CN109977025B - 一种工业机器人伺服***性能单工位测试建模调度方法 - Google Patents
一种工业机器人伺服***性能单工位测试建模调度方法 Download PDFInfo
- Publication number
- CN109977025B CN109977025B CN201910268830.5A CN201910268830A CN109977025B CN 109977025 B CN109977025 B CN 109977025B CN 201910268830 A CN201910268830 A CN 201910268830A CN 109977025 B CN109977025 B CN 109977025B
- Authority
- CN
- China
- Prior art keywords
- test
- state
- servo system
- industrial robot
- robot servo
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008859 change Effects 0.000 claims abstract description 18
- 238000011056 performance test Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 241000544061 Cuculus canorus Species 0.000 claims abstract description 10
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 6
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000001174 ascending effect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000002922 simulated annealing Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种工业机器人伺服***性能单工位测试建模调度方法,包括:根据测试项目规定的测试步骤和测试要求,整理各测试项目的测试序列,所述测试序列包括状态因子和有向线段;选择所需测试的工业机器人伺服***性能测试项目;根据所选择的测试项目的测试序列,建立相应的测试序列集,根据所设计的合并和拆分规则,构建以状态因子为基础,状态因子变化时间为元素的测试矩阵;利用随机键布谷鸟算法对测试矩阵进行最短时间测试序列求解;根据所求解得到的最短时间测试序列,对工业机器人伺服***的待测试项目执行对应的测试操作。本发明通过对单工位下工业机器人伺服***多个性能测试项目进行建模调度,实现多个测试任务的调度优化,实现了工业机器人伺服***性能测试的自动化、高效化、智能化。
Description
技术领域
本发明属于伺服***——包括伺服驱动器和伺服电机性能测试技术领域,尤其涉及一种工业机器人伺服***性能单工位测试建模调度方法。
背景技术
工业机器人伺服***是决定工业机器人运动速度、定位精度、承载能力、作业性能的核心部件,其控制性能和驱动性能的好坏直接决定着工业机器人性能的好坏。因此,对伺服***的性能进行有效的、客观的、专业的测试,是目前高性能工业机器人伺服***研发过程中的重要环节。工业机器人伺服***技术指标繁多,所要测试的性能指标也相应较多。根据伺服驱动器和伺服电机测试标准整理的,与工业机器人伺服***相关的性能测试项目多达45项。如果按照目前主流的逐个性能项目进行测试的方法,则测试过程不仅时间上效率低下,测试能耗也相应大增。然而,总结工业机器人伺服***的性能测试特点,包括:①工序繁琐;②性能指标多;③测试对平台以及测试条件具有共性。因此,结合先进的调度建模方法以及使用合适的最优化求解方法对模型进行求解,获得最优测试序列并进行自动测试,是实现工业机器人伺服***测试节能化、高效化和自动化的有效途径。
本发明公开了一种工业机器人伺服***性能单工位测试建模调度方法,该方法对工业机器人伺服***——伺服驱动器和伺服电机的测试过程使用所设计的建模方法构建相应调度模型,并采用改进的随机键布谷鸟算法对该调度模型进行求解,得到所选定的性能测试项目下的最短时间测试序列,并执行相应的测试任务。该方法将极大地提高测试效率,节约测试能耗。
上述具体专利对比文件和相关文献为:
1)“一种新型工业机器人伺服电机制动力矩试验台及试验方法”,专利申请号201710600217。本发明公开了一种新型工业机器人伺服电机制动力矩试验台,包括承载基座、工作台、控制电路、转速传感器、电磁制动器、压力传感器、传动轴、制动盘、电加热装置、制冷机组、蓄水箱、喷淋泵、引流风机、出风口和喷淋口及伺服驱动装置,其试验方法包括设备组装,静态检测,动态检测及综合计算等4个步骤。该试验台及试验方法虽然可有效的获得工业机器人伺服电机在不同工作环境下的制动力矩等可靠参数,但是测试性能单一,而事实上,在进行制动力矩测试的时候,通过调度优化,可以进行工业机器人伺服电机负载特性、响应特性等的测试,但是,该发明都没有涉及。
2)“一种测试任务调度方法”,专利号ZL201610262281.7,该发明公开了一种测试任务调度方法,通过设置一定数量的测试任务队列,并为每个测试任务队列指定可入列测试任务的优先级范围,测试时根据各测试任务优先级添加到相应的测试任务的队列中。该发明仅根据测试中的项目优先级进行重新分配排列,并不能实质缩短测试时间,提高测试效率。
3)“多任务的串行调度方法以及装置”,专利申请号201610130066.1,该申请公开了一种多任务的串行调度方法以及装置。其中,该方法包括:接收多任务的串行调度请求,根据当前串行调度的批次标识确定当前串行调度的配置信息,根据执行序号以及任务所属***的标识对配置信息中的任务进行调度。该方法仅保证了任务变更时的调度及执行,对于工业机器人伺服***从选定测试任务作为调度模型的输入而言,并不能实现其优化执行的效果。
4)南京财经大学的施文章、韩伟、戴睿闻在2017年第17期《计算机工程与应用》上《模拟退火下布谷鸟算法求解车间作业调度问题》,该文章提出了一种模拟退火下布谷鸟算法,在模拟退火框架下增强改进布谷鸟算法跳出局部最优的能力,能解决车间作业调度问题,使车间作业的最大完工时间最短。该文章提出的调度模型适用于多机器、多工序的作业调度,但工业机器人伺服***测试过程属于单工位多任务调度,其调度模型的建立与该论文所述方法明显不同,该求解算法不适用于求解工业机器人伺服***测试任务的调度模型。
发明内容
为解决上述技术问题,本发明的目的是提供一种工业机器人伺服***性能单工位测试建模调度方法,该方法通过整理工业机器人伺服***各性能测试项目中与测试时间相关的状态因子,由状态因子与有向线段构成各性能测试项目的测试序列,然后根据所需测试的性能项目的测试序列,根据所设计的合并和拆分规则,构建测试矩阵,最后利用改进的随机键布谷鸟算法求解得到最短时间测试序列,并执行相应的测试操作,从而实现工业机器人伺服***单工位性能测试的自动化、高效化、智能化。
本发明的目的通过以下技术方案来实现:
一种工业机器人伺服***性能单工位测试建模调度方法,包括以下步骤:
步骤A、根据测试项目规定的测试步骤和测试要求,整理各测试项目的测试序列,所述测试序列包括状态因子和有向线段;
步骤B、选择所需测试的工业机器人伺服***性能测试项目;
步骤C、根据所选择的测试项目的测试序列,建立相应的测试序列集,根据所设计的合并和拆分规则,构建以状态因子为基础,状态因子变化时间为元素的测试矩阵;
步骤D、利用随机键布谷鸟算法对测试矩阵进行最短时间测试序列求解;
步骤E、根据所求解得到的最短时间测试序列,对工业机器人伺服***的待测试项目执行对应的测试操作。
与现有技术相比,本发明的一个或多个实施例可以具有如下优点:
通过整理测试标准中的测试步骤和测试要求,得到与测试时间相关的状态因子,并与表达状态变化前后关系的有向线段结合,构成测试序列,根据测试序列对测试过程进行调度建模,并利用布谷鸟算法进行求解得到最短时间测试序列,最后根据所得的最短时间测试序列执行单工位的多任务测试操作,极大提高测试效率,缩短测试时间,降低测试能耗。
附图说明
图1是工业机器人伺服***性能单工位测试建模调度方法流程图;
图2是工业机器人伺服***性能单工位测试建模调度方法实现流程图。
具体实施方式
本实施例提供了一种工业机器人伺服***性能单工位测试建模调度方法,其中,工业机器人伺服***,包括伺服驱动器和伺服电机两部分。单工位测试,是指在一个工业机器人伺服***测试平台上进行一个工业机器人伺服***的测试。建模调度方法是指根据工业机器人伺服***性能测试项目的相关标准规定的测试步骤和测试要求,设计一定的建模规则,建立以待测试项目为基础的测试过程调度模型,并应用最优化算法,对调度模型进行求解,得到最短时间内完成待测试项目的测试过程描述,并指导测试执行。
为使本发明的目的、技术方案和优点更加清楚,下面将结合实施例及附图对本发明作进一步详细的描述。
如图1所示,一种工业机器人伺服***性能单工位测试建模调度方法,包括以下步骤:
步骤10、根据工业机器人伺服***性能测试项目的相关标准规定的测试步骤和测试要求,整理各测试项目中与测试时间有关的状态因子,并将状态因子与表示状态因子前后关系的有向线段结合,组成相应的测试序列;
步骤20、选择所需测试的工业机器人伺服***性能测试项目;
步骤30、根据所选择的测试项目的测试序列,建立相应的测试序列集,根据所设计的合并和拆分规则,构建以状态因子为基础,状态因子变化时间为元素的测试矩阵;
步骤40、利用改进的随机键布谷鸟算法对测试矩阵进行最短时间测试序列求解;
步骤50、根据所求解得到的最短时间测试序列,对工业机器人伺服***的待测试项目执行对应的测试操作。
步骤10中,与测试时间相关的状态因子是指以伺服***测试平台为基础,有向线段,是表示状态因子的前后关系,即状态变化的先后关系;组成相应的测试序列,是指根据工业机器人伺服***性能测试项目的相关标准规定的测试步骤和测试要求,在安装了待测伺服***的伺服***测试平台中,伺服***测试平台经历“初始状态→达到测试状态→结束状态”的状态因子的组合,同时,在各状态因子间使用有向线段。
如图2所示,根据工业机器人伺服***性能测试项目的相关标准规定的测试步骤和测试要求,整理与测试时间有关的参量,包括:①测试平台中联轴器状态及状态变化时间aCi,②被测伺服电机运行状态及状态变化时间bTMi,③负载电机运行状态及状态变化时间cLMi,④测试运行的时间dRTi,⑤平台中测试仪器测试所需的时间eTTi。其中,前3个状态参量包括状态值和状态变化时间2个维度的数据,2个维度的信息联动影响测试时间。由5参量构成状态因子,如下表1所示。则状态因子yi由这5个状态参量唯一确定,有:
yi=aCibTMicLMidRTieTTi
则根据表1,初始状态y0=a1b1c1d0e0,而结束状态由于不涉及运行时间和测试时间的计算,因此y0=a1b1c1。其中,前3项——a、b和c为状态值,计算时间的时候需要进行转换后计算。表1是工业机器人伺服***性能测试状态因子列表。
表1
例如,负载电流测试涉及的参量值为:联轴器=a2(连接),被测电机=b2(转速闭环指令-额定转速),负载电机=c4(扭矩开环指令-被测电机额定负载),运行时间dLC(30s),测试时间eLC(功率计测试时间1s);则有:
yLC=a2b2c4dLCeLC
则每个测试项目的测试序列由状态因子与有向线段组成,比如负载电流测试项目的测试序列有:
YLC:y0→yLC→yend。
步骤20中,根据所需要测试的性能选择相应的性能测试项目。
步骤30中,所设计的合并和拆分规则,是指:合并规则是将序列中存在的相同的状态因子进行合并;拆分规则是在测试序列集中,对含有两状态因子相同而有向线段方向相反的子序列,将其中1个子序列的状态因子复制成虚拟状态因子,虚拟状态因子与原状态因子性质相同,有向线段方向保持不变。
根据所选测试项目的测试序列,具体按照如下合并和拆分规则处理:
1)将初始状态和结束状态作合并处理,即将各测试项目序列的初始状态y0和结束状态yend合并,最后使待优化的测试序列集中只有一个y0和yend;
2)将各测试项目中测试序列去除初始状态y0和结束状态yend,剩余的序列分成单状态因子序列集和多状态因子序列集2个集合,其中,但状态因子序列集包含单个状态因子,不含有向线段,而多状态因子序列集包含2个或2个以上的状态因子及状态因子间的有向线段组成的子序列;
3)对比单状态因子序列集与多状态因子序列集是否有相同的序列,若有,则删除单状态因子组中相应的序列,即删除该状态因子;
4)对比多状态因子序列集中是否存在2个状态因子相同,有向线方向相反的子序列,有则复制其中1个子序列的2个状态因子,状态因子性质相同,比如:多状态因子序列集中,存在y1→y2,又存在y2→y1,则第2个子序列中的y1和y2复制出虚拟状态因子y1’和y2’,其性质等同于原来的y1和y2,有向线约束为y2’→y1’。
合并和拆分处理完毕后,构建以状态因子为基础,状态因子变化时间为元素的测试矩阵,其形式如下:
其中,tij为状态因子yj到yi所需要的时间,其满足如下关系:
其中,t(yj-yi)与状态因子yj和yi各参量的状态变化和状态变化时间有关系,设
yi=aCibTMicLMidRTieTTi
yj=aCjbTMjcLMjdRTjeTTj
则:
t(yi→yj)=[t(aCj)-t(aCi)]+max{[t(bTMj)-t(bTMi)],[t(cLMj)-t(cLMi)]}
+t(dRTj)+t(eTTj)
步骤40中,以步骤30得到的测试矩阵为基础,将优化问题转化成求解以y0开始,以yend结束的时间最短的测试序列。因此,使用改进的随机键布谷鸟算法进行求解,具体步骤参考图2,详细描述如下:
1)初始化布谷鸟种群。
设定种群规模为n,解的维度=测试路径矩阵除y0和yend外的所有状态因子的总数,设为m。每个初始解按照随机键编码的方法进行初始化,即状态因子按照下标升序排列,如{y1,y2,…,ym},然后随机生成m个(0,1]的随机数,作为每个状态因子随机键,类似一个代理记号,然后每个状态因子按照所对应的随机键进行升序排列,获得初始解。
2)根据当前迭代次数以及总迭代次数根据所设计的自适应调整算子计算当前解随机键变换个数,设当前迭代次数为it,总迭代次数为tot,则有随机键变换概率:
如w>0.9,则随机变换其中3个随机键;如w在[0.1,0.9]区间上,则随机变换其中2个随机键;如w<0.1,则随机变换其中1个随机键。
3)根据步骤2)中确认的随机键变换个数,在候选解中随机选取相应的随机键个数,按照莱维飞行进行随机键值的更新。设原随机键值xi,则更新后的随机键值xi+1由如下公式得到:
其中,
各候选解按照更新的随机键值进行升序排列,获得新解。
4)对每个候选解计算相应的适应度,适应度函数如下:
其中,y(i)为在候选解中排序为第i位的状态因子,且i∈(1,m)。
每个更新后的候选解Si的适应度f(Si)与前一次迭代的最优解Sbest的适应度f(Sbest)进行比较,如果f(Si)<f(Sbest),则将当前候选解Si赋值给Sbest;否则,按照概率Pa删除部分候选解,并进入初始化程序生成相等于删除数量的候选解,进入下一个迭代过程。
5)检查是否达到迭代结束条件,若达到,则输出最优解以及最优解相对应的测试时间,其中,最优解即为最短时间测试序列。
步骤50中,根据步骤40所获最短时间测试序列,还原相应测试操作并执行测试,实现所选项目的测试优化调度。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (5)
1.一种工业机器人伺服***性能单工位测试建模调度方法,其特征在于,所述方法包括以下步骤:
步骤A、根据测试项目规定的测试步骤和测试要求,整理各测试项目的测试序列,所述测试序列包括状态因子和有向线段;
步骤B、选择所需测试的工业机器人伺服***性能测试项目;
步骤C、根据所选择的测试项目的测试序列,建立相应的测试序列集,根据所设计的合并和拆分规则,构建以状态因子为基础,状态因子变化时间为元素的测试矩阵;
步骤D、利用随机键布谷鸟算法对测试矩阵进行最短时间测试序列求解;
步骤E、根据所求解得到的最短时间测试序列,对工业机器人伺服***的待测试项目执行对应的测试操作;
所述合并规则是将序列中存在的相同的状态因子进行合并;拆分规则是在测试序列集中,对含有两状态因子相同而有向线段方向相反的子序列,将其中1个子序列的状态因子复制成虚拟状态因子,虚拟状态因子与原状态因子性质相同,有向线段方向保持不变;
构建以状态因子为基础,状态因子变化时间为元素的测试矩阵,其形式如下:
其中,tij为状态因子yj到yi所需要的时间,其满足如下关系:
2.根据权利要求1所述的工业机器人伺服***性能单工位测试建模调度方法,其特征在于,所述步骤A中,所述状态因子与测试时间相关,是指以伺服***测试平台为基础,结合各测试项目标准的测试要求和步骤,整理出测试平台中与测试时间相关的具有共性的参量,并组合成状态因子。
3.根据权利要求2所述的工业机器人伺服***性能单工位测试建模调度方法,其特征在于,所述参量包括:测试平台中联轴器状态及状态变化时间aCi、被测伺服电机运行状态及状态变化时间bTMi、负载电机运行状态及状态变化时间cLMi、测试运行的时间dRTi及平台中测试仪器测试所需的时间eTTi。
4.根据权利要求1所述的工业机器人伺服***性能单工位测试建模调度方法,其特征在于,所述步骤A中有向线段表示状态因子的前后关系,即状态变化的先后关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268830.5A CN109977025B (zh) | 2019-04-04 | 2019-04-04 | 一种工业机器人伺服***性能单工位测试建模调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910268830.5A CN109977025B (zh) | 2019-04-04 | 2019-04-04 | 一种工业机器人伺服***性能单工位测试建模调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109977025A CN109977025A (zh) | 2019-07-05 |
CN109977025B true CN109977025B (zh) | 2021-03-26 |
Family
ID=67082882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910268830.5A Active CN109977025B (zh) | 2019-04-04 | 2019-04-04 | 一种工业机器人伺服***性能单工位测试建模调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977025B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837410B (zh) * | 2019-10-30 | 2022-05-24 | 北京奇艺世纪科技有限公司 | 任务调度方法、装置、电子设备及计算机可读存储介质 |
CN112100824B (zh) * | 2020-08-26 | 2024-02-27 | 西安工程大学 | 一种改进的布谷鸟算法及优化机器人结构参数的方法 |
CN113426683B (zh) * | 2021-06-04 | 2023-06-30 | 江苏暖阳半导体科技有限公司 | 一种MiniLED的检测分选*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996015481A2 (en) * | 1994-11-09 | 1996-05-23 | Amada Company, Limited | Intelligent system for generating and executing a sheet metal bending plan |
CN108120930A (zh) * | 2017-12-28 | 2018-06-05 | 株洲中达特科电子科技有限公司 | 一种交流伺服***的测试*** |
-
2019
- 2019-04-04 CN CN201910268830.5A patent/CN109977025B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996015481A2 (en) * | 1994-11-09 | 1996-05-23 | Amada Company, Limited | Intelligent system for generating and executing a sheet metal bending plan |
CN108120930A (zh) * | 2017-12-28 | 2018-06-05 | 株洲中达特科电子科技有限公司 | 一种交流伺服***的测试*** |
Non-Patent Citations (1)
Title |
---|
"工业机器人专用高速伺服控制器硬件开发";苏渊博等;《智能机器人》;20181015;第36-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109977025A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977025B (zh) | 一种工业机器人伺服***性能单工位测试建模调度方法 | |
CN112734172A (zh) | 一种基于时序差分的混合流水车间调度方法 | |
CN110609531A (zh) | 一种基于数字孪生的车间调度方法 | |
US8924331B2 (en) | System and method for solving quadratic programming problems with bound constraints utilizing a semi-explicit quadratic programming solver | |
CN109960871B (zh) | 一种工业机器人精密减速器性能单工位测试建模调度方法 | |
CN115617690A (zh) | 基于改进自适应遗传算法的并行测试任务调度方法 | |
JP2011154439A (ja) | 最適化処理プログラム、方法及び装置 | |
CN111552553A (zh) | 一种基于模拟退火的多任务快速调度方法 | |
Li et al. | Bottleneck identification and alleviation in a blocked serial production line with discrete event simulation: A case study. | |
Yuan et al. | A multi-agent double deep-Q-network based on state machine and event stream for flexible job shop scheduling problem | |
CN103105775B (zh) | 基于序优化与在线核极限学习机的分层迭代优化调度方法 | |
CN107967335B (zh) | 一种分布式sql处理方法及*** | |
CN113591398B (zh) | 基于深度强化学习的智能作业分批方法、装置及电子设备 | |
CN110348669A (zh) | 智能规则生成方法、装置、计算机设备及存储介质 | |
Wei et al. | Composite rules selection using reinforcement learning for dynamic job-shop scheduling | |
CN111126706B (zh) | 基于知识驱动的功能变更传播路径和工作量预测方法 | |
Liu et al. | Research on the job shop scheduling problem based on digital twin and proximal policy optimization | |
CN110941877A (zh) | 一种针对纯电动汽车电机工作区域的分析方法 | |
Li et al. | Learning-based release control of semiconductor wafer fabrication facilities | |
Wang et al. | An improved smt-based scheduling for overloaded real-time systems | |
ZHANG et al. | MANUFACTURING FLOW SHOP SCHEDULING PROBLEM BASED ON SIMULATED ANNEALING ALGORITHM. | |
CN117352109B (zh) | 应用于钛合金锻造的虚拟建模方法、装置、设备、介质 | |
CN116454890B (zh) | 基于scuc模型的机组组合控制方法、装置和设备 | |
CN118095401B (zh) | 仓库收纳的后状态离轨策略强化学习训练加速方法 | |
Boonstra et al. | Multi-disciplinary optimization of building spatial designs |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |