基于强化学习和径向基函数神经网络的自适应控制方法

    公开(公告)号:CN119644723A

    公开(公告)日:2025-03-18

    申请号:CN202411612394.6

    申请日:2024-11-12

    Abstract: 本发明涉及信息技术技术领域,具体涉及基于强化学习和径向基函数神经网络的自适应控制方法,包括:建立具有未知时变不确定性的非线性系统的状态方程,定义系统状态变量和控制目标;在强化学习框架下,初始化控制策略和价值函数,设定初始网络参数,初步估计不确定性的上确界;利用径向基函数神经网络对系统的不确定性进行实时估计,通过调整径向基函数神经网络的参数,逼近不确定性的上确界;基于估计的不确定性,对控制策略进行迭代更新,在每次迭代中,利用强化学习算法优化控制策略;实时调整控制策略,基于最新的不确定性估计值,对控制策略参数进行优化,并通过收敛性分析得到最终稳定的控制策略。通过本发明,有效解决了需要预先知道不确定性上界的问题,提高了系统鲁棒性和控制精度,动态自适应能力强,简化了控制策略设计,增强了系统稳定性和响应效率。

    一种基于梯度粒子群算法的弹道快速优化方法及装置

    公开(公告)号:CN107589665A

    公开(公告)日:2018-01-16

    申请号:CN201710742020.X

    申请日:2017-08-25

    Abstract: 本发明实施例提供了一种基于梯度粒子群算法的弹道快速优化方法及装置,其所述方法包括对第k代种群、第k-1代种群进行初始化,并确定第k代种群对应的第一全局最优个体,以及第k-1代种群对应的第二全局最优个体;判断所述第一全局最优个体的适应度值,是否高于所述第二全局最优个体的适应度值;若否,则基于所述第一全局最优个体对应的位置矢量为起点,生成第k+1代种群,依据第k+1代种群以及第k代种群进行弹道优化;若是,则采用梯度法更新所述第一全局最优化个体对应的位置矢量,执行基于所述第一全局最优个体对应的位置矢量为起点,生成第k+1代种群,依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。本发明实施例提供的方案,可实现弹道的快速优化。

    一种提高阵列自由度和虚拟孔径的阵列设置方法

    公开(公告)号:CN111142064B

    公开(公告)日:2023-09-15

    申请号:CN202010010591.6

    申请日:2020-01-06

    Abstract: 本发明属于阵列信号处理技术领域,具体涉及一种提高阵列自由度和虚拟孔径的阵列设置方法。首先,根据给定的任意阵元数W确定两个线性子阵的阵元数量m和n;其次,根据m和n确定两个线性子阵的阵列间隔dm和dn;最后根据m、n、dm和dn分别确定两个线性子阵的阵元位置。本发明与传统互质阵列相比具有更大的虚拟阵元个数、连续虚拟阵元个数和阵列物理孔径,可以实现任意数阵元的阵列设置,可实现入射信号源数大于阵元数情况下的DOA估计。在相同阵元数情况下,本发明与传统互质阵列相比具有更多的信源到达角估计能力和更低的DOA估计均方根误差。本发明设计简单、合理、可行性高,能有效解决传统互质阵列物理孔径小的实际问题。

    一种提高阵列自由度和虚拟孔径的阵列设置方法

    公开(公告)号:CN111142064A

    公开(公告)日:2020-05-12

    申请号:CN202010010591.6

    申请日:2020-01-06

    Abstract: 本发明属于阵列信号处理技术领域,具体涉及一种提高阵列自由度和虚拟孔径的阵列设置方法。首先,根据给定的任意阵元数W确定两个线性子阵的阵元数量m和n;其次,根据m和n确定两个线性子阵的阵列间隔dm和dn;最后根据m、n、dm和dn分别确定两个线性子阵的阵元位置。本发明与传统互质阵列相比具有更大的虚拟阵元个数、连续虚拟阵元个数和阵列物理孔径,可以实现任意数阵元的阵列设置,可实现入射信号源数大于阵元数情况下的DOA估计。在相同阵元数情况下,本发明与传统互质阵列相比具有更多的信源到达角估计能力和更低的DOA估计均方根误差。本发明设计简单、合理、可行性高,能有效解决传统互质阵列物理孔径小的实际问题。

Patent Agency Ranking