摘要
本发明公开了一种基于时序信息推理的煤矿井下无轨胶轮车智能调度方法,根据深度强化学习建立煤矿井下无轨胶轮车自适应智能调度方案,并获取无轨胶轮车周围环境变化情况,两者结合评估智能调度方案的可行性,若满足要求,则基于蚁群算法建立煤矿井下无轨胶轮车路径规划方案,并通过建立无轨胶轮车环境感知系统,实现车辆运行环境的全维度感知;同时基于蜂群优化算法建立交通信号智能优化方案,最后建立车辆到站时间及等候时长预测方案,将多种方案相互配合,能对井下无轨胶轮车进行路径规划及智能调度,最终确保无轨胶轮车的运输效率和运输安全性。
技术关键词
智能调度方法
车辆到站时间
交通信号智能
环境感知系统
智能交通管控
煤矿井下
启发式信息
井下无轨胶轮车
无轨胶轮车运输
规划
时序
车辆环境感知
显示车辆位置
车辆历史轨迹
蚁群算法
蚂蚁
系统为您推荐了相关专利信息
移动充电站
智能调度方法
核密度估计方法
智能调度系统
数据分布
信任评估方法
数据存储系统
特征值
粒子群优化算法
数据嵌入
面向工业园区
智能调度方法
配电网供电优化
负荷预测模型
回归树模型
智能调度系统
发电设备
电力需求预测
混合优化算法
储能设备
分布式资源
优化调控模型
智能调度方法
小型发电机
储能设备