 114859883 A CN114859883 A CN 114859883A CN 202210270704 A CN202210270704 A CN 202210270704A CN 114859883 A CN114859883 A CN 114859883A
- Authority
- CN
- China
- Prior art keywords
- robot
- task
- state
- robots
- screening
- 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 35
- 238000012423 maintenance Methods 0.000 title claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 37
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 238000007689 inspection Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- CQQUWTMMFMJEFE-UHFFFAOYSA-N 2-chloro-n,n-diethylacetamide Chemical compound CCN(CC)C(=O)CCl CQQUWTMMFMJEFE-UHFFFAOYSA-N 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供的一种检修机器人多机协作控制方法。包括：确定任务执行顺序；基于所述任务执行顺序筛选适配机器人；基于所述机器人的状态和/或位置，规划作业路径；开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。本发明提供的控制方法，实际上为任务和机器人的匹配设置了多种模型，并且通过设置任务筛选和机器人筛选的模型，能够提高多机器人的调度执行效率；根据任务属性和机器人状态的识别和优先级的划定，实现更灵活和更精细化的检修作业任务安排，由于选择了更优的机器人，以及根据多种条件规划了路径，使得可以最大化的使用机器人，在相同任务规模的情况下，配置最少数量的机器人，以降低总体成本投入。
Description
技术领域
本发明涉及车辆检修领域，具体涉及一种检修机器人多机协作控制方法、系统及储存介质。
背景技术
地铁是城市轨道交通中重要的组成部分，地铁车辆结构复杂，为保障地铁车辆的日常安全运营，地铁车辆在每日执行完运载任务后，都需要回到专用检修库进行检修。检修内容主要包含地铁车辆的部件松动、断裂、缺失、变形等。
传统的对地铁车辆进行检修作业的方式是，采用人工目视检查或者简单工具测量，随着科学技术的发展，目前正在推进用机器人对地铁车辆进行检查作业，用以取带人工。
虽然机器人可以在一定程度上替代人工作业，执行对地铁车辆的检修作业任务，但目前一台列车配一台机器人检测，不仅需要大量的机器人来进行作业，同时机器人只能按照单一的任务路径进行执行作业，对于多个检修任务，作业时间长，效率低。也可以增加机器人同时对一辆列车进行不同的检测作业，但多机器人协作的控制复杂，任务执行过程中容易出现路径规划不合理导致的碰撞，作业机器人任务分配不合理等问题。
发明内容
有鉴于此，本申请提供一种检修机器人多机协作控制方法，将机器人及涉及机器人运动及任务相关信息作为一种资源，系统将上述资源进行标记分类处理，根据任务的内容将可用资源整理后按需发送给机器人。通过上述操作实现对多机器人的协同作业管理。
为了实现上述目的，本发明提供一种检修机器人多机协作控制方法，包括：
确定任务执行顺序；
基于所述任务执行顺序筛选适配机器人；
基于所述机器人的状态和/或位置，规划作业路径；
开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。
优选的，确定任务执行顺序具体为：
筛选任务；
获取所述任务的任务属性；
基于所述任务属性，获取所述任务的优先级队列；
基于所述优先级队列确定任务执行顺序。
优选的，所述任务属性具体为：常规任务、快速任务、超快任务、专项任务。
优选的，基于所述任务执行顺序筛选适配机器人具体为：
获取所有机器人参数和状态信息；
基于所述机器人参数和状态信息筛选与所述任务相匹配的机器人或机器人组；
基于所述任务属性选择任务相匹配的就绪状态机器人或机器人组。
优选的，基于所述任务属性筛选与任务相匹配的就绪状态机器人具体为：
判断机器人硬件配置是否与任务属性匹配，若是则将机器人作为备选项；若否则进行下一个机器人的匹配。
优选的，基于所述机器人的状态，规划作业路径；具体为：
获取就绪状态器人信息；
基于所述就绪状态机器人的任务满足度，筛选巡检机器人；
基于所述巡检机器人的电量，筛选可任务机器人；
基于可任务机器人的位置，规划作业路径。
优选的，基于所述就绪状态机器人的任务满足度，筛选巡检机器人，具体为：
判断所述就绪状态机器人数量是否足够完成任务，若是则将该机器人作为可执行项，若否则进行下一个机器人的判断；
判断所述可执行项中的机器人是否可在规定区域内执行任务，若是则将该机器人作为巡检机器人，若否则调度其他区域机器人进行补位。
优选的，基于可任务机器人的位置，规划作业路径。具体为：
基于可任务机器人的位置，由调度服务模块从数据库中规划出机器人的任务执行路径。
本发明还提供了一种检修机器人多机协作控制系统，包括：
任务池，用于确定任务执行顺序；
机器人池，用于基于所述任务执行顺序筛选适配机器人；
数据库，用于基于所述机器人的状态，规划作业路径；
处理器，用于开始所述任务后，按照预设时间更新所述任务、机器人、作业路径状态，直至任务结束。
本发明还提供了一种储存介质，其上存储有计算机程序，所述计算机程序被处理器执行所述的检修机器人多机协作控制方法。
本发明提供的一种检修机器人多机协作控制方法，确定任务执行顺序；基于所述任务执行顺序筛选适配机器人；基于所述机器人的状态和/或位置，规划作业路径；开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。本发明提供的控制方法，实际上为任务和机器人的匹配设置了多种模型，并且通过设置任务筛选和机器人筛选的模型，达到多任务，多机器人的相互适配，能够提高多机器人的调度执行效率；根据任务属性和机器人状态的识别和优先级的划定，实现更灵活和更精细化的检修作业任务安排，由于选择了更优的机器人，以及根据多种条件规划了路径，使得可以最大化的使用机器人，在相同任务规模的情况下，配置最少数量的机器人，以降低总体成本投入。
附图说明
图1本发明提供的多机协作控制系统示意图；
图2本发明提供的多机协作控制流程示意图；
图3本发明提供的任务顺序获取流程示意图。
图4本发明提供的基于所述任务执行顺序筛选适配机器人的流程示意图；
图5本发明提供的基于所述任务属性筛选与任务相匹配的就绪状态机器人的流程示意图；
图6本发明提供的规划作业路径流程示意图；
图7本发明提供的筛选巡检机器人流程示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。
本发明提供一种检修机器人多机协作控制方法，如图2所示包括：
确定任务执行顺序；
基于所述任务执行顺序筛选适配机器人；
基于所述机器人的状态和/或位置，规划作业路径；
开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。
按照本发明，如图3所示，确定任务执行顺序具体为：筛选任务；获取所述任务的任务属性；基于所述任务属性，获取所述任务的优先级队列；基于所述优先级队列确定任务执行顺序。优选的所述任务属性具体为：常规任务、快速任务、超快任务、专项任务，优选的，任务属性与机器人的匹配关系为：
常规任务：选择1台机器人检测1列车；
快速任务：选择2台机器人检测1列车；
超快任务：选择3台机器人检测1列车；
专项任务：选择1台机器人检测列车的某个专门项点。
为了进一步提高机器人的选择正确性，基于所述任务筛选适配机器人具体为：获取所有机器人参数和状态信息；基于所述机器人参数和状态信息筛选与所述任务相匹配的机器人。基于所述任务执行顺序和机器人参数筛选适配机器人的方法如图4所示获取所有机器人参数和状态信息；基于所述机器人参数和状态信息筛选与所述任务相匹配的机器人或机器人组；基于所述任务属性选择任务相匹配的就绪状态机器人或机器人组。如图5所示，判断机器人硬件配置是否与任务属性匹配，若是则将机器人作为备选项；若否则进行下一个机器人的匹配。机器人参数优选为
基于所述巡检机器人的电量，筛选可任务机器人；基于可任务机器人的位置，规划作业路径。具体的，本发明基于可任务机器人的位置，由调度服务程序从Neo4J图数据库中规划出机器人的任务执行路径。假设Neo4J图数据库中，有ABCDE5个点，且相互有连线可以通行。则任务系统选择可执行任务的机器人后，获取改机器人的位置信息，并规划改机器人从当前位置到目标位置的路径。优选的，调度系统选择1#机器人执行任务，任务的起始点为A点，1#机器人当前位置在C点，调度服务程序则规划机器人从C点到A点的路径。假设最短路径CBA中B点被占用，则调度服务程序规划CDEA的路径，以使机器人达到任务起点。
基于所述机器人的状态，规划作业路径；如图6所示获取就绪状态器人信息；基于所述就绪状态机器人的任务满足度，筛选巡检机器人；基于所述巡检机器人的电量，筛选可任务机器人；基于可任务机器人的位置，规划作业路径。规划作业路径的目的是能够明确机器人目前执行的任务的路径，以及通过任务路径和机器人状态确定机器人接下来要进行其他的任务，例如，当前机器人的状态是满电状态，执行的是超快任务，在没有空闲机器人在待机状态时，那么它会被定为接下来任务队列中其他超快任务的首选机器人。
为了更好的选择合适的巡检机器人，执行任务，如图7所示，判断所述就绪状态机器人数量是否足够完成任务，若是则将该机器人作为可执行项，若否则进行下一个机器人的判断；判断所述可执行项中的机器人是否可在规定区域内执行任务，若是则将该机器人作为巡检机器人，若否则调度其他区域机器人进行补位。
按照本发明，在实际实施本发明方法时，一个具体的实施例为：
1)调度服务程序首先从任务对象池中筛选出优先级最高的任务，并解读任务属性(若该任务还包含有子任务，则应一并处理)。若任务池中存在多条任务，则执行任务优先级排队策略。
2)根据任务属性的解读结果，从机器人对象池中优选出最适合执行任务的机器人或者机器人组(机器人组可能处于不同的工作状态或者位置信息)。
3)根据机器人选择结果，由调度服务程序从Neo4J图数据库中规划出机器人的最优任务执行路径。(典型的最优路径如最短路径原则)
4)调度服务程序动态更新路径占用情况，将可用路径信息发送给(授权)对应的机器人，机器人根据已授权的路径运行。(如1#机器人从A点途经B点并达到C点，则1#机器人会首先申请A点、AB路径和B点的资源，并等待调度服务程序授权，一经授权则立即执行，达到B点后则立即释放A点和AB路径，以此类推最终达到C点)
5)机器人任务执行完成后，则回到初始位置，更新并上报自身状态，同时机器人资源池状态得到更新。
本发明还提供了一种检修机器人多机协作控制系统，包括：
任务池，用于基于优先级获取任务；
机器人池，用于基于所述任务筛选适配机器人；
数据库，用于基于所述任务的属性和所述机器人的状态，规划作业路径；
处理器，用于开始所述任务后，按照预设时间更新所述任务、机器人、作业路径状态，直至任务结束。
按照本发明，本系统包括了任务池：集中管理所有待机器人执行的或者正在执行的任务，并根据任务优先级，任务所包含的数据进行归类管理。并从所述任务对象池中获取最优任务。
机器人池：集中管理检修机器人，并对机器人的状态进行标记和识别，包含机器人工作状态(任务执行中或者待机或者充电)、机器人电量、机器人当前位置信息等。
数据库：将机器人的运行路径和停车点以及特殊属性点作为一种资源，集中个管理，并对资源赋予一种占用和非占用的属性。当该资源处于占用状态时不得进行分配。本发明优选使用Neo4J图数据库。
所述系统通过通信协议进行通信，所述通信协议优选Redis通信管道：基于Redis技术的通信管道连接数据库、机器人池、任务池和调度控制模块
处理器，用于开始所述任务后，按照预设时间更新所述任务、机器人、作业路径状态，直至任务结束。所述处理器内设置有调度服务控制模块或加载有调度服务控制逻辑：负责将所述机器人池，任务池和数据库资源进行整合，按照预设逻辑思路进行任务分配、机器人优选、运行路径选择、资源占用与释放控制等。具体的执行方法参照本发明公开的多机协作控制方法。
本发明还提供了一种储存介质，其上存储有计算机程序，所述计算机程序被处理器执行所述的检修机器人多机协作控制方法。
按照本发明中一个具体的实施例，本发明所述的多机协作机器人的选择具体依据如下判断机制：
综合多方面因素，通过加权得分的方式选择最合适的机器人执行机器人任务。从而提升系统运行的稳定性与可靠性，减少人工参与，向着无人化的目标靠拢；同时提升任务执行效率，选择最优的机器人以减少任务的执行时间。
| 序号 | 因子 | 权重 |
| 1. | A1：硬件配置 | 1/0：1表示满足；0表示不满足 |
| 2. | A2：就绪状态 | 1/0：1表示就绪；0表示未就绪 |
| 3. | A3：区域 | 0.3 |
| 4. | A4：电量 | 0.2 |
| 5. | A5：故障状态 | 0.2 |
| 6. | A6：人工权重 | 0.2 |
| 7. | A7：*寿命/里程 | 0.1 |
量化评价公式：A1*A2*(A3+A4+A5+A6+A7)
通过计算上述机器人量化评价，分值越高，说明目前机器人的适配度越高，可以优先执行下一个有优选的任务。
本发明提供的一种检修机器人多机协作控制方法，包括：确定任务执行顺序；基于所述任务执行顺序筛选适配机器人；基于所述机器人的状态和/或位置，规划作业路径；开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。本发明提供的控制方法，实际上为任务和机器人的匹配设置了多种模型，并且通过设置任务筛选和机器人筛选的模型，达到多任务，多机器人的相互适配，能够提高多机器人的调度执行效率；根据任务属性和机器人状态的识别和优先级的划定，实现更灵活和更精细化的检修作业任务安排，由于选择了更优的机器人，以及根据多种条件规划了路径，使得可以最大化的使用机器人，在相同任务规模的情况下，配置最少数量的机器人，以降低总体成本投入。
以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种检修机器人多机协作控制方法，其特征在于，包括：
确定任务执行顺序；
基于所述任务执行顺序筛选适配机器人；
基于所述机器人的状态和/或位置，规划作业路径；
开始所述任务后，持续更新所述任务状态、机器人状态、作业路径状态，直至任务结束。
2.根据权利要求1的控制方法，其特征在于，确定任务执行顺序具体为：
筛选任务；
获取所述任务的任务属性；
基于所述任务属性，获取所述任务的优先级队列；
基于所述优先级队列确定任务执行顺序。
3.根据权利要求2所述的控制方法，其特征在于，所述任务属性具体为：常规任务、快速任务、超快任务、专项任务。
4.根据权利要求1所述的控制方法，其特征在于，基于所述任务执行顺序筛选适配机器人具体为：
获取所有机器人参数和状态信息；
基于所述机器人参数和状态信息筛选与所述任务相匹配的机器人或机器人组；
基于所述任务属性选择任务相匹配的就绪状态机器人或机器人组。
5.根据权利要求4所述的控制方法，其特征在于，基于所述任务属性筛选与任务相匹配的就绪状态机器人具体为：
判断机器人硬件配置是否与任务属性匹配，若是则将机器人作为备选项；若否则进行下一个机器人的匹配。
6.根据权利要求1所述的控制方法，其特征在于，基于所述机器人的状态，规划作业路径；具体为：
获取就绪状态机器人信息；
基于所述就绪状态机器人的任务满足度，筛选巡检机器人；
基于所述巡检机器人的电量，筛选可任务机器人；
基于可任务机器人的位置，规划作业路径。
7.根据权利要求6所述的控制方法，其特征在于，基于所述就绪状态机器人的任务满足度，筛选巡检机器人，具体为：
判断所述就绪状态机器人数量是否足够完成任务，若是则将该机器人作为可执行项，若否则进行下一个机器人的判断；
判断所述可执行项中的机器人是否可在规定区域内执行任务，若是则将该机器人作为巡检机器人，若否则调度其他区域机器人进行补位。
8.根据权利要求5所述的控制方法，其特征在于，基于可任务机器人的位置，规划作业路径。具体为：
基于可任务机器人的位置，由调度服务模块从数据库中规划出机器人的任务执行路径。
9.一种检修机器人多机协作控制系统，其特征在于，包括：
任务池，用于确定任务执行顺序；
机器人池，用于基于所述任务执行顺序筛选适配机器人；
数据库，用于基于所述机器人的状态，规划作业路径；
处理器，用于开始所述任务后，按照预设时间更新所述任务、机器人、作业路径状态，直至任务结束。
10.一种储存介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行根据权利要求1～8任意一项所述的检修机器人多机协作控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210270704.5A CN114859883A (zh) | 2022-03-18 | 2022-03-18 | 一种检修机器人多机协作控制方法、系统及储存介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210270704.5A CN114859883A (zh) | 2022-03-18 | 2022-03-18 | 一种检修机器人多机协作控制方法、系统及储存介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114859883A true CN114859883A (zh) | 2022-08-05 |
Family
ID=82627944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210270704.5A Pending CN114859883A (zh) | 2022-03-18 | 2022-03-18 | 一种检修机器人多机协作控制方法、系统及储存介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114859883A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115640924A (zh) * | 2022-09-16 | 2023-01-24 | 贵阳沙克智能科技有限公司 | 一种巡检机器人智能调度管理方法及系统 |
| CN116341880A (zh) * | 2023-05-26 | 2023-06-27 | 成都盛锴科技有限公司 | 一种基于有限状态机的列检机器人分布式调度方法 |
-
2022
- 2022-03-18 CN CN202210270704.5A patent/CN114859883A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115640924A (zh) * | 2022-09-16 | 2023-01-24 | 贵阳沙克智能科技有限公司 | 一种巡检机器人智能调度管理方法及系统 |
| CN115640924B (zh) * | 2022-09-16 | 2023-10-27 | 贵阳沙克智能科技有限公司 | 一种巡检机器人智能调度管理方法及系统 |
| CN116341880A (zh) * | 2023-05-26 | 2023-06-27 | 成都盛锴科技有限公司 | 一种基于有限状态机的列检机器人分布式调度方法 |
| CN116341880B (zh) * | 2023-05-26 | 2023-08-11 | 成都盛锴科技有限公司 | 一种基于有限状态机的列检机器人分布式调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114859883A (zh) | 一种检修机器人多机协作控制方法、系统及储存介质 | |
| CN109902954B (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
| CN111680893A (zh) | 一种多自寻址机器人拣选系统的数字孪生系统及调度方法 | |
| CN109949068A (zh) | 一种基于预测结果的实时拼车方法和装置 | |
| CN101237469B (zh) | 运用蚁群算法优化多QoS网格工作流的方法 | |
| CN109492774A (zh) | 一种基于深度学习的云资源调度方法 | |
| CN107194576A (zh) | 一种快递配送过程中处理新增取件需求的动态调度方法 | |
| CN109118097B (zh) | 一种可靠性维修性保障性评估方法和装置 | |
| CN112685153A (zh) | 微服务调度方法、装置以及电子设备 | |
| CN111754086A (zh) | 一种订单排产的方法 | |
| CN113742908A (zh) | 一种基于离散仿真的物料齐套判断方法 | |
| CN110245809B (zh) | 一种用于多机器人多任务协作工作的智能优化方法和系统 | |
| CN116643877A (zh) | 算力资源调度方法、算力资源调度模型的训练方法和系统 | |
| CN113568747B (zh) | 基于任务分类与时序预测的云机器人资源调度方法及系统 | |
| Van Hentenryck et al. | Joint assessment and restoration of power systems | |
| CN112288341B (zh) | 基于多智能体强化学习的信贷工厂订单调度方法及装置 | |
| CN107703897B (zh) | 一种面向固定式装配过程的协同导航优化方法 | |
| CN111932053B (zh) | 配网调度操作指令票智能排序方法、装置及系统 | |
| CN117130888A (zh) | 基于历史数据和机器学习的服务器自动调优方法及系统 | |
| CN111988412A (zh) | 一种多租户服务资源需求智能预测系统及方法 | |
| CN113408045B (zh) | 船舶建造计划优化方法、系统、储存介质及计算机设备 | |
| CN114185661A (zh) | 一种任务处理方法、装置、设备以及存储介质 | |
| CN114662863A (zh) | 基于深度学习的车间分布式运输调度方法 | |
| ElMaraghy et al. | Deadlock-free rescheduling in flexible manufacturing systems | |
| CN117875674B (zh) | 一种基于Q-learning的公交调度方法 |
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 |