-
公开(公告)号：CN117974632B
公开(公告)日：2024-06-07
申请号：CN202410361413.6
申请日：2024-03-28
Applicant: 大连理工大学
Abstract: 本发明属于工业CT和人工智能领域，公开一种基于分割大模型的锂电池CT阴阳极对齐度检测方法。在锂电池的生产过程中，锂电池阴极和阳极的对齐度检测是锂电池制造质量控制的关键环节之一。本发明基于分割大模型Segment Anything对锂电池CT图像的电极延伸区进行分割，接着利用电极延伸区的灰度信息去除原始CT图像中的背景干扰，然后基于滑窗灰度计算完成对锂电池阴极和阳极边缘像素提取，最后根据所得的锂电池电极边缘像素完成对锂电池阴阳极片对齐度的计算和判断。本发明可以实现锂电池阴阳极对齐度的自动化计算，同时不需要大量的标注数据进行训练，且比仅使用传统图像处理算法的检测方法更具稳定性和泛化性。
-
公开(公告)号：CN116704823B
公开(公告)日：2023-12-19
申请号：CN202310689260.3
申请日：2023-06-12
Applicant: 大连理工大学
Abstract: 证感知精度的前提下实现目标感知速率和通信本发明属于无人机和通感一体化技术领域， 速率的最大化。本发明能够得到最优的无人机轨提出了一种基于强化学习的无人机智能轨迹规 迹和适应环境需求的功率、带宽分配复杂耦合策划和通感资源分配方法。无人机作为空中基站同 略。在离线学习的基础上进行在线学习并更新权时实现对目标物体的状态感知以及为地面用户 重，具有广泛的自适应性。提供通信服务。针对本环境下不同区域和时段内用户通信需求动态变化与地面感知目标移动的复杂资源分配与自身轨迹规划问题，基于深度强(56)对比文件温朝阳.无人机安全通信系统的资源分配与轨迹优化研究《.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2023,C031-91.郑佳丽.无人机辅助通信系统中无人机轨迹规划与资源分配. .2022,C031-82.
-
公开(公告)号：CN111432433B
公开(公告)日：2023-02-10
申请号：CN202010142914.7
申请日：2020-03-04
Applicant: 大连理工大学
IPC: H04W28/02 , H04W28/08 , H04B7/185 , H04W16/14 , H04W72/0453 , H04B17/382
Abstract: 本发明属于无线通信技术领域，具体为一种基于强化学习的无人机中继智能流量卸载方法。本发明综合考虑无人机能耗问题和回传链路的频谱供应问题，采用动态频谱接入技术，能够有效扩充移动通信网络的吞吐量以缓解由于用户流量需求骤增导致的网络拥塞；本发明设计了基于强化学习的智能决策算法，使得无人机能够根据动态变化的环境自适应地进行轨迹选择和频带选择，以最小的能耗卸载最多的流量，避免了传统集中式控制带来的额外开销，克服了环境动态性对策略制定带来的难题。
-
公开(公告)号：CN112367353A
公开(公告)日：2021-02-12
申请号：CN202011067955.0
申请日：2020-10-08
Applicant: 大连理工大学
Abstract: 本发明公布了一种基于多智能体强化学习的移动边缘计算卸载方法，属于边缘计算、无线网络领域，为“多用户‑多边缘节点”的复杂场景提供了一种智能的任务卸载方法。该方法采用多智能体强化学习算法，各用户设备在本地建立Actor和Critic深度学习网络，分别根据自己及其它设备的状态和动作进行动作选择和动作打分，综合考虑频谱资源、计算资源和能量资源，以优化任务延迟为目标制定卸载和资源分配策略。该方法不依赖网络具体模型，各设备能够通过“探索‑反馈”的学习过程自主智能地进行最优策略制定，且能够适应网络环境的动态变化。
-
公开(公告)号：CN117615434A
公开(公告)日：2024-02-27
申请号：CN202311581819.7
申请日：2023-11-24
Applicant: 大连理工大学
Abstract: 一种基于无人机流量卸载的基站节能方法。考虑由宏蜂窝网络、小蜂窝网络和无人机网络构成的异构网络场景，多架无人机将搭载基站设备通过轨迹规划在网络中进行部署，然后部署的无人机将与地面基站进行联合调度，协调空地网络之间干扰，实现无人机对地面基站的流量卸载以及地面基站小区缩放或休眠以降低网络能耗。本发明综合考虑能耗和吞吐量双重性能指标，通过多智能体强化学习算法与位势博弈算法实现无人机集群的智能轨迹规划和空地协同的策略制定，能够自适应网络动态的用户分布和流量需求，有效获得最优策略。同时，本发明充分利用无人机的高机动性辅助地面基站进行流量卸载，在不影响通信质量的前提下实现小区缩放或休眠，达到基站节能的目的。
-
Patent Agency Ranking
公开(公告)号：CN116330290B
公开(公告)日：2023-08-18
申请号：CN202310373017.0
申请日：2023-04-10
Applicant: 大连理工大学
IPC: B25J9/16
Abstract: 本发明提供一种基于多智能体深度强化学习的五指灵巧机器手控制方法。考虑一个与人手大小和结构相同的五指灵巧机器手，场景中有一个放置在桌面的物体，通过将五根手指以及手腕和手臂视作单独的智能体分别进行训练，彼此分工协作，最终完成抓取物体的任务。本发明考虑到了机器手各关节的协作关系，通过多智能体方法在保证机器手完成抓取物体的任务前提下，将整个抓取过程进一步细致化和精细化，让机器手的抓取动作更加贴近理想的姿态、各手指更加灵活自由，完成更多单智能体无法完成的细节抓取动作。同时，本发明可以在不需要数据集的情况下对抓取物体任务进行有效的学习，减轻了收集大量数据的负担，并提高了机器五指手对陌生物体和环境的适应能力。
-
公开(公告)号：CN114884595B
公开(公告)日：2023-01-03
申请号：CN202210384112.6
申请日：2022-04-13
Applicant: 大连理工大学
IPC: H04B17/382 , H04B7/185
Abstract: 本发明属于移动通信技术领域，提供一种基于强化学习的认知无人机频谱感知方法，涉及认知无线电技术，为空闲频谱的高效利用提供了一种有效频谱感知方法。由于无人机具有部署方便、灵活性高等特点，本发明利用无人机搭载认知无线电设备感知网络中的空闲频谱，相比传统基站式感知方法，该方法可以有效对局部地区的频谱进行感知。本发明基于强化学习算法设计最优无人机飞行轨迹，以无人机位置和频谱感知结果为状态，飞行为动作，通过对不同状态下的不同动作进行评估，同时考虑感知的虚警和误警概率，智能化地制定和改进轨迹策略，最大化感知到的空闲频谱带宽。该方法不依靠具体的频谱状态统计模型，无人机飞行感知轨迹可以自适应频谱环境的动态变化。
-
公开(公告)号：CN112367131A
公开(公告)日：2021-02-12
申请号：CN202011067956.5
申请日：2020-10-08
Applicant: 大连理工大学
IPC: H04B17/382 , H04W72/04 , G06N20/00
Abstract: 本发明提供了一种基于强化学习的跳跃式频谱感知方法，属于无线通信领域，特别涉及认知无线电技术，为频谱的动态接入提供了一种低开销、智能化的频谱感知方法。考虑频谱空闲状态的持续特性，该方法允许设备在接入信道时跳过部分感知时隙，相比传统周期型感知策略，其可以减小感知开销，提高传输效率。该方法采用强化学习算法，以信道占用情况为状态，信道选择及感知跳过时隙为动作，通过对不同状态下的不同动作进行评估，设备能够智能化地制定最优策略。该方法不依赖具体的频谱状态统计模型，设备可以通过对环境的学习自适应的确定最优接入和感知策略。
-
公开(公告)号：CN104883214A
公开(公告)日：2015-09-02
申请号：CN201510242192.1
申请日：2015-05-11
Applicant: 大连理工大学
CPC classification number: H04B7/0452 , H04B7/0626 , H04L25/0204
Abstract: 基于自由度调度的干扰对齐方法，属于无线通信技术领域。其特征是：在建立自由度方案池的基础上实现了自由度调度，并将其与功率分配相结合；设置了用户需求程度反馈模块；设计了三种干扰对齐普通方案、穷尽搜索方案和离散随机优化方案，满足了不同的信道信息获取条件及设备状况下的通信需求。本发明的效果和益处是：规避因设备对天线数目的限制而造成的潜在频谱效率的损失；与功率分配策略相结合获得叠加效应，有效提高了网络吞吐量；在网络性能最优和用户需求满足之间实现了权衡；制定了理想信道状态信息获得情况下的策略，在非理想信道状态信息情况下制定的两种策略分别满足了收敛速度和计算量的要求。
-
公开(公告)号：CN118443133B
公开(公告)日：2024-10-18
申请号：CN202410137947.0
申请日：2024-02-01
Applicant: 大连理工大学
Abstract: 本发明属于智能无线感知技术领域，公开了一种基于毫米波雷达的非接触式三维机械振动检测方法。具体来说，将毫米波雷达作为非接触式机械振动检测设备，利用回波信号中包含的多维度振动特征，进行机械三维振动模式重建。首先，根据收发天线位置关系构建多组虚拟天线排列组合以获取目标多维信息，对回波信号的预处理来去除环境中的静态干扰；然后，为了捕获回波信号与三维振动模式之间的映射关系，通过人工智能技术构建机械三维振动模式重建网络，并进行离线数据采集和训练，当网络训练完成后，该网络可对雷达回波信号中的振动特征进行充分挖掘，实现回波信号到三维振动模式的快速映射，有效完成机械振动状态检测任务。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
