一种基于深度强化学习的无人车竞速控制器的设计方法

    公开(公告)号:CN118605267A

    公开(公告)日:2024-09-06

    申请号:CN202410689853.4

    申请日:2024-05-30

    Abstract: 本发明公开了一种基于深度强化学习的无人车竞速控制器的设计方法。该方法包括:通过预训练的离散变分自编码器对环境的状态信息进行特征提取,降低原始RGB相机图像数据的维度;将GRU融入TQC算法策略网络与价值网络的特征层,提取环境状态信息的时域特征,使算法可以处理因系统延迟导致的部分可观测马尔可夫决策问题;使用循环经验回放为经验序列增加额外的烧录过程,解决不良GRU初始隐藏状态对算法收敛稳定性的影响;使用概率组合优先经验回放为新经验提供额外的回放机制,提升新经验的采样概率,加速无人车竞速算法的收敛。将收敛后算法的策略网络做为无人车竞速控制器,实验结果表明,该控制器可以高效控制无人车进行绕圈竞速。

    基于双流注意力卷积的感应电机红外图像故障诊断方法

    公开(公告)号:CN118411562A

    公开(公告)日:2024-07-30

    申请号:CN202410541078.8

    申请日:2024-04-30

    Abstract: 本发明公开了一种基于双流注意力卷积的红外图像故障诊断方法,首先对数据集进行裁剪,翻转以扩充数据集的规模。接着将红外图像数据集输入到双流注意力卷积神经网络中进行X和Y方向的双向空间特征的提取与融合,很好地解决了小样本不均衡的问题,同时能够更全面地捕捉到红外图像中的重要的温度分布和变化趋势。最后,将待诊断的故障图像输入到训练好的故障诊断模型,进行感应电机红外图像的故障诊断。该方法的独特之处在于它的双流卷积神经网络结构,可以综合不同尺度的信息,提高故障诊断的准确性和适应性。此方法为感应电机红外图像的故障诊断提供了一种强大的工具,可用于小样本的红外图像故障诊断任务。

Patent Agency Ranking