-
公开(公告)号：CN115629607A
公开(公告)日：2023-01-20
申请号：CN202211306866.6
申请日：2022-10-25
Applicant: 湖北汽车工业学院
IPC: G05D1/02
Abstract: 本发明涉及机器人路径规划技术领域，具体涉及一种融合历史信息的强化学习路径规划方法，包括以下步骤：S1：获取环境图像，建立格栅地图；S2：定义强化学习状态空间和动作空间；S3：初始化算法参数；S4：动态调整动作空间；S5：在调整后的动作空间中，采用ε‑贪婪策略选择动作；S6：执行动作，更新Q值；S7：复执行第四步、第五步、第六步，直到达到一定步数或一定收敛条件为止；S8：每一步选择Q值最大的动作，得出最优路径；S9：把最优路径发送给移动机器人的控制器，控制移动机器人按照最优行走。
-
公开(公告)号：CN112964272A
公开(公告)日：2021-06-15
申请号：CN202110278598.0
申请日：2021-03-16
Applicant: 湖北汽车工业学院
IPC: G01C21/34
Abstract: 本发明将基于模型的算法和模型无关的算法相结合的Dyna框架结合Q‑learning算法应用于移动机器人路径规划，同时为了加快算法的收敛，在Q值初始化时引入人工势场法初始化Q值，仿真实验表明，加入规划后的算法收敛前的运行幕数会大大减少，并且规划步数越大算法收敛前运行幕数越少，但是加入规划会增加算法的时间复杂度；改进的Dyna‑Q学习算法加快了算法的收敛速度，能够高效的完成移动机器人在未知环境中的路径规划问题。
-
公开(公告)号：CN118070634A
公开(公告)日：2024-05-24
申请号：CN202410311192.1
申请日：2024-03-19
Applicant: 湖北汽车工业学院
IPC: G06F30/25 , G06F30/23 , G16C60/00 , G06F111/10 , G06F113/24 , G06F111/04 , G06F119/02 , G06F119/14
Abstract: 本发明属于压铆连接数值模拟技术领域，涉及一种基于光滑粒子伽辽金法的压铆连接数值模拟方法，包括如下步骤：S1、建立材料模型；压铆螺母视为刚体，薄板材料视为柔性体；S2、建立压入‑推出、压入‑扭出两种有限元模型；压入‑推出只建立1/4模型，压入‑扭出建立全模型；S3、进行单元算法控制；S4、选择约束法进行LS_DYNA接触度的计算；S5、对压入‑推出模型和压入‑扭出模型施加边界条件；S6、进行仿真测试，并于实验结果进行对比。
-
-
Patent Agency Ranking
公开(公告)号：CN115629607B
公开(公告)日：2025-02-25
申请号：CN202211306866.6
申请日：2022-10-25
Applicant: 湖北汽车工业学院
IPC: G05D1/43
Abstract: 本发明涉及机器人路径规划技术领域，具体涉及一种融合历史信息的强化学习路径规划方法，包括以下步骤：S1：获取环境图像，建立格栅地图；S2：定义强化学习状态空间和动作空间；S3：初始化算法参数；S4：动态调整动作空间；S5：在调整后的动作空间中，采用ε‑贪婪策略选择动作；S6：执行动作，更新Q值；S7：复执行第四步、第五步、第六步，直到达到一定步数或一定收敛条件为止；S8：每一步选择Q值最大的动作，得出最优路径；S9：把最优路径发送给移动机器人的控制器，控制移动机器人按照最优行走。
-
公开(公告)号：CN115285135A
公开(公告)日：2022-11-04
申请号：CN202210824663.X
申请日：2022-07-14
Applicant: 湖北汽车工业学院
Abstract: 本发明涉及一种融合驾驶风格的深度强化学习车辆跟驰模型的构建方法，基于NGSIM项目实测高精度交通流数据集，设定相应的规则对原始数据进行筛选，得到符合条件的跟驰对数据，将跟车对数据分为训练数据和验证数据。基于训练数据对驾驶人的驾驶特性进行分析，同时基于支持向量机算法搭建了驾驶风格辨识模型。基于对不同特性驾驶员的跟驰行为分析结果，融合不同驾驶风格的跟车间距设计强化学习奖励函数搭建基于深度确定性策略梯度算法的跟驰模型。在所搭建的训练环境中对模型进行训练得到不同驾驶风格的深度强化学习跟驰模型，基于验证数据的仿真结果显示，所搭建的跟驰模型在保证安全性和舒适性的前提下能够体现不同的驾驶特性。
-
公开(公告)号：CN112344944B
公开(公告)日：2022-08-05
申请号：CN202011327198.6
申请日：2020-11-24
Applicant: 湖北汽车工业学院
Abstract: 本发明公开了一种引入人工势场的强化学习路径规划方法，包括以下步骤：S1、建立格栅地图，引入引力场函数初始化状态值，获得用于训练强化学习智能体的仿真环境；S2、初始化算法参数；S3、采用动态因子调整策略选择动作；S4、执行动作，更新Q值；S5、重复执行第三步、第四步，直到达到一定步数或一定收敛条件为止；S6、每一步选择Q值最大的动作，得出最优路径；S7、把最优路径发送给移动机器人的控制器，控制移动机器人按照最优路径行走。本发明中改进的Q‑learning算法相较于传统算法在路径规划时间上缩短85.1%，收敛前迭代次数减少74.7%，同时算法的收敛结果稳定性也得到了提升。
-
公开(公告)号：CN118070634B
公开(公告)日：2025-04-08
申请号：CN202410311192.1
申请日：2024-03-19
Applicant: 湖北汽车工业学院
IPC: G06F30/25 , G06F30/23 , G16C60/00 , G06F111/10 , G06F113/24 , G06F111/04 , G06F119/02 , G06F119/14
Abstract: 本发明属于压铆连接数值模拟技术领域，涉及一种基于光滑粒子伽辽金法的压铆连接数值模拟方法，包括如下步骤：S1、建立材料模型；压铆螺母视为刚体，薄板材料视为柔性体；S2、建立压入‑推出、压入‑扭出两种有限元模型；压入‑推出只建立1/4模型，压入‑扭出建立全模型；S3、进行单元算法控制；S4、选择约束法进行LS_DYNA接触度的计算；S5、对压入‑推出模型和压入‑扭出模型施加边界条件；S6、进行仿真测试，并于实验结果进行对比。
-
公开(公告)号：CN112344944A
公开(公告)日：2021-02-09
申请号：CN202011327198.6
申请日：2020-11-24
Applicant: 湖北汽车工业学院
Abstract: 本发明公开了一种引入人工势场的强化学习路径规划方法，包括以下步骤：S1、建立格栅地图，引入引力场函数初始化状态值，获得用于训练强化学习智能体的仿真环境；S2、初始化算法参数；S3、采用动态因子调整策略选择动作；S4、执行动作，更新Q值；S5、重复执行第三步、第四步，直到达到一定步数或一定收敛条件为止；S6、每一步选择Q值最大的动作，得出最优路径；S7、把最优路径发送给移动机器人的控制器，控制移动机器人按照最优路径行走。本发明中改进的Q‑learning算法相较于传统算法在路径规划时间上缩短85.1%，收敛前迭代次数减少74.7%，同时算法的收敛结果稳定性也得到了提升。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.027 seconds)
