-
公开(公告)号：CN118551825A
公开(公告)日：2024-08-27
申请号：CN202410675450.4
申请日：2024-05-28
Applicant: 上海大学
IPC: G06N3/092 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开一种协作多无人系统贡献评估与决策方法、产品、介质及设备，涉及协作多智能体强化学习领域，方法包括：基于每个无人系统的状态价值和优势动作价值，计算全局状态价值和优势动作价值，进而计算联合动作价值；利用联合动作价值和每个无人系统的动作价值分布，计算所有无人系统的联合动作价值分布；基于残差映射权重矩阵修正后的所有无人系统的联合动作价值分布以及每个无人系统的动作价值，对无人系统策略网络进行训练和优化；利用优化后的该网络进行决策。本发明能在面对复杂的、非单调的任务时，准确评估不同无人系统在团队奖励中的贡献占比，激励无人系统朝着最优协作策略前进，从而完成团队贡献度的合理分配。
-
公开(公告)号：CN118550290A
公开(公告)日：2024-08-27
申请号：CN202410572330.1
申请日：2024-05-09
Applicant: 上海大学
Abstract: 本发明了公开一种基于自主规划路径模型的无人车路径规划方法及装置，涉及无人车规划路径领域，该方法包括在无人车与环境交互时将获取的四元组经验存入经验池；计算经验池中各个四元组经验的复合优先级，标记各个四元组经验的轨迹，利用优先级指数衰减分配方法对复合优先级数组进行更新，将更新后的复合优先级以及对应的四元组经验按照标记的轨迹存入至经验回放数组；根据重要性采样权重对经验回放数组进行采样得到采样四元组经验；利用采样四元组经验对自主规划路径模型进行训练，自主规划路径模型包括策略网络、价值网络和目标价值网络，利用训练后的策略网络，对无人车进行在线路径规划。本发明提高了无人车路径规划的准确率。
-
公开(公告)号：CN117873102A
公开(公告)日：2024-04-12
申请号：CN202410066411.4
申请日：2024-01-16
Applicant: 上海大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开一种基于目标意图时空表达的无人艇自主行为决策方法及系统，涉及无人艇自主行为决策技术领域，先基于感知数据确定实体的行为特征，进一步利用目标意图分类模型确定实体的意图类型，再对由行为特征和意图类型组成的意图特征向量依次进行空间特征编码和时序特征编码，最后以编码得到的时序编码向量作为输入，利用无人艇策略网络确定无人艇自主行为决策动作，由于本发明的意图类型的类别是根据无人艇的任务场景预先确定的，且对意图特征向量依次进行了空间特征编码和时序特征编码，能够提高对意图的理解能力，解决容易造成意图误判和策略滞后的问题，从而提高无人艇行为策略的任务完成率。
-
公开(公告)号：CN117556620A
公开(公告)日：2024-02-13
申请号：CN202311560018.2
申请日：2023-11-21
Applicant: 上海大学
IPC: G06F30/20 , G06F119/04 , G06F119/14
Abstract: 本发明涉及一种基于混合退化过程的产品寿命预测方法、设备、存储介质，方法包括如下步骤：通过对Wiener过程、Gamma过程、Inverse Gaussian过程按权重进行线性混合，构建得到考虑应力影响的加速退化模型；基于应力松弛产生的加速退化数据集，对所述加速退化模型的参数进行参数估计，通过计算首达时间函数的分布实现产品寿命的预测。与现有技术相比，本发明克服了传统加速退化建模选择单一退化模型造成模型失配，以及小样本数据造成的建模不精确的影响，为复杂工程系统的精确加速退化建模与后续寿命的可信分析等提供了技术参考。
-
公开(公告)号：CN117421928A
公开(公告)日：2024-01-19
申请号：CN202311542360.X
申请日：2023-11-17
Applicant: 上海大学
IPC: G06F30/20 , G06F18/23213 , G06F119/02 , G06F119/14
Abstract: 本发明涉及一种基于混合维纳的加速退化过程建模方法、设备和应用，方法构建包括多个子维纳退化过程且考虑应力影响的混合退化模型；获取应力松弛退化数据，基于应力松弛退化数据对混合退化模型中各个子维纳退化过程进行动态权重估计，得到动态权重；基于动态权重对混合退化模型中除动态权重外的其他参数进行参数估计，得到混合退化模型中其他参数的最终值；基于经过参数估计后的混合退化模型计算首达时间统计特性以及可靠度，完成对加速退化过程的建模。与现有技术相比，本发明针对模型失配导致的寿命分析不精确，以及小样本数据造成的建模不精确问题，能够为复杂工程系统的精确加速退化建模与后续寿命的可信分析等提供了技术参考。
-
Patent Agency Ranking
公开(公告)号：CN115260283A
公开(公告)日：2022-11-01
申请号：CN202210839405.9
申请日：2022-07-18
Applicant: 上海大学
Abstract: 本发明公开了一类温敏双亲树枝化多肽的制备方法，双亲树枝化多肽能实现可见光调控手性组装，该双亲树枝化多肽的结构式为：其中：n＝1～4，P＝1～4，X为OEt或OMe，树枝化烷氧醚基元包括但不限于三臂、四臂或六臂。本发明双亲树枝化多肽展现出合适的亲疏水性平衡，在水环境中实现有效的超分子组装，树枝化烷氧醚基元赋予组装体以特征的温敏行为。其调控过程具有可见光激活、转变可逆及生物友好的特点，因而在生物医药、手性检测、手性光学及手性催化等领域具有潜在应用价值。
-
公开(公告)号：CN104808665B
公开(公告)日：2017-09-26
申请号：CN201510179769.9
申请日：2015-04-16
Applicant: 上海大学
IPC: G05D1/02
Abstract: 本发明提出一种基于多目标人工蜂群算法的多机器人路径规划方法，属于路径规划技术领域，包括：路径规划问题的环境建模、多目标人工蜂群算法的参数初始化、三种蜜蜂迭代优化路径并确定非劣解集、排序保留优良路径和输出最优路径集合。本发明基于Pareto支配和拥挤距离的非支配排序的概念对标准人工蜂群算法进行改进，提出了适用于求解多目标优化问题的多目标人工蜂群算法。在路径规划过程中本算法可以考虑路径长度、平滑性和安全性等多个性能指标，并且一次路径规划可以获得一组Pareto最优路径。本发明提出的路径规划方法属于元启发式智能优化方法，不同于传统的单目标路径规划方法，能够更好的适应复杂环境中的路径规划任务。
-
公开(公告)号：CN102198338A
公开(公告)日：2011-09-28
申请号：CN201110060985.3
申请日：2011-03-15
Applicant: 上海大学
Abstract: 本发明提供一种索氏提取器润洗方法，其实现步骤为：先在组装前索氏提取器的提取管底部放入一个上部带环的钢制空心圆柱体，其尺寸因索氏提取器的规格不同而不同；钢制空心圆柱体在润洗过程中不碰触提取管的内壁；在组装前索氏提取器的圆底烧瓶中加入少量的溶剂，然后把冷凝管、提取管和圆底烧瓶依次组装成完整的索氏提取器；保证索氏提取器中蒸汽管的通畅，将圆底烧瓶加热进行润洗。本发明润洗时使用的溶剂量为100ml-300ml，为传统润洗方法所需要量的1/2-2/3；润洗每次循环时间缩短为传统方法的1/3-1/2，因此在保证润洗循环次数相同的前提下，润洗时间为20-45分钟，缩短了1/2-2/3，本方法可以推广到其它类似的玻璃仪器的润洗中，有很大的实用价值。
-
公开(公告)号：CN119047547A
公开(公告)日：2024-11-29
申请号：CN202411156648.8
申请日：2024-08-22
Applicant: 上海大学
Abstract: 本发明涉及一种基于深度学习的节点可变围捕控制方法和系统，方法包括以下步骤：获取逃逸者当前状态信息、先验运动趋势和各个节点的当前状态信息；根据各个节点的当前状态信息和逃逸者状态信息，预测逃逸者在下一时刻的预测位置；根据预测位置、各个节点及其相邻节点的状态信息和先验运动趋势，通过决策网络模型，分别获得各个节点在下一时刻的理想位置；根据各个节点的当前状态信息、逃逸者在下一时刻的预测位置、各个节点在下一时刻的理想位置，通过方位跟踪网络解算各个节点的最佳围捕路径。与现有技术相比，本发明具有各节点独立决策、稳定性强、支持动态追踪等优点。
-
公开(公告)号：CN118034056A
公开(公告)日：2024-05-14
申请号：CN202410279253.0
申请日：2024-03-12
Applicant: 上海大学 , 华东计算技术研究所(中国电子科技集团公司第三十二研究所)
IPC: G05B13/04
Abstract: 本发明公开一种基于近分布采样和自适应探索的仿生机器人稳定策略调优方法、系统及产品，涉及强化学习领域，方法包括获取仿生机器人的预训练的策略网络；仿生机器人与环境交互得到在线数据集；基于在线数据集和训练后的行为模型构建当前训练数据集；基于当前训练数据集对预训练的策略网络进行迭代更新，得到更新后的策略网络；根据更新后的策略网络对仿生机器人的动作进行控制，本发明可解决离线数据集与在线样本之间分布漂移问题，以提升离线智能体在策略调优时的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.025 seconds)
