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：沈阳理工大学
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。
主权项：1.一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，其特征在于，包括以下步骤：步骤1：获取影响矿山卡车油耗的矿山环境数据以及矿山卡车数据，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；步骤2：根据深度学习算法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；步骤3：考虑矿山卡车运输的成本，包括每辆矿山卡车燃油成本，每辆矿山卡车人工成本，每辆矿山卡车的维护成本，计算不同车队规模下的矿场运营成本效率；步骤4：以车队规模、运输距离、矿石负载为约束条件，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；步骤5：采用遗传算法求解最佳车队规模模型，并将得出最佳车队规模结果与采用其他车队规模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。
全文数据：
权利要求：
百度查询： 沈阳理工大学 基于深度学习的露天矿卡车队规模预测模型的构建方法
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