CN116613867A - 用于agv的无线电能传输系统及其控制方法 - Google Patents
用于agv的无线电能传输系统及其控制方法 Download PDFInfo
- Publication number
- CN116613867A CN116613867A CN202310893340.0A CN202310893340A CN116613867A CN 116613867 A CN116613867 A CN 116613867A CN 202310893340 A CN202310893340 A CN 202310893340A CN 116613867 A CN116613867 A CN 116613867A
- Authority
- CN
- China
- Prior art keywords
- agv
- wireless charging
- evaluation coefficient
- data
- early warning
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005540 biological transmission Effects 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 18
- 238000013531 bayesian neural network Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 16
- 210000002569 neuron Anatomy 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
- B60L53/12—Inductive energy transfer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
- H02J7/00034—Charger exchanging data with an electronic device, i.e. telephone, whose internal battery is under charge
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
- H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Computational Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了用于AGV的无线电能传输系统及其控制方法,具体涉及AGV的无线电能传输技术领域,用于解决在一个生产周期结束后至下一个生产周期开始之前,是否需要对AGV进行无线充电的问题,以及充电设备数量上的不匹配和能否正常充电的预警问题;包括采集模块、预测模块、处理模块、预警模块,模块间存在信号连接;通过模型预测筛选需要无线充电的AGV,减少不必要的能源消耗,并对需要无线充电的AGV集合根据优先级进行排序充电同时根据AGV无线充电评估系数判断是否发出预警信号,实现对AGV无线充电状态的实时监测,确保AGV无线充电无法正常充电时能够得到预警,降低生产风险,避免不必要的生产损失。
Description
技术领域
本发明涉及AGV的无线电能传输技术领域,更具体地说,本发明涉及用于AGV的无线电能传输系统及其控制方法。
背景技术
无人搬运车(Automated Guided Vehicle,简称AGV),指装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车,工业应用中不需驾驶员的搬运车,以可充电之蓄电池为其动力来源。目前的AGV充电方式主要存在接触式充电及无线充电两种,AGV接触式充电即所有充电回路需要用电缆和充电触头将车辆与供电系统连接,以便可以直接对其进行充电。AGV无线充电即非接触充电装置,不需要用电缆将AGV小车与供电系统连接,它放弃充电触头,充电器及用电的装置都可实现非导电接触曝光。
现阶段的AGV无线充电产品,充电效率与接触充电系统的充电效率相当,并且已经应用在实际的生产环节中,但是在一个生产周期结束后至下一个生产周期开始之前,是否需要对AGV进行无线充电还存在一定问题,在未知AGV是否能够完成下个生产规模的前提下,若选择进行无线充电可能会因为频繁充电导致电池寿命受损,若不进行无线充电则可能导致AGV在生产中因电量不足造成生产停滞货物堆积,以及出现无线充电设备数量上的不匹配和能否正常充电的问题。
为了解决上述缺陷,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种用于AGV的无线电能传输系统及其控制方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
用于AGV的无线电能传输控制方法,其包括如下步骤:
步骤S1,获取历史数据包括货物运输数据以及AGV的无线充电状态数据构建模糊贝叶斯神经网络模型实现对AGV在下个生产周期开始之前是否需要无线充电进行预测,并筛选出需要无线充电的AGV集合;
步骤S1包括:
步骤S1-1收集样本数据,货物运输数据包括货物的出入总量和AGV的整体平均电量,AGV的无线充电状态数据;
步骤S1-2构建模糊贝叶斯神经网络模型,并输入样本数据进行训练;
步骤S1-3根据训练好的模型预测的充电需求结果,得到筛选后需要无线充电的AGV集合,并将得到的AGV集合发送至处理模块;
步骤S2,获取电池设备参数和AGV任务种类量计算AGV无线充电优先级评估系数根据AGV无线充电优先级评估系数对需要无线充电的AGV集合正序排序生成排序表;
步骤S3,获取AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数,根据AGV无线充电评估系数判断AGV是否能够正常进行无线充电,实现监测预警。
在一个优选地实施方式中,在步骤2中,电池设备参数包括充电倍率、电池剩余电量;将充电倍率、电池剩余电量、AGV任务种类量归一化处理,通过加权求和计算AGV无线充电优先级评估系数,根据AGV无线充电优先级评估系数对AGV集合进行正序排序,并按照排序表依次正序对AGV集合进行无线充电。
在一个优选地实施方式中,在步骤3中,AGV无线充电设备的自身参数数据包括设备故障率以及环境参数数据包括温度偏差值,将设备故障率、温度偏差值归一化处理,通过加权求和计算AGV无线充电评估系数。
在一个优选地实施方式中,根据AGV无线充电评估系数设定AGV无线充电评估系数临界阈值,若AGV无线充电评估系数大于等于AGV无线充电评估系数临界阈值,则发出预警信号;
若AGV无线充电评估系数小于AGV无线充电评估系数临界阈值,则无需发出预警信号。
在一个优选地实施方式中,用于AGV的无线电能传输系统,包括:采集模块、预测模块、处理模块、预警模块,模块间存在信号连接;
采集模块用于获取历史数据包括货物运输数据以及AGV的无线充电状态数据,将获取到的数据信息发送至预测模块进行分析预测;还用于获取电池设备参数以及AGV任务种类量;还用于获取AGV无线充电设备的自身参数数据以及环境参数数据,将获取到的电池设备参数以及AGV任务种类量、AGV无线充电设备的自身参数数据以及环境参数数据发送至处理模块进行分析处理;
预测模块根据采集模块发送的信息构建模糊贝叶斯神经网络预测模型,实现对AGV是否需要无线充电的预测,并将预测结果发送至处理模块;
处理模块根据采集模块以及预测模块发送的数据计算AGV无线充电优先级评估系数和AGV无线充电评估系数,并根据AGV无线充电优先级评估系数生成AGV无线充电正序排序表,同时将AGV无线充电评估系数发送至预警模块;
预警模块根据AGV无线充电评估系数设定AGV无线充电评估系数临界阈值,实现对AGV无线充电是否能够进行正常充电的监测预警。
本发明的技术效果和优点:
1、本发明通过采集历史数据包括货物运输数据以及AGV的无线充电状态数据构建模糊贝叶斯神经网络预测模型,实现对AGV在下个生产周期开始之前是否需要无线充电的预测,根据预测结果筛选出需要无线充电的AGV集合,减少不必要的能源消耗,降低能源成本。同时可以避免过度充电和频繁充放电,减少对电池的使用压力,从而延长电池的寿命。
2、本发明对于获取的需要无线充电的AGV根据电池设备参数包括充电倍率、电池剩余电量以及AGV任务种类量计算AGV无线充电优先级评估系数,并根据AGV无线充电优先级评估系数对AGV的无线充电次序进行排序生成排序表,从而按照排序表依次正序对AGV进行无线充电。可以更好地优化在无线充电设备与需要无线充电的AGV出现数量不匹配的问题,可以使在AGV在下一个生产周期开始之前尽可能保持足够的电量,完成首批任务,降低生产风险。
3、本发明根据AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数,并设定AGV无线充电评估系数临界阈值,若AGV无线充电评估系数大于等于AGV无线充电评估系数临界阈值,则发出预警信号通知工作人员对该辆AGV进行紧急处理。实现对AGV无线充电状态的实时监测,确保AGV无线充电无法正常充电时能够得到预警,降低生产风险,避免不必要的生产损失。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明用于AGV的无线电能传输控制方法示意图;
图2为本发明用于AGV的无线电能传输系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明用于AGV的无线电能传输系统及其控制方法,图1给出了本发明用于AGV的无线电能传输控制方法,其包括如下步骤:
步骤S1,获取历史数据包括货物运输数据以及AGV的无线充电状态数据作为样本数据构建模糊贝叶斯神经网络模型实现对AGV在下个生产周期开始之前是否需要无线充电进行预测,并筛选出需要无线充电的AGV集合;
步骤S2,获取电池设备参数和AGV任务种类量计算AGV无线充电优先级评估系数根据AGV无线充电优先级评估系数对需要无线充电的AGV集合正序排序,生成排序表。
步骤S3,获取AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数,根据AGV无线充电评估系数判断AGV是否能够正常进行无线充电,实现监测预警。
根据模糊贝叶斯神经网络模型对AGV是否满足货物运输需求进行无线充电预测,具体实施如下:
步骤S1-1收集样本数据:
采集模块采集货物运输数据以及AGV的无线充电状态数据作为样本数据;
货物运输数据包括货物的出入总量和AGV的整体平均电量,
货物的出入总量为一个生产周期内的AGV需要运输的货物总量,需要说明的是,一个生产周期可根据实际的生产规模而定,例如,24小时。
AGV的整体平均电量用于衡量AGV在一段时间内的能量消耗情况,AGV的整体平均电量可通过以下公式进行计算:平均电量 = 电量总和 / 时间总和;电量总和是指将每个时间点的电量值进行相加,得到电量的总和。时间总和是指在多长时间内收集了电量数据,将这个时间跨度表示为总的时间值。
AGV的无线充电状态数据为AGV在下一个生产工作开始之前是否处于充电状态的标签,例如,需要充电为1,不需要充电为0。
上述采集的样本数据为一年的数据样本,且均为历史数据,即365组数据,但不限于365组数据;
样本数据分为训练样本数据和检验样本数据,由样本输入和期望输出组成的样本对;本实施例中将300组数据作为训练样本数据,65组数据作为检验样本数据。
为了避免神经网络误差过大及防止局部神经元达到过饱和状态,对样本数据进行归一化处理,使得样本数据均在0到1之间,网络输出向量采用反归一化处理,即得到原输出值;样本数据的归一化公式为:
式中,/>为归一化后样本数据,/>为原始样本数据与原始样本数据最小值的比值,/>为原始样本数据最大值与原始样本数据最小值的比值;
经过归一化处理得到训练样本集,即,其中表示货物的出入总量,/>表示AGV的整体平均电量,表示AGV的无线充电状态数据,n为采集365组数据即n=365。
步骤S1-2建立模糊贝叶斯神经网络模型:
用于预测AGV是否满足货物运输需求的神经网络模型由输入层、隐含层、输出层构成;输入层由货物的出入总量、AGV的整体平均电量1组数据组成,共15个神经元节点,隐含层由经验公式确定;输出层为AGV的无线充电状态数据作为预测结果;隐含层由经验公式确定,经验公式为:式中,G为隐含层神经元数,h输入层输入神经元数,m输出层输出神经元数,a的取值范围为1~10之间的常数;
建立所述模糊贝叶斯神经网络预测模型,确定模型的激励函数、训练函数、学习函数及神经网络性能指标;激励函数选择sigmod函数,即训练函数选择trainlm函数,学习函数选择贝叶斯函数,神经网络性能指标为:/>;
式中n为样本数量即采集的365组样本数据,表示输入向量,/>表示权值分量,表示期望输出目标值,i={1,2,3...n}。
预训练过程:通过预训练函数trainlm,设定训练目标、训练步数,训练误差精度,根据结果选择最佳的隐含层神经元数量;
创建一个前向神经网络
net=newff(PR,[S1,S2...SN1],{TF1,TF2...TFN1},BTF,BLF,PF)其中,向量元素从1到N1;net为创建新的神经网络;PR为网络输入元素最大值、最小值组成的矩阵;[S1,S2...SN1]表示网络隐含层和输出层神经元数量;{TF1,TF2...TFN1}表示隐含层和输出层激励函数,为sigmod函数;BTF为网络的训练函数,为trainlm函数;BLF为网络的权值学习函数,为贝叶斯函数;PF为性能函数,默认为“mse”函数;
创建神经网络权值集:影响神经网络运算精确性和泛化能力的权值集合用ω表示,即其中 ,/>表示权值分量,n为采集365组数据即n=365;
创建权值评判集:采用改进专家评分法对神经网络权值模糊化,专家首先无交流进行评分,对评分结果进行由大到小排序,首尾专家进行协商再次评分,重新排序,依次类推,直到评分完为止。评判集用V表示,即,其中,表示权值分量的重要程度,n为采集365组数据即n=365;
进行专家评分:采用专家评分法对神经网络权值模糊化;
解模糊化:采用加权平均法进行解模糊,获得神经网络权值的先验概率,公式为:式中,/>表示神经网络权值的先验概率,/>表示评判者人数,/>表示评判者做出可能的评判结果,n为采集365组数据即n=365;
确定似然函数:假设期望输出目标值是在高斯白噪声下产生的,似然函数为:/>其中,/>为归一化因子,γ为超参数;表示误差函数;
确定权值的后验概率为(先验概率公式*似然函数)/ 样本分布常数,具体表达式如下:式中,i=(1 ,2 ,3 ,...,n),j=(1 ,2 ,3 ,...,n),为误差函数,/>,p(D)表示样本分布常数;
随机选取训练样本集D对模糊贝叶斯神经网络预测模型进行学习训练,用模糊知识及贝叶斯函数确定输入层-隐含层-输出层各权值,通过训练样本数据判断输出层的实际输出与期望输出是否满足神经网络性能指标要求;若未满足要求,则适当改变隐含层神经元数量,重新由模糊知识以及贝叶斯函数确定输入层-隐含层-输出层各权值,再次通过训练样本数据判断输出层的实际输出与期望输出是否满足神经网络性能指标要求;若满足要求,则训练结束,否则继续进行训练,直到满足神经网络性能指标要求为止;至此得到训练好的模型。
步骤S1-3应用训练好的模型进行预测
将新的货物的出入总量和AGV的整体平均电量输入到模型中,通过前向神经网络计算输出,得到预测的充电需求结果,需要说明的是,此时的数据不再是历史数据而是实际需要预测的数据。若输出结果接近1,则说明当前状态的AGV无法满足下一个生产任务的需求,预测需要无线充电,得到筛选后需要无线充电的AGV集合,例如,并将得到的结果集发送至处理模块;若输出结果接近0,则说明当前状态的AGV能够满足下一个生产任务的需求,预测不需要进行充电。
本实施例通过采集历史数据包括货物运输数据以及AGV的无线充电状态数据构建模糊贝叶斯神经网络预测模型,实现对AGV在下个生产周期开始之前是否需要无线充电的预测,根据预测结果筛选出需要无线充电的AGV集合,减少不必要的能源消耗,降低能源成本。同时可以避免过度充电和频繁充放电,减少对电池的使用压力,从而延长电池的寿命。
实施例2:
上述实施例1中经过模型预测得到需要无线充电的AGV集合,但在实际的生产中由于AGV的数量可能过多,而无线充电设备技术复杂成本昂贵,以致于AGV无线充电可能在同一时间段里产生拥堵现象,本实施例2提供一种优化方案,根据AGV无线充电的优先级进行依次充电,而影响AGV无线充电优先级的因素主要从电池设备参数和AGV任务种类量两方面综合考虑,通过采集电池设备参数和AGV任务种类量计算AGV无线充电优先级评估系数,具体步骤如下:
电池设备参数包括电池剩余电量;
将电池剩余电量标记为SY,AGV任务种类量标记为RW;
将电池剩余电量、AGV任务种类量归一化处理,计算AGV无线充电优先级评估系数,其表达式为:式中,YX为AGV无线充电优先级评估系数,/>分别为电池剩余电量、AGV任务种类量的预设比例系数,且/>;
其中,电池剩余电量是指电池当前尚未消耗的实际电荷量,它表示电池中剩余可供使用的电量,通常以百分比(%)或特定电量单位表示。电池剩余电量可以通过以下公式进行计算:电池剩余电量 = (已放电电量 / 电池容量) * 100%;其中已放电电量可以通过电流积分法来获取,需要说明的是电流积分法是指在一段时间内对电流进行积分,从而得到电池放电电流的累积值,为现存的应用技术,在此不再详细赘述。电池容量是指电池所能储存的电荷量,可以从电池产品的规格表中获取。而较低的剩余电量则更容易获得无线充电的优先权。
AGV任务种类量是指AGV所负责的工作类型得到数量,由于AGV是一种多功能的自动化设备,可以在不同的工作环境中执行多种任务,例如,物料搬运、生产线运输、装配、包装、仓储管理等。可以通过查看生产计划和工作订单,并记录下AGV执行的工作类型的数量,将其做累加运算。AGV负责的工作类型种类越多AGV的重要性则越高,需要进行无线充电的优先级则越高。
经过上述计算得到AGV无线充电优先级评估系数,根据AGV无线充电优先级评估系数采用排序算法对AGV进行正序排序,需要说明的是,排序算法已是现存的成熟技术,可根据实际需要进行选择相应的算法种类,在此不做详细赘述。此时得到AGV的排序表,例如式中,/>表示为经过筛选后需要进行无线充电的AGV。
按照排序表依次正序对AGV进行无线充电。
本实施例对于获取的需要无线充电的AGV根据电池设备参数包括充电倍率、电池剩余电量以及AGV任务种类量计算AGV无线充电优先级评估系数,并根据AGV无线充电优先级评估系数对AGV的无线充电次序进行排序生成排序表,从而按照排序表依次正序对AGV进行无线充电。可以更好地优化在无线充电设备与需要无线充电的AGV出现数量不匹配的问题,可以使在AGV在下一个生产周期开始之前尽可能保持足够的电量,完成首批任务,降低生产风险。
实施例3:
上述实施例2中根据AGV无线充电优先级评估系数得到AGV无线充电次序的排序表,保证了AGV能够结合自身的电池状态以及环境因素的影响优先得到无线充电,但是AGV无线充电能否得到正常充电还需要进一步判断,本实施例3将根据AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数判定AGV无线充电是否得到正常充电,具体实施步骤如下:
自身参数数据包括设备故障率,并将其标记为GZ;
环境参数包括温度偏差值,并将其标记为WD。
将设备故障率、温度偏差值归一化处理,计算AGV无线充电评估系数,其为:式中,PG为AGV无线充电评估系数,/>分别为设备故障率、温度偏差值的预设比例系数,其中/>。
其中:
设备故障率:设备故障率是评估无线充电设备本身的故障率,是判断AGV能否正常充电的关键因素之一。设备故障率可以通过以下公式计算:设备故障率 = (累计故障数量/ 充电设备运行时间)其中,累计故障数量是指在AGV无线充电设备运行的时间段内发生的故障次数,充电设备运行时间是指AGV无线充电设备进行无线充电的总运行时间,需要说明的是,充电设备为整体的充电设备,即充电设备运行时间也为整体的充电设备运行时间。充电设备包括发射装置以及接受装置。设备故障率越低,说明无线充电设备的充电状态越好,反之,则说明无线充电设备需要经常得到维修,很难达到正常充电的效果。
温度偏差值:高温环境下,电磁场传输中的电阻和损耗可能增加,导致能量传输的效率下降;低温环境下,会降低电池的化学反应速率,减少充电的效率。环境温度的过高或过低都可能导致AGV无法进行正常的无线充电,从而提高预警信号的发出。温度偏差值为采集的实际温度与无线充电产品的适宜温度的偏差值,实际温度可通过温度传感器直接采集,而AGV无线充电产品的适宜温度可参考具体的产品说明书,在此不再详细赘述。
设定AGV无线充电评估系数临界阈值,若AGV无线充电评估系数大于等于AGV无线充电评估系数临界阈值,则说明此时AGV无线充电受到自身设备以及环境的影响较大,无法达到正常充电的效果需要发出预警信号,通知工作人员对该辆AGV进行紧急处理。
若AGV无线充电评估系数小于AGV无线充电评估系数临界阈值,则说明此时AGV无线充电的状态良好,可以满足正常充电的效果,无需发出预警信号。
本实施例根据AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数,并设定AGV无线充电评估系数临界阈值,若AGV无线充电评估系数大于等于AGV无线充电评估系数临界阈值,则发出预警信号通知工作人员对该辆AGV进行紧急处理。实现对AGV无线充电状态的实时监测,确保AGV无线充电无法正常充电时能够得到预警,降低生产风险,避免不必要的生产损失。
实施例4:
本实施例是对用于AGV的无线电能传输系统的介绍,图2给出了本发明用于AGV的无线电能传输系统的结构示意图,其包括采集模块、预测模块、处理模块、预警模块,模块间存在信号连接。
采集模块用于获取历史数据包括货物运输数据以及AGV的无线充电状态数据,将获取到的数据信息发送至预测模块进行分析预测;获取电池设备参数包括充电倍率、电池剩余电量以及AGV任务种类量,AGV无线充电设备的自身参数数据包括设备故障率以及环境参数数据包括温度偏差值,将获取到的数据信息发送至处理模块进行分析处理。
预测模块根据采集模块发送的信息构建模糊贝叶斯神经网络预测模型,实现对AGV是否需要无线充电的预测,并将预测结果发送至处理模块。
处理模块根据采集模块以及预测模块发送的数据计算AGV无线充电优先级评估系数和AGV无线充电评估系数,并根据AGV无线充电优先级评估系数生成AGV无线充电正序排序表,同时将AGV无线充电评估系数发送至预警模块。
预警模块根据AGV无线充电评估系数设定AGV无线充电评估系数临界阈值,实现对AGV无线充电是否能够进行正常充电的监测预警。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.用于AGV的无线电能传输控制方法,其特征在于:其包括如下步骤:
步骤S1,获取历史数据包括货物运输数据以及AGV的无线充电状态数据构建模糊贝叶斯神经网络模型实现对AGV在下个生产周期开始之前是否需要无线充电进行预测,并筛选出需要无线充电的AGV集合;
步骤S1包括:
步骤S1-1收集样本数据,货物运输数据包括货物的出入总量和AGV的整体平均电量,AGV的无线充电状态数据;
步骤S1-2构建模糊贝叶斯神经网络模型,并输入样本数据进行训练;
步骤S1-3根据训练好的模型预测的充电需求结果,得到筛选后需要无线充电的AGV集合,并将得到的AGV集合发送至处理模块;
步骤S2,获取电池设备参数和AGV任务种类量计算AGV无线充电优先级评估系数根据AGV无线充电优先级评估系数对需要无线充电的AGV集合正序排序生成排序表;
步骤S3,获取AGV无线充电设备的自身参数数据以及环境参数数据计算AGV无线充电评估系数,根据AGV无线充电评估系数判断AGV是否能够正常进行无线充电,实现监测预警。
2.根据权利要求1所述的用于AGV的无线电能传输控制方法,其特征在于:在步骤2中,电池设备参数包括电池剩余电量;将电池剩余电量、AGV任务种类量归一化处理,通过加权求和计算AGV无线充电优先级评估系数,根据AGV无线充电优先级评估系数对AGV集合进行正序排序,并按照排序表依次正序对AGV集合进行无线充电。
3.根据权利要求1所述的用于AGV的无线电能传输控制方法,其特征在于:在步骤3中,AGV无线充电设备的自身参数数据包括设备故障率以及环境参数数据包括温度偏差值,将设备故障率、温度偏差值归一化处理,通过加权求和计算AGV无线充电评估系数。
4.根据权利要求3所述的用于AGV的无线电能传输控制方法,其特征在于:根据AGV无线充电评估系数设定AGV无线充电评估系数临界阈值,若AGV无线充电评估系数大于等于AGV无线充电评估系数临界阈值,则发出预警信号;
若AGV无线充电评估系数小于AGV无线充电评估系数临界阈值,则无需发出预警信号。
5.用于AGV的无线电能传输系统,用于实现权利要求1-7中任意所述的用于AGV的无线电能传输控制方法,其特征在于,包括:采集模块、预测模块、处理模块、预警模块,模块间存在信号连接;
采集模块用于获取历史数据包括货物运输数据以及AGV的无线充电状态数据,将获取到的数据信息发送至预测模块进行分析预测;还用于获取电池设备参数以及AGV任务种类量;还用于获取AGV无线充电设备的自身参数数据以及环境参数数据,将获取到的电池设备参数以及AGV任务种类量、AGV无线充电设备的自身参数数据以及环境参数数据发送至处理模块进行分析处理;
预测模块根据采集模块发送的信息构建模糊贝叶斯神经网络预测模型,实现对AGV是否需要无线充电的预测,并将预测结果发送至处理模块;
处理模块根据采集模块以及预测模块发送的数据计算AGV无线充电优先级评估系数和AGV无线充电评估系数,并根据AGV无线充电优先级评估系数生成AGV无线充电正序排序表,同时将AGV无线充电评估系数发送至预警模块;
预警模块根据AGV无线充电评估系数设定AGV无线充电评估系数临界阈值,实现对AGV无线充电是否能够进行正常充电的监测预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310893340.0A CN116613867B (zh) | 2023-07-20 | 2023-07-20 | 用于agv的无线电能传输系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310893340.0A CN116613867B (zh) | 2023-07-20 | 2023-07-20 | 用于agv的无线电能传输系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116613867A true CN116613867A (zh) | 2023-08-18 |
CN116613867B CN116613867B (zh) | 2023-12-26 |
Family
ID=87676893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310893340.0A Active CN116613867B (zh) | 2023-07-20 | 2023-07-20 | 用于agv的无线电能传输系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116613867B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808157A (zh) * | 2023-12-29 | 2024-04-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于智能识别的未报备停电行为预测分析系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060181245A1 (en) * | 2005-02-14 | 2006-08-17 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
CN109720223A (zh) * | 2018-12-26 | 2019-05-07 | 广东嘉腾机器人自动化有限公司 | Agv充电管理方法及存储装置及运输系统 |
CN111680924A (zh) * | 2020-06-10 | 2020-09-18 | 国网浙江电动汽车服务有限公司 | 一种充电桩运行状态的评估方法、装置、设备及介质 |
CN112109575A (zh) * | 2020-09-10 | 2020-12-22 | 军事科学院系统工程研究院军事新能源技术研究所 | 一种无人机的充电方法、装置和系统 |
CN112124148A (zh) * | 2020-09-27 | 2020-12-25 | 劢微机器人科技(深圳)有限公司 | Agv小车的充电方法、装置、设备及存储介质 |
CN112613637A (zh) * | 2020-11-30 | 2021-04-06 | 国网北京市电力公司 | 充电负荷的处理方法和装置 |
US20210197685A1 (en) * | 2019-12-31 | 2021-07-01 | Delta Electronics Int'l (Singapore) Pte Ltd | Method for optimizing placement of on-the-go wireless charging units |
CN113867295A (zh) * | 2021-10-11 | 2021-12-31 | 西安交通大学 | 一种基于数字孪生的制造车间agv动态调度方法、系统、设备及存储介质 |
CN114268158A (zh) * | 2021-12-30 | 2022-04-01 | 上海智远弘业智能技术股份有限公司 | 一种充电管理方法、装置及智能停车系统 |
WO2022143903A1 (zh) * | 2020-12-31 | 2022-07-07 | 奥动新能源汽车科技有限公司 | 车用电池的安全评估方法、系统、设备及可读存储介质 |
CN115496390A (zh) * | 2022-09-30 | 2022-12-20 | 南斗六星系统集成有限公司 | 一种无人驾驶车辆车队通用充电调度方法及系统 |
CN116317030A (zh) * | 2023-05-17 | 2023-06-23 | 长通智能(深圳)有限公司 | 集成无线充电和数据传输功能的无线设备 |
-
2023
- 2023-07-20 CN CN202310893340.0A patent/CN116613867B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060181245A1 (en) * | 2005-02-14 | 2006-08-17 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
CN109720223A (zh) * | 2018-12-26 | 2019-05-07 | 广东嘉腾机器人自动化有限公司 | Agv充电管理方法及存储装置及运输系统 |
US20210197685A1 (en) * | 2019-12-31 | 2021-07-01 | Delta Electronics Int'l (Singapore) Pte Ltd | Method for optimizing placement of on-the-go wireless charging units |
CN111680924A (zh) * | 2020-06-10 | 2020-09-18 | 国网浙江电动汽车服务有限公司 | 一种充电桩运行状态的评估方法、装置、设备及介质 |
CN112109575A (zh) * | 2020-09-10 | 2020-12-22 | 军事科学院系统工程研究院军事新能源技术研究所 | 一种无人机的充电方法、装置和系统 |
CN112124148A (zh) * | 2020-09-27 | 2020-12-25 | 劢微机器人科技(深圳)有限公司 | Agv小车的充电方法、装置、设备及存储介质 |
CN112613637A (zh) * | 2020-11-30 | 2021-04-06 | 国网北京市电力公司 | 充电负荷的处理方法和装置 |
WO2022143903A1 (zh) * | 2020-12-31 | 2022-07-07 | 奥动新能源汽车科技有限公司 | 车用电池的安全评估方法、系统、设备及可读存储介质 |
CN113867295A (zh) * | 2021-10-11 | 2021-12-31 | 西安交通大学 | 一种基于数字孪生的制造车间agv动态调度方法、系统、设备及存储介质 |
CN114268158A (zh) * | 2021-12-30 | 2022-04-01 | 上海智远弘业智能技术股份有限公司 | 一种充电管理方法、装置及智能停车系统 |
CN115496390A (zh) * | 2022-09-30 | 2022-12-20 | 南斗六星系统集成有限公司 | 一种无人驾驶车辆车队通用充电调度方法及系统 |
CN116317030A (zh) * | 2023-05-17 | 2023-06-23 | 长通智能(深圳)有限公司 | 集成无线充电和数据传输功能的无线设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808157A (zh) * | 2023-12-29 | 2024-04-02 | 国网江苏省电力有限公司扬州供电分公司 | 基于智能识别的未报备停电行为预测分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116613867B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11036191B2 (en) | Machine learning device, industrial machine cell, manufacturing system, and machine learning method for learning task sharing among plurality of industrial machines | |
US8855954B1 (en) | System and method for prognosticating capacity life and cycle life of a battery asset | |
CN116613867B (zh) | 用于agv的无线电能传输系统及其控制方法 | |
CN103048625B (zh) | 电池的状态预测系统和方法 | |
JP7497432B2 (ja) | バッテリー性能予測 | |
CN111445103A (zh) | 一种基于工业互联网的输电线缆生产质量管理反馈系统 | |
CN112101597A (zh) | 电动汽车租赁运营平台车辆故障预判系统、方法及装置 | |
CN114565162A (zh) | 一种飞行器运输状态监测与安全防护方法及系统 | |
CN115146845A (zh) | 一种面向装备系统级的健康状态评估以及故障预测方法和系统 | |
CN113486926B (zh) | 一种自动化码头设备异常检测系统 | |
CN117330987B (zh) | 基于时间的电池健康状态评估的方法、系统、介质和设备 | |
CN110837857A (zh) | 工业用电负荷预测方法、系统及其存储介质 | |
CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
Lipiec et al. | Towards a health-aware fault tolerant control of complex systems: A vehicle fleet case | |
CN112785074B (zh) | 一种基于深度学习的装备维护修理时机确定系统及方法 | |
Pang | Intelligent belt conveyor monitoring and control | |
CN116819328A (zh) | 一种电动汽车动力电池故障诊断方法、系统、设备及介质 | |
Zymovets et al. | Functional diagnostic system for multichannel mine lifting machine working in factor cluster analysis mode | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN114386631A (zh) | 电力负荷故障的抢修方法、装置及电子设备 | |
Purnomo | Incorporating deep learning data analytics techniques in the optimisation of capacitated planned maintenance | |
CN112926836A (zh) | 一种基于健康状态的分队作战任务匹配方法 | |
Witczak et al. | A fuzzy logic approach to remaining useful life control and scheduling of cooperating forklifts | |
CN112816211A (zh) | 一种基于pso-bp算法的带式输送机故障诊断的方法 | |
Winkens et al. | Determining a suitable maintenance measure for gentelligent components using case-based reasoning |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231201 Address after: 201208 building C, No. 888, Huanhu West 2nd Road, Lingang New Area, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Shanghai Wood Chain Industrial Internet Technology Co.,Ltd. Address before: 710000, Room 1002, 10th Floor, Wealth Center, No. 108, West Section of Second Ring South Road, Lianhu District, Xi'an City, Shaanxi Province Applicant before: Xi'an Fengsheng Intelligent Electronics Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |