摘要
本发明为智能制造领域,具体涉及隧道掘进机协同制造的智能调度方法,该方法中获取多源异构数据,包括设计数据、工艺数据、生产数据和物料数据等,为智能调度提供了丰富的数据基础。采用基于本体的数据融合方法,有效解决了多源异构数据的语义异构和结构异构问题。通过构建隧道掘进机制造领域本体模型,实现了不同来源数据的语义关联和共享,提高了数据的可用性和可理解性。提出将混合整数规划与深度强化学习相结合的算法用于隧道掘进机协同制造的智能调度。引入鲁棒优化方法增强调度方案的鲁棒性,考虑了隧道掘进机制造过程中原材料供应、设备维修等不确定因素的影响。
技术关键词
隧道掘进机
智能调度方法
鲁棒优化方法
混合整数规划模型
智能调度系统
深度强化学习算法
多源异构数据
数据融合方法
可视化界面
优化调度算法
回声状态网络
决策
实时状态信息
实时监控系统
鲁棒性
设备运行状态
深度Q网络
系统为您推荐了相关专利信息
鲁棒优化方法
微电网
储能
两阶段鲁棒优化
历史数据驱动
资源调度优化方法
配电网设备
分布式电源
混合整数规划模型
注意力
城市交通智能管理
动态信号控制系统
分布式计算框架
数据共享平台
智能调度系统
共享电单车
智能调度方法
站点
优化调度策略
数据