Zenodo · battery 数据与软件·· 9 天前AI 评分20
基于动态时间Petri网与异构多智能体Double DQN的多场景数字孪生人机协作多任务拆解工艺规划
Multi-scenario digital twin-driven human-robot collaboration multi-task disassembly process planning based on dynamic time petri-net and heterogeneous multi-agent double deep Q-learning network
模型导读
研究提出数字孪生辅助的多智能体人机协作拆解系统，用动态时间Petri网（TPN）模型表达实时拆解信息与关联关系，并集成多智能体Dueling-Double深度Q网络（MADDQN）算法求解最优拆解序列与任务策略。以蔚来ES8的NEV-P50电池包为案例，验证该算法可基于数字孪生数据优化动态拆解序列与不确定任务分配。
来源：Zenodo · battery 数据与软件 · zenodo.org