-
公开(公告)号:CN116052412B
公开(公告)日:2023-08-18
申请号:CN202211487027.9
申请日:2022-11-23
Applicant: 兰州大学
IPC: G08G1/01 , G08G1/0967 , G06F30/27 , G06F17/13 , G06N3/092 , G06N3/084 , G06F111/04
Abstract: 本发明公开了融合物理信息和深度强化学习的自动驾驶车辆控制方法,包含以下步骤:(1)构造连续时间内基于哈密顿‑雅可比‑贝尔曼方程的强化学习偏微分方程,采集车辆行驶中的感知层信息量、动作控制量、奖励值及下一个状态感知层信息量,形成四元组数据并存储;(2)构造基于物理信息的自动驾驶车辆动力学模型并将其求取偏导数添加至强化学习模型约束项中;(3)训练和评估融和物理信息和深度强化学习的自动驾驶车辆控制模型,通过神经网络将车辆运动轨迹样本数据和物理运动学结合构造模型训练函数并在GPU上训练,直到驾驶车辆完成自动控制。本发明结合物理动力学规律和深度强化学习完成模型训练,适用于复杂环境的自动驾驶车辆学习控制。
-
公开(公告)号:CN118837877A
公开(公告)日:2024-10-25
申请号:CN202410799411.5
申请日:2024-06-20
Applicant: 兰州大学
IPC: G01S13/88 , G01S13/89 , G01S7/41 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/26 , G06N3/0464 , G06V10/77
Abstract: 本发明公开的一种基于机器学习的混凝土病害检测方法,涉及机器学习,计算机视觉及工程结构检测领域。该方法主要通过获取探地雷达B‑scan图像,并对于图像划分和缩放,随后利用机器学习方法对于图像进行分析,并建立自动分类的病害检测模型。本发明通过上述过程,旨在改善和提高混凝土病害检测的精准性与效率。
-
公开(公告)号:CN116052412A
公开(公告)日:2023-05-02
申请号:CN202211487027.9
申请日:2022-11-23
Applicant: 兰州大学
IPC: G08G1/01 , G08G1/0967 , G06F30/27 , G06F17/13 , G06N3/092 , G06N3/084 , G06F111/04
Abstract: 本发明公开了融合物理信息和深度强化学习的自动驾驶车辆控制方法,包含以下步骤:(1)构造连续时间内基于哈密顿‑雅可比‑贝尔曼方程的强化学习偏微分方程,采集车辆行驶中的感知层信息量、动作控制量、奖励值及下一个状态感知层信息量,形成四元组数据并存储;(2)构造基于物理信息的自动驾驶车辆动力学模型并将其求取偏导数添加至强化学习模型约束项中;(3)训练和评估融和物理信息和深度强化学习的自动驾驶车辆控制模型,通过神经网络将车辆运动轨迹样本数据和物理运动学结合构造模型训练函数并在GPU上训练,直到驾驶车辆完成自动控制。本发明结合物理动力学规律和深度强化学习完成模型训练,适用于复杂环境的自动驾驶车辆学习控制。
-
-