-
公开(公告)号：CN119847210A
公开(公告)日：2025-04-18
申请号：CN202510024564.7
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05D1/695
Abstract: 本发明涉及信息技术领域，公开了一种基于任务分解强化学习的多智能体编队协同控制方法，该方法旨在解决现有多智能体编队协同控制中任务权重分配效率低下和算法泛化能力弱的问题。方案包括建立多智能体运动模型及避障模型；设计状态、动作空间及回报函数；构建策略网络和基于任务分解的评估函数；设计深度强化学习的策略模型更新方法；设计多任务动态权重更新方法。针对复杂环境，通过多智能体编队协同控制方法，借助任务规划将任务分解为多个并行子任务，降低任务间耦合，从而降低任务间的干扰，并利用动态权重实现不同环境下最优的任务权重分配，提升智能体对不同环境的适应能力。适用于如无人机编队控制、机器人协作等。
-
Patent Agency Ranking
公开(公告)号：CN118569305A
公开(公告)日：2024-08-30
申请号：CN202410569102.9
申请日：2024-05-09
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明专利属于多智能体系统和深度学习领域，公开了一种基于超图神经网络的多模态轨迹预测方法及装置，主旨在于解决在多智能体通信中断场景下信息丢失导致算法失效的问题，主要方案利用Gazebo仿真平台构建多智能体集群仿真环境，采集并预处理智能体运动轨迹数据，构建数据集。采用图表示和注意力机制学习成对智能体交互特征，构建交互关系模型，通过神经信息传递机制更新智能体节点信息。设计基于条件变分自动编码器的多模态轨迹预测框架，融合交互关系模型和Transformer网络，实现长期高精度预测。通过模型量化提高实时性，并移植到集群控制算法中。在Gazebo仿真平台模拟通信中断场景测试，有效避免失控或碰撞问题，提升多智能体集群控制性能。
-
公开(公告)号：CN116707132A
公开(公告)日：2023-09-05
申请号：CN202310643612.1
申请日：2023-06-01
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明涉及配电箱技术领域，尤其涉及一种基于智能物联网的工地配电箱。本发明的目的在于解决在工地环境下的，强干扰、弱无线通信环境下，无光缆宽带情况下配电柜稳定接入互联网的问题。主要方案包括一级配电箱、二级配电箱、三级配电箱中的至少一个设置有智能主机，智能主机连接云平台；所述一级配电箱内设置的第一传感探测器与第一通用采集器连接；所述二级配电箱内设置的第二传感探测器与第二通用采集器连接；所述三级配电箱内设置的第三传感探测器、接智能断路器均与第三通用采集器连接；所述第一通用采集器、第二通用采集器、第三通用采集器通过电力载波通信，并将采集到的传感器信号传送给智能主机，再上传至云平台。
-
公开(公告)号：CN116680598A
公开(公告)日：2023-09-01
申请号：CN202310645003.X
申请日：2023-06-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F18/24 , H02J13/00 , G01R31/00 , G06F18/214 , G06N3/0442
Abstract: 本发明公开了一种用于工地智能配电箱的故障诊断和剩余寿命预测方法，包括以下步骤：从配电箱中采集到的数据通过无线网络传输到云平台；搭建基于LSTM的预处理模型、基于DBN的无监督HI的故障诊断模型和基于DBN和IPF的剩余寿命预测模型：将云平台接收到的数据放入神经网络进行训练；通过训练完成后的网络模型对配电箱中的配件进行检测，预测未来一段时间内某个单一零件是否会发生故障以及剩余使用时间，最终将训练结果返回云平台端显示以及是否加以人为干预。本发明相比现有技术，能够更好地维护工地场景下配电箱的使用，提前预知配电箱故障发生的时间，提高维修效率，大大降低人工成本。
-
公开(公告)号：CN116433642A
公开(公告)日：2023-07-14
申请号：CN202310425220.8
申请日：2023-04-18
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , A61B5/00 , G06V10/764 , G06V10/77 , G06V10/32 , G06V10/40 , G06V10/82 , G16H50/20 , G16H50/70 , G16H10/60 , G06N3/048 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于BEFAST判断原则的脑卒中行为检测方法，包括以下步骤：依据BEFAST判断原则采集人体状态的数据集；对采集到的数据进行预处理；搭建基于深度学习的双神经网络模型；利用预处理后的数据对神经网络进行训练；通过深度学习建立的网络模型对被测人员进行检测，检测脑卒中症状；根据网络模型的检测结果，以及被测人员的身体情况给予合理建议。本发明结合深度学习技术与BEFAST判断原则，采用双神经网络去判断脑卒中患病概率，相比于当下技术，从更显性的特征进行判断，降低了实施难度；从多维特征结合的角度进行判断，大大降低了误判、漏判概率。
-
公开(公告)号：CN118350449A
公开(公告)日：2024-07-16
申请号：CN202410479868.8
申请日：2024-04-22
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明涉及信息技术领域，公开了一种基于文本语义的多任务多智能体协同控制方法，解决连续动作空间下多任务多智能体系统中任务间干扰严重和策略共享能力弱的问题，主要方案包括以下步骤：设计适应多任务状态维度变化以及根据文本语义信息区分任务的策略网络模型与评估网络模型；设计用于多任务多智能体协同控制的层级回放池；设计深度强化学习的策略模型更新方法。针对连续动作空间下的多个任务，提出深度强化学习多智能体协同控制方法，并设计了统一不同任务状态输入以及根据任务文本语义信息区分任务模块，提升智能体对任务状态维度变化的适应能力以及对任务的区分能力，设计了用于多任务多智能体的层级回放池，降低任务之间的干扰。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
