一种基于强化学习的非线性双时间尺度工业系统H无穷组合控制方法

    公开(公告)号:CN115933383A

    公开(公告)日:2023-04-07

    申请号:CN202211454633.0

    申请日:2022-11-21

    Abstract: 本发明公开了一种基于强化学习的非线性双时间尺度工业系统H无穷组合控制方法,包括:利用奇异摄动理论,将原始H无穷控制问题进行分解得到快子问题和慢子问题,并引入坐标转换将快慢子问题重塑成两个标准的子问题;解决快慢子系统数据不可测的问题,进一步推导基于重构数据的H无穷强化学习迭代算法;在快慢时间尺度内分别引入执行‑评价‑扰动神经网络近似控制器、性能指标和扰动,基于最小二乘法迭代更新神经网络的权重,得到基于强化学习的快、慢H无穷控制器;再进行组合,得到非线性双时间尺度工业控制系统跨尺度强化学习组合H无穷控制器。本发明避免了在强化学习框架下设计双时间尺度工业系统控制器时潜在的高维和病态数值问题。

    一种基于频段差分的无人机RGB图像光谱重建方法

    公开(公告)号:CN119359563A

    公开(公告)日:2025-01-24

    申请号:CN202411473550.5

    申请日:2024-10-22

    Abstract: 本发明公开了一种基于频段差分的无人机RGB图像光谱重建方法,首先收集无人机航拍RGB图像和高光谱辅助图像,构建具有RGB和高光谱图像的数据集。其次,利用频段差分和超像素分割,生成训练数据。然后,建立基于深度网络的光谱映射模型,训练得到从RGB图像到频段差分序列的光谱映射关系。进一步地,利用通过训练模型得到的光谱映射关系,对无人机采集的任一RGB图像进行光谱重建,获得目标图像的差分序列。最后,对差分序列进行逆向差分处理,即可获得重建后的目标图像。本发明通过引入差分思想来限定高光谱辅助图像相邻频段间的关系,能够同时表示高光谱辅助图像的频段内信息和频段间相关性信息,可有效提升RGB图像光谱重建质量。

    一种基于多模态融合的高光谱图像分类方法

    公开(公告)号:CN116486251A

    公开(公告)日:2023-07-25

    申请号:CN202310182438.5

    申请日:2023-03-01

    Abstract: 本发明公开了一种基于多模态融合的高光谱图像分类方法,首先,通过维度统一层统一高光谱和激光雷达数据的维度;然后,通过多尺度分组卷积分别提取高光谱和激光雷达数据的多个尺度空间特征,并在对应尺度上进行多模态特征聚合,得到多个尺度的多模态聚合特征,进行拼接后得到多尺度聚合特征,并对其进行全局平均池化和全局最大池化,并结合全局协方差信息获得多模态数据的多尺度全局信息;接着,结合多模态数据的多尺度全局信息对不同尺度的多模态聚合特征进行融合,得到多模态空间融合特征;最后,利用激光雷达的空间拓扑信息对多模态空间融合特征进行拓扑约束,并将此约束下的多模态空间融合特征输入分类器完成分类任务。

Patent Agency Ranking