-
公开(公告)号：CN104486166A
公开(公告)日：2015-04-01
申请号：CN201410852022.0
申请日：2014-12-31
Applicant: 北京理工大学
IPC: H04L12/26 , H04L12/851
Abstract: 本发明提供一种网络化控制系统采样周期调整方法，根据当前的网络QoS调节系统的采样周期，提高网络服务质量，降低网络平均传输延时与丢包率，从而提高网络化控制系统的控制性能和稳定性。一种基于QoS的网络化控制系统采样周期调整方法，首先网络QoS测量模块测量当前网络的通信服务状况，通过时间戳方式测量数据包的环路延时，并通过统计数据包的发送和接收状况计算出当前数据包的丢包率；然后，采样周期控制模块根据网络QoS测量数据采取静态调整或动态调整方法计算得到此时系统应采用的采样周期。
-
公开(公告)号：CN119882447A
公开(公告)日：2025-04-25
申请号：CN202510065448.X
申请日：2025-01-15
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 一种无人系统的数据驱动自触发控制方法及系统，方法包括：S1、针对无人系统进行建模，并设计自触发控制策略；S2、针对测量数据中未知有界噪声，构造噪声矩阵集合；S3、构造基于凸多面体的数据驱动系统表示；S4、构造数据驱动的动态自触发传输策略；S5、建立满足数据驱动自触发传输策略下的数据驱动稳定性判据，并设计状态反馈控制器的增益矩阵和自触发传输机制的权值矩阵；S6、依据数据驱动稳定性判据、状态反馈控制器的增益矩阵和自触发传输机制的权值矩阵对离散时间无人系统进行自触发控制。本发明不依赖于系统精确模型，利用历史或实时数据，实现了无人系统的稳定控制，同时避免了系统的连续检测与通讯，减少了设备成本和传输资源。
-
公开(公告)号：CN118839938B
公开(公告)日：2025-01-14
申请号：CN202411266593.6
申请日：2024-09-11
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06N3/006 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/092 , G06N3/0985 , G06Q50/04 , G06Q50/40 , G06F18/213
Abstract: 本发明属于离散制造技术领域，提供一种基于图神经网络和强化学习的柔性车间联合调度方法及装置，能够全面描述运输资源约束的柔性车间的加工和运输的约束关系，有效地提升了决策模型的调度质量。该方法的过程为：构建调度智能体模型；训练调度智能体模型，包括对状态、动作、状态转移以及奖励函数的设计；基于训练完成的智能体模型的特征提取网络和Actor网络，实现柔性车间联合调度，输出工序、机器和无人车的联合调度动作。
-
公开(公告)号：CN118819085A
公开(公告)日：2024-10-22
申请号：CN202410795753.X
申请日：2024-06-19
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明提供一种基于噪声数据的未知系统有限时域状态估计的方法，该方法能够适应动态系统，从而提高系统的瞬态性能。该方法的具体步骤包括：离线阶段：通过离线时收集到带有噪声的输入、状态和输出数据矩阵，在有限时域，计算控制增益矩阵、状态‑输入违逆矩阵和观测增益矩阵，基于计算获得的矩阵构造状态估计的反馈控制器；在线阶段：利用未知系统带有噪声的输入数据和输出数据，利用离线阶段构造的状态估计的反馈控制器对其状态进行估计，并利用估计状态对系统进行状态反馈控制，以实现对未知系统的闭环控制。
-
公开(公告)号：CN118721208A
公开(公告)日：2024-10-01
申请号：CN202411023330.2
申请日：2024-07-29
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提供一种基于选择性状态空间与有模型强化学习的机械臂操控方法，首先根据真实环境构建世界模型，世界模型处理第三人称视角下的高维视觉图像，提取图像特征并整合序列状态‑动作信息，机械臂模型再根据世界模型提取的特征信息进行决策与学习，能在较低的交互次数下最大化样本效率，仅利用较少的计算资源就可以让机械臂学习到物品抓取方法，能够提升有模型强化学习算法在不同任务场景中的泛用性，降低训练成本和在实际环境中的部署难度，提升计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113917842B
公开(公告)日：2024-07-26
申请号：CN202111196749.4
申请日：2021-10-14
Applicant: 北京理工大学重庆创新中心
IPC: G05B13/04
Abstract: 本发明提供一种网络化控制系统数据驱动控制方法及其控制器，其中，本方案可实现在系统模型未知的情况下，无需系统辨识，利用系统数据设计控制器参数，保证系统稳定运行，具有普适性；其次，本方案采用了基于周期采样的动态事件触发传输策略，与传统的时间触发与事件触发策略相比，能在保证系统稳定特性的情况下，减少网络中数据的传输，节约通信资源；最后，本方案所实现的数据驱动方法，首次实现了在事件触发策略下的网络化控制系统，仅使用收集到的输入‑状态数据联合设计事件触发参数以及控制器。
-
公开(公告)号：CN114494914B
公开(公告)日：2024-03-29
申请号：CN202111658165.4
申请日：2021-12-30
Applicant: 北京理工大学重庆创新中心
IPC: G06V20/17 , G06T7/70 , G06T7/20 , G06V10/74 , G06V10/764
Abstract: 本发明提供一种无人机对地面目标的视觉定位方法，设计了一种高度融合了目标检测与目标跟踪算法优点的结构用于目标定位，可以实现对任意指定单目标/多目标的连续定位，且相对于当前目标检测定位或目标跟踪定位，大大提高了定位精度。
-
公开(公告)号：CN113836810B
公开(公告)日：2023-12-19
申请号：CN202111138454.1
申请日：2021-09-27
Applicant: 北京理工大学重庆创新中心
IPC: G06F30/27 , G06F30/15 , G06F119/02
Abstract: 本发明提供一种飞行器及其姿态控制模型参数辨识方法、装置及存储介质，创新性地引入遗传算法对特征模型的参数进行辨识，对于飞行器俯仰、滚转、偏航三个姿态角通道分别建立特征模型，分别输入遗传算法辨识过程，达到精度要求指标后输出所需的辨识参数估计结果，可用于控制器设计；可实现在线循环运算，但不再需要进行反复的矩阵运算，因此降低了对硬件算力的要求，提高了参数辨识效率；与传统算法不同，遗传算法同时考虑多个搜索结果，以目标函数作为搜索信息，更加有效，可以避免局部最优解，因此也提高了参数辨识精度；此外，遗传算法对目标函数的限制最小，其并行计算能力提高了它的运行速度。
-
公开(公告)号：CN116700327A
公开(公告)日：2023-09-05
申请号：CN202310612411.5
申请日：2023-05-29
Applicant: 北京理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于连续动作优势函数学习的无人机轨迹规划方法，属于机器人智能决策与控制领域；首先构建无人机轨迹规划的马尔科夫决策过程模型，分别得到无人机轨迹规划的状态变量，控制变量，转移模型，损失函数的表达式；然后建立策略网络和评价网络；再通过连续动作优势函数学习在无人机每前进一步后训练更新策略网络和评价网络，直至二者收敛；最终得到用于无人机轨迹规划的策略网络。本发明在无人机动力学模型与所处环境完全未知的情况下实现无人机的轨迹规划，使其以最短时间抵达预定目标，具有很高的实用价值。
-
公开(公告)号：CN116339331A
公开(公告)日：2023-06-27
申请号：CN202310289886.5
申请日：2023-03-23
Applicant: 北京理工大学
Abstract: 本发明公开了基于分层深度强化学习的多机器人安全导航方法及系统，属于深度强化学习技术领域，尤其涉及基于深度强化学习的多机器人导航方法。该方法采用基于技能的分层深度强化学习模型框架，通过设计基于规则的目标驱动策略和安全转向策略，以及基于深度强化学习的避障导航策略，分别实现目标接近、紧急制动以及避障导航三种低层行为策略；通过深度强化学习训练高层的行为选择策略，学习好的行为选择模型能够有效避免对人为设计策略选择规则的依赖。本发明通过设计多个基于传统控制规则的子行为策略，以及引入基于深度强化学习的行为选择策略，加强了机器人对当前环境的辨识能力，提高了多机器人避障导航的快速性以及安全性。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.028 seconds)
