期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双深度Q学习网络的面向设备负荷稳定的智能车间调度方法
被引量:
2
1
作者
黎声益
马玉敏
刘鹃
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第1期91-99,共9页
在车间管理中,设备负荷是一个关键性能指标,负荷稳定直接影响了生产效率与生产成本,但目前鲜有研究关注如何实现设备负荷稳定的问题。为此,提出一种面向设备负荷稳定的智能车间调度方法。该方法通过一个含有深度神经网络调度模型的调度...
在车间管理中,设备负荷是一个关键性能指标,负荷稳定直接影响了生产效率与生产成本,但目前鲜有研究关注如何实现设备负荷稳定的问题。为此,提出一种面向设备负荷稳定的智能车间调度方法。该方法通过一个含有深度神经网络调度模型的调度智能体,分析车间生产状态与设备负荷间的相关性,及时输出满足期望目标的调度方案。针对深度神经网络调度模型,设计了一个基于双深度Q学习网络(DDQN)的深度神经网络调度模型训练器,其利用奖惩学习免监督地形成调度样本,借此对深度神经网络调度模型进行网络参数更新,实现模型自学习。所提方法在MiniFab半导体生产车间模型中进行了验证,证明了所提调度方法能实现对智能车间设备负荷的控制,从而保证车间整体设备负荷的稳定性。
展开更多
关键词
智能车间
设备负荷
调度
深度Q学习网络
下载PDF
职称材料
基于Q学习的智能车间自适应调度方法
2
作者
蔡静雯
马玉敏
+1 位作者
黎声益
刘鹃
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第11期3727-3737,共11页
为降低智能车间中动态不确定因素对生产性能的影响,提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架,采用Q学习算法,通过智能体—环境交互试错机制,自主训练调度模型,并根据生产车间环境...
为降低智能车间中动态不确定因素对生产性能的影响,提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架,采用Q学习算法,通过智能体—环境交互试错机制,自主训练调度模型,并根据生产车间环境变化动态更新调度模型,以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证,结果证明该方法能够有效应对智能车间生产环境变化,在生产全过程中能对调度决策进行实时调整,优化车间综合性能指标,同时显著降低时间与人力成本。
展开更多
关键词
智能车间
自适应调度
强化学习
Q学习
下载PDF
职称材料
题名
基于双深度Q学习网络的面向设备负荷稳定的智能车间调度方法
被引量:
2
1
作者
黎声益
马玉敏
刘鹃
机构
同济大学电子与信息工程学院
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第1期91-99,共9页
基金
国家重点研发计划资助项目(2018AAA0101704)
国家自然科学基金资助项目(61873191,71690230,71690234)。
文摘
在车间管理中,设备负荷是一个关键性能指标,负荷稳定直接影响了生产效率与生产成本,但目前鲜有研究关注如何实现设备负荷稳定的问题。为此,提出一种面向设备负荷稳定的智能车间调度方法。该方法通过一个含有深度神经网络调度模型的调度智能体,分析车间生产状态与设备负荷间的相关性,及时输出满足期望目标的调度方案。针对深度神经网络调度模型,设计了一个基于双深度Q学习网络(DDQN)的深度神经网络调度模型训练器,其利用奖惩学习免监督地形成调度样本,借此对深度神经网络调度模型进行网络参数更新,实现模型自学习。所提方法在MiniFab半导体生产车间模型中进行了验证,证明了所提调度方法能实现对智能车间设备负荷的控制,从而保证车间整体设备负荷的稳定性。
关键词
智能车间
设备负荷
调度
深度Q学习网络
Keywords
smart shop floor
equipment load
scheduling
deep Q-learning network
分类号
TH166 [机械工程—机械制造及自动化]
TP278 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于Q学习的智能车间自适应调度方法
2
作者
蔡静雯
马玉敏
黎声益
刘鹃
机构
同济大学电子与信息工程学院
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2023年第11期3727-3737,共11页
基金
国家重点研发计划资助项目(2018AAA0101704)
国家自然科学基金资助项目(61873191,62133011,61973237)。
文摘
为降低智能车间中动态不确定因素对生产性能的影响,提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架,采用Q学习算法,通过智能体—环境交互试错机制,自主训练调度模型,并根据生产车间环境变化动态更新调度模型,以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证,结果证明该方法能够有效应对智能车间生产环境变化,在生产全过程中能对调度决策进行实时调整,优化车间综合性能指标,同时显著降低时间与人力成本。
关键词
智能车间
自适应调度
强化学习
Q学习
Keywords
smart shop floor
self-adaptive scheduling
reinforcement learning
Q-learning
分类号
TH166 [机械工程—机械制造及自动化]
TP278 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双深度Q学习网络的面向设备负荷稳定的智能车间调度方法
黎声益
马玉敏
刘鹃
《计算机集成制造系统》
EI
CSCD
北大核心
2023
2
下载PDF
职称材料
2
基于Q学习的智能车间自适应调度方法
蔡静雯
马玉敏
黎声益
刘鹃
《计算机集成制造系统》
EI
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部