龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江新时代中能科技股份有限公司
摘要：本发明公开了一种基于强化学习的人机协同拆解退役动力电池任务序列优化方法，其采用离线的决策方法，首先通过数据库获得待拆解目标的完整信息，基于信息确定待拆解工件的拆解树模型。在确定待拆解工件的结构后创建强化学习环境，并使用Q‑learning算法引导双智能体进行探索学习，最后获得人机协同拆解最优序列。本发明提供了一种具有动态适应性的，优化效率高的电池拆解方法，通过结合工作台上的机器视觉捕捉的相关数据，与本地的电池包三维模型对比，得到基于现实情况的虚拟拆解环境，智能体在环境中交互得到的最优拆解策略即为基于真实工件状态下的最优拆解策略。
主权项：1.基于强化学习的人机协同拆解退役动力电池任务序列优化方法，其特征在于，包括如下步骤：步骤S01：对动力电池模型进行结构分析，得到拆解干涉信息，利用拆解干涉信息建立拆解树；步骤S02：根据拆解树和其他拆解信息设计强化学习环境；步骤S03：使用智能体在强化学习环境中根据设定好的参数进行迭代学习策略，记录逐渐收敛的最优策略；步骤S04：使用现场视觉感知系统实时检测正进行工序，与强化学习中拟定的路线进行比对确认，根据现实情况下的异常进行调整强化学习环境，并重新探索得出目前情况下的最优拆解策略，更新现有的任务分配结果和执行序列。
全文数据：
权利要求：
百度查询： 浙江新时代中能科技股份有限公司 基于强化学习的人机协同拆解退役动力电池任务序列优化方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号