Método de predicción del tiempo de desplazamiento de tareas basado en IMA-SURBF para el despacho de tareas de un...

Área de la Ciencia:

• Investigación de las operaciones
• Inteligencia artificial
• La robótica

Sus antecedentes:

• Los sistemas de vehículos guiados automáticos heterogéneos (AGV) ofrecen flexibilidad, pero requieren una predicción precisa del tiempo de viaje de la tarea (T3P) para la eficiencia.
• Los métodos T3P existentes se enfrentan a desafíos debido a las correlaciones de tareas y las dimensiones dinámicas de entrada/salida.

Objetivo del estudio:

• Desarrollar un marco novedoso inspirado en la biomimética para un T3P preciso en sistemas de AGV heterogéneos.
• Abordar la naturaleza dinámica de las dimensiones de entrada/salida y las correlaciones de tareas en T3P.

Principales métodos:

• Se emplea una red neuronal de función radial (RBF) para T3P, con dimensiones de entrada/salida determinadas dinámicamente.
• Un algoritmo mejorado de mayfly (IMA) optimiza los parámetros iniciales de RBF.
• Una estrategia de actualización selectiva refina las actualizaciones de parámetros.

Principales resultados:

• El marco IMA-SURBF propuesto demuestra una alta precisión y eficiencia en T3P.
• Los experimentos de simulación en un escenario de línea de montaje complejo validan el rendimiento del modelo.
• El método supera a los modelos existentes basados en el aprendizaje profundo.

Conclusiones:

• El marco IMA-SURBF proporciona una solución eficaz para el T3P en entornos complejos de AGV.
• Los enfoques biomiméticos ofrecen una dirección prometedora para optimizar las operaciones del sistema AGV.
• El T3P preciso es esencial para maximizar la agilidad y la eficiencia de los sistemas de AGV heterogéneos.