買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中能坤域科技控股(浙江)有限公司申請的專利充電機器人調(diào)度方法及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119443728B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510020235.5，技術(shù)領(lǐng)域涉及：G06Q10/0631；該發(fā)明授權(quán)充電機器人調(diào)度方法及存儲介質(zhì)是由白惠源;劉揚;宛涌設(shè)計研發(fā)完成，并于2025-01-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本充電機器人調(diào)度方法及存儲介質(zhì)在說明書摘要公布了：本發(fā)明提供充電機器人調(diào)度方法及存儲介質(zhì)。該充電機器人調(diào)度方法針對智能停車場中的多個充電請求，根據(jù)充電請求的優(yōu)先級以及對新增充電請求的預(yù)測對充電機器人進行智能調(diào)度，包括如下步驟：基于用戶的多充電請求，構(gòu)建車位?充電系統(tǒng)的優(yōu)先勢場；基于所構(gòu)建的車位?充電系統(tǒng)的優(yōu)先勢場，將多目標追蹤與優(yōu)先級智能調(diào)度過程建模為馬爾可夫決策過程；基于所建模的馬爾可夫決策過程，來設(shè)計基于模型的強化學習網(wǎng)絡(luò)，其中強化學習網(wǎng)絡(luò)包括動態(tài)網(wǎng)絡(luò)、價值?策略網(wǎng)絡(luò)以及目標網(wǎng)絡(luò)；基于所構(gòu)建的強化學習網(wǎng)絡(luò)，通過設(shè)計動態(tài)網(wǎng)絡(luò)的模型和策略?價值網(wǎng)絡(luò)的模型與收集的數(shù)據(jù)集之間的交互方式，來實現(xiàn)多個網(wǎng)絡(luò)的并行訓練。

本發(fā)明授權(quán)充電機器人調(diào)度方法及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種充電機器人調(diào)度方法，其特征在于，針對智能停車場中的多個充電請求，根據(jù)充電請求的優(yōu)先級以及對新增充電請求的預(yù)測對充電機器人進行智能調(diào)度，所述方法包括如下步驟：車位-充電系統(tǒng)的優(yōu)先勢場構(gòu)建步驟S100，基于用戶的多充電請求，構(gòu)建車位-充電系統(tǒng)的優(yōu)先勢場；馬爾可夫決策過程轉(zhuǎn)化步驟S200，基于車位-充電系統(tǒng)的優(yōu)先勢場構(gòu)建步驟S100中所構(gòu)建的車位-充電系統(tǒng)的優(yōu)先勢場，將多目標追蹤與優(yōu)先級智能調(diào)度過程建模為馬爾可夫決策過程；強化學習網(wǎng)絡(luò)構(gòu)建步驟S300，基于馬爾可夫決策過程轉(zhuǎn)化步驟S200中所建模的馬爾可夫決策過程，來設(shè)計基于模型的強化學習網(wǎng)絡(luò)，其中強化學習網(wǎng)絡(luò)包括動態(tài)網(wǎng)絡(luò)、價值-策略網(wǎng)絡(luò)以及目標網(wǎng)絡(luò)；強化學習網(wǎng)絡(luò)的訓練與測試步驟S400，基于強化學習網(wǎng)絡(luò)構(gòu)建步驟S300中所構(gòu)建的強化學習網(wǎng)絡(luò)，通過設(shè)計動態(tài)網(wǎng)絡(luò)的模型和策略-價值網(wǎng)絡(luò)的模型與收集的數(shù)據(jù)集之間的交互方式，來進行多個網(wǎng)絡(luò)的并行訓練，其中，車位-充電系統(tǒng)的優(yōu)先勢場構(gòu)建步驟S100包括建立無向拓撲網(wǎng)絡(luò)的步驟S101以及基于所建立的無向拓撲網(wǎng)絡(luò)設(shè)計車輛節(jié)點充電請求的優(yōu)先勢場的步驟S102，其中，在建立無向拓撲網(wǎng)絡(luò)的步驟中，設(shè)定車位-充電系統(tǒng)拓撲網(wǎng)絡(luò)G包括現(xiàn)有的M個車位頂點集vm∈V，m∈1，2，...，M和導(dǎo)軌邊集ei，j∈E，i，j∈1，2，...，M，其中ei，j表示聯(lián)通頂點vi和vj的雙向邊，車位-充電系統(tǒng)拓撲網(wǎng)絡(luò)G＝V，E，根據(jù)步驟S101中所建立的車位-充電系統(tǒng)拓撲圖，首先定義當前時刻k時，停車場的車位系統(tǒng)的占用矩陣Ok：Ok＝{ok，i},i∈V 其中Voccupy表示當前已經(jīng)占用的車位頂點，在此基礎(chǔ)上定義在位置X＝x，y處的優(yōu)先勢場強度gk如下公式1所示： 其中公式1中各相關(guān)元素描述設(shè)計如下：頂點優(yōu)先值jk,i： 其中jk,i為頂點i在k時間的充電請求的優(yōu)先值，頂點優(yōu)先值越大表明充電請求越急切，其通過時間因子進行表示，主要描述了車輛等待充電的時間： 其中tk，t0，i分別表示當前的世界時間以及頂點i所代表的車位被占用的初始時間，θtime代表控制時間因子表征的參數(shù)，均值矩陣u，其代表了優(yōu)先勢場的中心點： 協(xié)方差矩陣∑，其表示如下： ∑11＝∑22＝λqk,i 其中用戶因子依賴于用戶的等級和反饋得到，車輛因子針對車輛的充電請求進行描述，λ為權(quán)重系數(shù)，定義動態(tài)網(wǎng)絡(luò)模型為： ok,i＝dηok-1,i,tkrk＝dθsk其中，rk是獎勵函數(shù)，sk是狀態(tài)空間，ak是動作空間，Pk是當前充電機器人的能耗，tk是當前的世界時間，其中網(wǎng)絡(luò)dθ通過多層感知機實現(xiàn)，網(wǎng)絡(luò)dη并不屬于馬爾可夫決策過程的狀態(tài)轉(zhuǎn)移函數(shù)，而是通過長序列預(yù)測自適應(yīng)概率推理框架對于未來的新增請求進行預(yù)測。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中能坤域科技控股(浙江)有限公司，其通訊地址為：310000 浙江省杭州市余杭區(qū)五常街道愛橙街1號阿里巴巴數(shù)字生態(tài)創(chuàng)新園10幢2單元7層E702室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。