Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜江南大学王子赟获国家专利权

恭喜江南大学王子赟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜江南大学申请的专利一种动力电池产线优化重组方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114529059B

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210084356.2,技术领域涉及:G06Q10/04;该发明授权一种动力电池产线优化重组方法是由王子赟;程林;王艳;陈宇乾;纪志成设计研发完成,并于2022-01-19向国家知识产权局提交的专利申请。

一种动力电池产线优化重组方法在说明书摘要公布了:本发明公开了一种动力电池产线优化重组方法,属于产线重组领域。该方法根据动力电池车间产线优化的静态数学模型利用粒子群方法进行全局搜索;在粒子群方法全局搜索时,设计了一种多重对称学习方法避免个体最优粒子陷入局部最优;根据改进的个体最优粒子,设计了一种改进变邻域方法避免群体最优粒子陷入早熟收敛,得到静态产线优化重组结果;在动力电池生产车间并行机器故障情况下,获取机器故障约束以及受影响的生产工序;进一步在静态产线优化重组结果的基础上对受影响的生产工序进行局部产线优化重组法。该方法不仅获得更好的静态产线优化重组方案,还降低了机器故障对动态产线优化重组结果的影响,得到良好的动态产线优化重组结果。

本发明授权一种动力电池产线优化重组方法在权利要求书中公布了:1.一种动力电池静态产线优化重组方法,其特征在于,所述方法包括:Step1:获取动力电池车间产线优化的静态数学模型;Step2:根据Step1确定的静态数学模型,确定粒子群的适应度函数和解码方式,利用粒子群方法进行全局搜索,全局搜索过程中采用多重对称学习方法寻找个体最优粒子,以避免个体粒子寻优过程中陷入局部最优;Step3:根据Step2得到的个体最优粒子,采用改进变邻域方法避免群体最优粒子陷入早熟收敛,得到静态产线优化重组结果;所述Step1中动力电池车间产线优化的静态数学模型为:确定动力电池生产流程包括的道工序,第道工序对应的并行加工设备包括台;待完成电池订单n种,任意一种订单在第道工序时选择该工序任一台机器上进行加工,表示订单完成道工序的加工完工时间;设所有订单的最大完工时间为,则动力电池车间产线优化的静态数学模型的目标函数为: 1动力电池静态产线优化约束条件包括: 2 3 4 5 6 7其中,表示每道工序上并行机的机器号,;表示订单在第道加工工序的机器上进行加工,当订单在第道加工工序的机器上进行加工时,否则;表示订单在第道加工工序的完工时间;表示订单在第道加工工序的加工开始时间;表示订单在第道加工工序的加工时间;表示在第道加工工序的机器上加工的订单数量;所述Step2中根据Step1确定的静态数学模型确定粒子群的适应度函数为: 8粒子的速度更新和位置更新规则如下: 9 10 11其中,表示迭代次数,为惯性常数,取值范围为0.8~1.2;为自我学习因子,为群体学习因子;为区间[0,1]上均匀分布的随机数;是粒子在第次迭代中的第维的位置;是粒子在第次迭代中的第维的速度;是粒子在第次迭代中的第维的个体最优的位置;是群体粒子在第次迭代中第维的全局最优的位置,为粒子搜索范围的最小值,为粒子搜索范围的最大值;粒子群全局搜索过程中采用多重对称学习方法寻找个体最优粒子,包括:对于维空间粒子,其中,随机产生对1到n之间的随机整数b和c确定轴与轴形成的对称平面放置在原点处,定义由粒子p经过对称平面产生的粒子为对称粒子,则对对称粒子的坐标分量表示为 12如果满足,且,则粒子代替粒子,否则继续采用粒子进行后续迭代;对更新停滞的粒子进行次多重对称学习,得到个对称粒子,对于某粒子,若出现某个对称粒子的适应度优于其自身的适应度且优于该粒子的其他对称粒子的适应度,则用该对称粒子替换原来更新停滞的粒子;迭代过程中,定义适应度最好的个体粒子为群体最优粒子;所述改进变邻域方法中,定义3个新的邻域结构:1多重对称学习:对于某个粒子随机生成多个对称平面得到对称粒子;2反向学习:对于某个粒子求出该粒子的反向解;3遗传变异逆序:对于某个粒子,随机选择粒子位置向量中的两个位置点,将该两点间的片段逆序得到逆序粒子;采用改进变邻域方法避免群体最优粒子陷入早熟收敛,得到静态产线优化重组结果,包括:利用次抖动操作判断群体最优粒子是否陷入早熟收敛;若群体最优粒子陷入早熟收敛,则保存抖动后的最优粒子进行下一步的次局部搜索得到最终的群体最优粒子;反之,无需局部搜索直接输出此群体最优粒子;根据群体最优粒子的位置向量,根据解码规则可得到最终的静态产线优化重组结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人江南大学,其通讯地址为:214122 江苏省无锡市滨湖区蠡湖大道1800号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。