-
公开(公告)号：CN118443133A
公开(公告)日：2024-08-06
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。
-
公开(公告)号：CN116704823A
公开(公告)日：2023-09-05
申请号：CN202310689260.3
申请日：2023-06-12
Applicant: 大连理工大学
Abstract: 本发明属于无人机和通感一体化技术领域，提出了一种基于强化学习的无人机智能轨迹规划和通感资源分配方法。无人机作为空中基站同时实现对目标物体的状态感知以及为地面用户提供通信服务。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，基于深度强化学习算法采用历史数据或模拟数据离线训练神经网络，使无人机通过获取当前环境信息制定最优的轨迹规划和通感资源分配联合策略，在保证感知精度的前提下实现目标感知速率和通信速率的最大化。本发明能够得到最优的无人机轨迹和适应环境需求的功率、带宽分配复杂耦合策略。在离线学习的基础上进行在线学习并更新权重，具有广泛的自适应性。
-
公开(公告)号：CN116667944A
公开(公告)日：2023-08-29
申请号：CN202310573083.2
申请日：2023-05-19
Applicant: 大连理工大学
IPC: H04B17/00 , H04B17/318 , H04B17/373 , G06N3/0442 , G06N3/08
Abstract: 本发明是为了解决黑电台频繁出现和打击治理困难的问题，提出一种基于长短期记忆网络的移动黑电台监测方法。首先借鉴了先进监测设备的优势和大数据挖掘的理念提出了一个高效智能的方案，具体内容是基于长短期记忆网络对频谱占用情况进行预测分析，同时为了增加监测设备的灵活性，将检测设备搭载到可移动的无人机上，在地面的上位机可以实时观察检测的结果。本发明设计的目的就是提高黑电台查找的精确度，规范和改进干扰源查找、数据采集和数据分析等一系列繁琐的步骤，大大提高区域间监测的工作效率。
-
公开(公告)号：CN116330290A
公开(公告)日：2023-06-27
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：CN113810910A
公开(公告)日：2021-12-17
申请号：CN202111098334.3
申请日：2021-09-18
Applicant: 大连理工大学
Abstract: 本发明提供一种基于深度强化学习的4G与5G网络间动态频谱共享方法。考虑一个单基站覆盖的蜂窝网络，将基站视为智能体，其可调度的最小资源单位定义为资源块，包含时间和频率两个维度，基站的共享策略将针对资源块周期制定，即在每个决策周期内决定哪些资源块共享用于5G服务供应。本发明以4G网络服务质量保证和频谱共享效率为目标，通过深度强化学习使基站能够根据动态的环境信息不断改进策略，实现对4G闲置频谱的高效、合理利用。本发明不依赖特定模型，能够更加准确地制定共享策略。同时，本发明中基站能够利用训练好的神经网络基于当前环境的观测量直接制定共享策略，省去基于传统优化算法的复杂计算，避免了其带来的不可容忍的延迟。
-
Patent Agency Ranking
公开(公告)号：CN118918211B
公开(公告)日：2024-12-03
申请号：CN202411404516.2
申请日：2024-10-10
Applicant: 大连理工大学
IPC: G06T11/00 , A61B6/03 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于医疗成像和人工智能领域，公开了一种基于投影与断层双域监督的双视角CT重建方法。本发明提出结合投影与断层双域监督实现双视角CT重建，引入FDK重建算法连接投影域和断层域，有效避免了跨域监督的转换误差。本发明提出了投影补全网络、投影残差学习网络和断层细化网络共同协作完成双域监督的双视角CT重建。针对这三个网络设计了专门的架构，引入重投影损失以提高重建质量。本发明仅用患者两个视角的投影即可重建出相应部位的断层图像，极大降低了患者所接受的辐射剂量，这对提高治疗的安全性、保障患者的身体健康具有重要意义。
-
公开(公告)号：CN118918211A
公开(公告)日：2024-11-08
申请号：CN202411404516.2
申请日：2024-10-10
Applicant: 大连理工大学
IPC: G06T11/00 , A61B6/03 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于医疗成像和人工智能领域，公开了一种基于投影与断层双域监督的双视角CT重建方法。本发明提出结合投影与断层双域监督实现双视角CT重建，引入FDK重建算法连接投影域和断层域，有效避免了跨域监督的转换误差。本发明提出了投影补全网络、投影残差学习网络和断层细化网络共同协作完成双域监督的双视角CT重建。针对这三个网络设计了专门的架构，引入重投影损失以提高重建质量。本发明仅用患者两个视角的投影即可重建出相应部位的断层图像，极大降低了患者所接受的辐射剂量，这对提高治疗的安全性、保障患者的身体健康具有重要意义。
-
公开(公告)号：CN117974632A
公开(公告)日：2024-05-03
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：CN116824629A
公开(公告)日：2023-09-29
申请号：CN202310646804.8
申请日：2023-06-02
Applicant: 大连理工大学
IPC: G06V40/10 , G01S7/41 , G06V10/774 , G06N3/0499 , G06N3/08
Abstract: 本发明属于智能无线感知技术领域，公开一种基于毫米波雷达的高鲁棒手势识别方法。实际生活中机器进行行为感知时无法获得一个安静的环境，当环境中出现高强度噪声干扰，如他人走动或跑动时，这些干扰会影响手势识别的准确率。本发明通过提取毫米波雷达多天线的信息，并将其在距离、速度、水平角度和竖直角度四个维度上进行映射来生成不同的信息随时间变化的图片，并设计了基于自注意力机制的网络，完成了实时的手势识别任务。该网络通过增加手势信息的权重的同时降低噪声信号的影响，提高了对环境的鲁棒能力。通过实验表明，本发明在存在高强度干扰的环境下，手势识别的准确率达到了90％以上，具有很好的环境鲁棒性。
-
公开(公告)号：CN114884595A
公开(公告)日：2022-08-09
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.018 seconds)
