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：河南科技大学

摘要：一种基于D3QN的风电叶片大梁板生产智能排程方法，具体步骤如下：构建多目标协同优化模型；进行马尔科夫决策过程的建立和两组经验回放池的设计；判断经验回放池中的样本是否蓄满，若未蓄满则重复上一步，若蓄满则执行下一步；基于D3QN算法，构建估值网络和目标值网络；从两组经验回放池中按比例随机提取多条样本，对目标值网络参数进行训练和更新；判断当前估值网络是否收敛，若不收敛，则返回上一步，若收敛，则执行下一步；智能体使用训练好的改进D3QN算法，择优排产，反复执行，从而完成风电叶片大梁板智能生产排程。本发明一方面避免优秀样本的弃用，另一方面加快收敛速度，并提升学习策略的速度。

主权项：1.基于D3QN的风电叶片大梁板生产智能排程方法，其特征在于，具体步骤如下：S1、构建多目标协同优化模型；S2、进行马尔科夫决策过程的建立和两组经验回放池的设计，其中马尔科夫决策过程的建立包括建立状态空间、动作空间和奖励函数，具体方法为：S21、状态空间：选取5个关键特征来描述该问题的状态，状态特征1代表开动机器的平均利用率，状态特征2代表开动机器平均利用率的标准偏差，状态特征3表示所有订单的平均加工完成率，状态特征4表示所有订单的平均加工完成率的标准差，状态特征5表示所有订单的总完成率；S22、动作空间：在选择排程动作时，动作选取包括套产品-生产区域、卷材-模具、模具-生产设备之间的组合关系，其中对于卷材和设备分别设置5条和2条排程规则，将上述两个规则集两两组合，得到10条组合规则，作为深度强化学习算法解决风电叶片大梁板生产排程问题的动作；S23、奖励函数：奖励函数定义如下：r1t＝f1t+1r2t＝f2t+1其中，r1t表示当期开动设备利用率与奖励之间的关系，r2t表示订单履约率与奖励之间的关系，在决策时刻t获得的即时奖励如以下公式：rt＝1000r1t+1000r2t最终奖励函数表示为R，包含U个决策时刻获得奖励的总和，如以下公式： 其中，U表示智能体所做决定的总时刻数；S3、判断经验回放池中的样本是否蓄满，若未蓄满则重复步骤S2，若蓄满则执行步骤S4；S4、基于D3QN算法，构建估值网络QEs,a；θ和目标值网络QTs,a；θ′；S5、从两组经验回放池中按比例随机提取多条样本，对目标值网络参数进行训练和更新；S6、判断当前估值网络是否收敛，若不收敛，则返回步骤S5，若收敛，则执行步骤S7；S7、智能体使用训练好的改进D3QN算法，择优排产，反复执行，从而完成风电叶片大梁板智能生产排程。

全文数据：

权利要求：

百度查询： 河南科技大学 一种基于D3QN的风电叶片大梁板生产智能排程方法