基于深度强化学习的人体增强反馈方案动态决策方法

    公开(公告)号:CN118356626B

    公开(公告)日:2024-08-27

    申请号:CN202410789088.3

    申请日:2024-06-19

    申请人: 吉林大学

    摘要: 本发明涉及一种基于深度强化学习的人体增强反馈方案动态决策方法,属于深度学习技术领域,解决现有网球训练方法存在的智能化程度较低、灵活性较差、对感觉反馈利用度较低的问题。该方法首先获得若干个转换元组并存储到重播缓冲区中,再利用深度确定性策略梯度算法构建两个深度神经网络,以生成在连续空间下最优的动作策略网络和动作‑价值评价网络,定义依据运动理论计算得到的训练者理论最大击球速度与训练者实际最大击球速度差值的绝对值为奖励函数,对网络进行训练,得到回报最大化的最优装置控制策略。本发明结合训练过程人体运动数据,使网球训练装置智能化,并能根据训练者的训练效果实现网球训练装置实时反馈方案动态决策,实时性更强。

    基于改进YOLOv5网络的串番茄成熟度的检测方法

    公开(公告)号:CN116030456A

    公开(公告)日:2023-04-28

    申请号:CN202310027586.X

    申请日:2023-01-09

    申请人: 吉林大学

    摘要: 本发明涉及一种基于改进YOLOv5网络的串番茄成熟度的检测方法,包括步骤:构建串番茄数据集和单个小番茄数据集;基于改进YOLOv5网络对数据集进行训练,得到权重模型配置;构建串番茄检测模型DetectTomato,其识别出待检测图像中的串番茄检测目标,将串番茄检测目标图像及其位置信息分别存储在文件夹中;构建成熟度检测模型DetectMaturity,计算得出串番茄成熟度,输出成熟度最高且达到预设成熟度标准值的串番茄检测目标图像对应的位置,确定采摘目标,在每次成熟度检测后都清空文件夹。本发明能够实现对串番茄的精确识别,并进行进一步的成熟度检测,确定可采摘目标,提高了串番茄成熟度检测和采摘准确度。

    一种内嵌超声波传感器的电极臂结构

    公开(公告)号:CN114689692A

    公开(公告)日:2022-07-01

    申请号:CN202210340980.4

    申请日:2022-04-02

    申请人: 吉林大学

    摘要: 一种内嵌超声波传感器的电极臂结构属于智能电焊技术领域,目的在于解决抽检样品不仅效率低且存在严重的工件浪费的问题。本发明包括:电极臂外壳,所述电极臂外壳包括电极杆、和所述电极杆一端连接的电极帽、和所述电极杆另一端连接的电极大臂以及设置在所述电极杆侧壁的信号线导出及密封结构;设置在所述电极杆内部的超声波测量组件,所述超声波测量组件包括探头固定架以及超声波探头,所述超声波探头同轴固定在所述探头固定架上,所述探头固定架和所述电极杆的内环面配合,所述超声波探头的信号线穿过所述电极杆并通过信号线导出及密封结构实现导出和密封;以及设置在所述电极臂外壳内部的冷却水管道,对所述电极帽进行循环水冷却。

    一种基于数字孪生技术的产品分配方法

    公开(公告)号:CN112506161A

    公开(公告)日:2021-03-16

    申请号:CN202011482870.9

    申请日:2020-12-16

    申请人: 吉林大学

    IPC分类号: G05B19/418

    摘要: 本发明属于汽车技术领域,具体的说是一种基于数字孪生技术的产品分配方法。包括以下步骤:步骤一、构建产线数字孪生模型;步骤二、产线生产状态评估;步骤三、订单综合评价;步骤四、产品分配流程。本通过EM‑plant构建的数字孪生模型,还原现场生产状况,整合生产数据并提取数据特征,以产品订单为基础,对产能及订单进行评估,并设计了一种计算方法以结合数据特征参量判断产品归类的订单,以此减少生产过程中的信息浪费并完成产品分配,从而起到保障订单需求和产能的动态平衡的作用。

    一种基于数字孪生技术的job shop智能调度系统

    公开(公告)号:CN114912814A

    公开(公告)日:2022-08-16

    申请号:CN202210567884.3

    申请日:2022-05-24

    申请人: 吉林大学

    IPC分类号: G06Q10/06 G06Q50/04

    摘要: 本发明公开了一种基于数字孪生技术的job shop智能调度系统,包括jobshop数字孪生模型和与其交互的job shop车间,job shop数字孪生模型生成调度策略并将其下达至job shop车间;job shop车间实时接受调度策略并根据调度策略完成生产过程,且job shop数字孪生模型对job shop车间的生产过程进行实时监控,若在生产过程中监测到扰动因素,则基于离散事件仿真技术检验原调度策略是否满足生产调度标准,若不满足,则更新原调度策略。本发明利用数字孪生技术不仅实时复现车间生产过程,提升了对其生产过程的监控能力,而且提升了调度系统在运行过程中应对扰动的能力。

    一种基于数字孪生技术的产品分配方法

    公开(公告)号:CN112506161B

    公开(公告)日:2022-02-15

    申请号:CN202011482870.9

    申请日:2020-12-16

    申请人: 吉林大学

    IPC分类号: G05B19/418

    摘要: 本发明属于汽车技术领域,具体的说是一种基于数字孪生技术的产品分配方法。包括以下步骤:步骤一、构建产线数字孪生模型;步骤二、产线生产状态评估;步骤三、订单综合评价;步骤四、产品分配流程。本通过EM‑plant构建的数字孪生模型,还原现场生产状况,整合生产数据并提取数据特征,以产品订单为基础,对产能及订单进行评估,并设计了一种计算方法以结合数据特征参量判断产品归类的订单,以此减少生产过程中的信息浪费并完成产品分配,从而起到保障订单需求和产能的动态平衡的作用。

    基于深度强化学习的人体增强反馈方案动态决策方法

    公开(公告)号:CN118356626A

    公开(公告)日:2024-07-19

    申请号:CN202410789088.3

    申请日:2024-06-19

    申请人: 吉林大学

    摘要: 本发明涉及一种基于深度强化学习的人体增强反馈方案动态决策方法,属于深度学习技术领域,解决现有网球训练方法存在的智能化程度较低、灵活性较差、对感觉反馈利用度较低的问题。该方法首先获得若干个转换元组并存储到重播缓冲区中,再利用深度确定性策略梯度算法构建两个深度神经网络,以生成在连续空间下最优的动作策略网络和动作‑价值评价网络,定义依据运动理论计算得到的训练者理论最大击球速度与训练者实际最大击球速度差值的绝对值为奖励函数,对网络进行训练,得到回报最大化的最优装置控制策略。本发明结合训练过程人体运动数据,使网球训练装置智能化,并能根据训练者的训练效果实现网球训练装置实时反馈方案动态决策,实时性更强。

    扫描电镜下固体推进剂复杂力学性能原位测试装置及方法

    公开(公告)号:CN117288984A

    公开(公告)日:2023-12-26

    申请号:CN202311267676.2

    申请日:2023-09-28

    申请人: 吉林大学

    IPC分类号: G01Q30/02 G01N3/02 G01N3/06

    摘要: 本发明公开了一种扫描电镜下固体推进剂复杂力学性能原位测试装置及测试方法。包括传动单元、支撑单元、载荷测量单元、疲劳加载单元、柔性预紧夹具单元、跨温区温度加载单元、数据采集处理单元、多载荷加载控制系统;疲劳加载单元利用音圈电机在试样拉伸的同时实现毫米级大行程疲劳加载;柔性预紧夹具单元由弹簧形变补偿推进剂试样变形而保持稳定夹持,并与跨温区温度加载单元联用,为试样施加‑80℃~100℃的变温环境。本发明优势在于利用扫描电镜高景深、高分辨率的特点,原位获取推进剂在拉伸、疲劳、温度耦合作用下的多尺度力学行为,构建复杂载荷作用下推进剂多尺度变形损伤构效关系,为新型推进剂研究提供重要技术手段。