数字技术与应用杂志社

摘要：<正>在智能制造中，异构设备集成产线在工艺规划和动态调度的时候，经常面临知识复用性差、决策空间复杂等问题。为了解决这些问题，本文提出一种知识图谱导引的工艺强化学习模型（KG-PRL）。通过构建“设备—工艺—任务—质量”多维知识图谱，对产线多源异构知识进行结构化表征，并建立语义关联。同时，设计分层强化学习框架。知识图谱可以为上层的课程学习和动作空间剪枝提供逻辑导引，下层的智能体则在知识约束后的高效动作空间内学习最优工艺策略。实验显示，与传统算法及启发式规则相比，KG-PRL模型能够提升关键指标，收敛速度也更快，其为复杂产线的智能决策提供了新的思路。

基金资助： 深圳信息职业技术大学横向科研项目“基于工业机器人的智能CNC产线工艺流程规划仿真与系统研发”（HX-0871）；

专辑： 信息科技;工程科技Ⅱ辑

专题： 机械工业;计算机软件及计算机应用;自动化技术

分类号： TP391.1;TP18;TH16