-
公开(公告)号：CN118036987A
公开(公告)日：2024-05-14
申请号：CN202410235200.9
申请日：2024-03-01
申请人： 沈阳理工大学
IPC分类号： G06Q10/0631 , G06Q10/083 , G06Q10/047 , G06Q50/02
摘要： 本发明提供一种基于WPT技术的混动矿卡低能耗调度方法，涉及无线电能传输技术领域。该方法首先设定混合动力矿卡的工作条件、工作模式及自身的车辆状态；然后构建矿卡优化调度模型的目标函数，以最小化整个矿区的能耗；并设定矿卡优化调度模型的约束条件，确保露天矿混动矿卡调度的可行性和效率；最后设计基于WPT技术的混动矿卡低能耗调度线性规划算法，求解矿卡优化调度模型，优化混动矿卡在露天矿的低能耗调度路径。该方法通过计算各路径之间的能耗来制定高效的运输和充电策略，为混动矿卡提供一种新的能量补给方式，降低对传统燃料的依赖，进一步降低能耗。
-
公开(公告)号：CN111542096B
公开(公告)日：2022-02-11
申请号：CN202010356993.1
申请日：2020-04-29
申请人： 沈阳理工大学
摘要： 本发明提供一种基于请求域扩展和空洞处理的路由方法，涉及无线传感器网络技术领域。本发明步骤如下：进行路由发现和请求域选择过程；广播数据包RREQ；收到数据包的节点若是目的节点执行路由回复过程；若否判断节点是否在请求域内，若否丢弃数据包；若是获取该节点的邻居节点，邻居节点中若有邻居节点到期望域圆心的距离小于节点到圆心的距离则广播RREQ，若否进行空洞处理过程；若局部空洞处理失败，向重发现源节点Sn发送ERROR包，重发现源节点Sn收到ERROR后根据新的角度求出请求域，更新RREQ中的请求域值，广播RREQ；该方法能够处理遇到路由空洞时转发节点选择问题，同时依据节点稳定度和链路稳定度设计节点间信任值，将其用于链路断裂预警处理。
-
公开(公告)号：CN118550294A
公开(公告)日：2024-08-27
申请号：CN202410604651.5
申请日：2024-05-15
申请人： 沈阳理工大学
摘要： 本发明提供一种基于实时事故回报值的无人矿卡路径规划方法，涉及无人矿卡的路径规划技术领域。该方法具体包括：构建局部露天矿区突发事故模型，包括：露天矿区模型、障碍物、突发事故区以及短期目标点；构建基于车路协同的无人驾驶矿卡路径规划策略系统；无人驾驶矿卡车群按照预设的行驶路径在局部露天矿区突发事故模型中行驶，利用基于车路协同的无人驾驶矿卡路径规划策略系统在无人驾驶矿卡车群的行驶过程中建立通信，当无人驾驶矿卡车群行驶至突发事故区时，采用改进粒子群算法为无人驾驶矿卡进行局部路径规划，生成局部路径规划结果。本发明通过对无人驾驶矿卡进行局部规划，使无人驾驶矿卡在发生突发情况时有应急处理的能力。
-
公开(公告)号：CN118397835A
公开(公告)日：2024-07-26
申请号：CN202410491446.2
申请日：2024-04-23
申请人： 沈阳理工大学
摘要： 本发明提供一种基于激光雷达的Frenet坐标系下的局部动态规划调度方法，涉及车路协同技术领域。该方法具体包括：获取露天矿道路信息并构建弯道交叉路段冲突模型；该模型中的目标矿卡和非目标矿卡均按照预设的初始轨迹行驶，在行驶过程中实时对目标矿卡进行安全车距检测、对向车辆冲突检测预测以及运动学和碰撞检测并调整行驶状态，再根据目标矿卡的行驶状态生成若干条候选轨迹；当目标矿卡进入交叉路口时，根据候选轨迹判断目标矿卡在该交叉路口是否存在车辆优先级冲突，通过设定消解冲突的约束生成有效轨迹列表；计算有效轨迹列表中所有轨迹的成本并选择成本最小的轨迹为最优轨迹，从而实现车辆在弯道交叉口安全平稳的无冲突的运输行驶。
-
公开(公告)号：CN118261373A
公开(公告)日：2024-06-28
申请号：CN202410364410.8
申请日：2024-03-28
申请人： 沈阳理工大学
IPC分类号： G06Q10/0631 , G06N3/006 , G06Q10/047 , G06Q10/0835 , G06Q10/083 , G06Q50/02 , G06N3/048 , G06N3/0499 , G06N3/126 , G06N3/084
摘要： 本发明提供一种基于深度学习的露天矿卡车队规模预测模型的构建方法，涉及露天矿卡车队规模技术领域，本发明首先利用粒子群算法求解出露天矿卡低油耗预测调度模型得到最优的调度路线，并根据预测得到的不同车队规模的矿石生产效率及综合效率的预测值计算矿场运营总效率，同时，充分考虑矿山卡车运输的各种成本，计算不同车队规模下的矿场运营成本效率。其次，以车队规模、运输距离、矿石负载等为约束条件，最大化总效率及成本效率为目标函数，建立最佳车队规模模型。最后，采用遗传算法求解此多目标问题，并将得出最佳车队规模结果与采用其他方案得出的结果进行对比，得到油耗最低的固定路线中车队规模的最佳数量。
-
公开(公告)号：CN118215079A
公开(公告)日：2024-06-18
申请号：CN202410305495.2
申请日：2024-03-18
申请人： 沈阳理工大学
IPC分类号： H04W28/08 , H04W72/044 , H04B7/0413 , G06N3/047 , G06N3/092
摘要： 本发明提供基于深度强化学习的终端多任务并行卸载方法，涉及移动边缘计算卸载技术领域。该方法构建单服务器多终端用户的MEC卸载系统模型，获取终端用户任务列表；采用多输入多输出技术建立终端用户与边缘服务器之间的无线信道通信；采用功率动态离散分配方式为终端用户任务列表中的任务分配发射功率，并将已分配发射功率的任务通过无线信道卸载到边缘服务器，未分配发射功率的任务由终端用户执行；采用最短作业优先算法计算任务执行顺序；通过采用基于动作价值学习的Dueling DQN算法优化构建的总时延目标函数，得到最优决策神经网络，用于卸载终端用户任务列表的任务。针对单服务器多终端用户场景，通过同时卸载多个任务实现最小化任务平均时延的目标。
-
公开(公告)号：CN118075818A
公开(公告)日：2024-05-24
申请号：CN202410390914.7
申请日：2024-04-02
申请人： 沈阳理工大学
IPC分类号： H04W28/084 , H04W28/082 , H04L41/14 , H04L41/16 , H04L67/10 , H04L67/12
摘要： 本发明提供一种基于深度强化学习的跨区域计算卸载方法，涉及深度强化技术领域，本发明针对多区域多服务器多终端用户场景，建立了一个多区域的任务卸载模型，并提出了基于深度强化学习Dueling Double DQN的跨区域计算卸载方法。该方法引入D2D通信技术，通过附近终端用户辅助卸载的方法，扩大边缘服务器的服务范围，均衡各边缘服务器的负载情况，从而有效降低了系统的平均任务时延。首先围绕所提出的问题构建了综合的系统模型、网络模型及任务计算卸载模型，并对这些模型进行了详细的数量关系分析。然后将任务卸载决策定义为马尔可夫决策问题，以最小化平均任务时延为目标，提出了一种基于深度强化学习D3QN算法的跨区域任务卸载决策方法。
-
公开(公告)号：CN118565501A
公开(公告)日：2024-08-30
申请号：CN202410605230.4
申请日：2024-05-16
申请人： 沈阳理工大学
IPC分类号： G01C21/34
摘要： 本发明提供基于能量优化非线性粒子群的无人矿卡全局路径规划方法，涉及车路协同技术领域。该方法包括：构建露天矿区数学模型；构建无人矿卡在路径规划过程中的能量消耗模型；构建露天矿区仿真模型，并通过将露天矿区数学模型与露天矿区仿真模型结合来构建露天矿区模型；构建车路协同系统，包括：路侧感知系统、矿用无人驾驶卡车系统和基于矿山环境的车‑路‑云系统；无人矿卡车群露天矿区模型内按照预设的行驶路径行驶，基于车路协同系统和无人矿卡在路径规划过程中的能量消耗模型，对无人矿卡车群采用基于能量优化的非线性粒子群优化算法ENG‑PSO进行路径优化，得到全局路径规划的最优路径，在一定程度上改善了无人矿卡的成本、用工和安全等问题。
-
公开(公告)号：CN118134196A
公开(公告)日：2024-06-04
申请号：CN202410364408.0
申请日：2024-03-28
申请人： 沈阳理工大学
IPC分类号： G06Q10/0631 , G06Q10/047 , G06Q10/0835 , G06Q10/083 , G06Q50/02
摘要： 本发明提供一种基于车路协同的矿区混动矿卡动态调度方法，涉及智慧矿山及无线通信技术领域，本发明通过进行车路协同技术在露天矿山中的部署，对混动矿卡自身能耗监测；计算装载点至卸载点的最优调度方案；通过混动矿卡与路侧单元与云控中心的交互、工作路径障碍的检测、障碍后新路径计算、新路径与旧路径的比较选择、空载返回的电能回收、最终能耗计算，实现矿卡与云控中心的信息交互；本发明能够处理露天矿山在遇到混动矿卡多车场多路径问题及突发路径障碍问题造成的矿卡调度复杂问题，以及车路协同技术的部署，来解决该问题。
-
公开(公告)号：CN118036986A
公开(公告)日：2024-05-14
申请号：CN202410235199.X
申请日：2024-03-01
申请人： 沈阳理工大学
IPC分类号： G06Q10/0631 , G06Q10/083 , G06Q10/047 , G06Q50/02 , G06N3/006
摘要： 本发明提供一种基于深度学习的露天矿卡低油耗预测调度模型的构建方法，涉及露天矿卡低油耗预测技术领域。该方法首先建立包含矿山卡车油耗数据的原始数据集，并采用数据增强方法对原始数据集进行扩大，生成增强样本数据集；然后基于增强样本数据集，利用全连接神经网络进行矿山卡车不同运输路径的油耗预测；最后结合露天矿卡的低油耗调度的具体应用场景及复杂度构建露天矿卡低油耗预测调度模型，并选取粒子群算法PSO求解露天矿卡低油耗预测调度模型得到最优的调度路线。该方法得到的调度路线油耗较低，满足目标需求，可为矿山贡献经济效益，节约资源，保护环境。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.026 秒)
