-
公开(公告)号：CN113792458B
公开(公告)日：2023-11-14
申请号：CN202111054739.7
申请日：2021-09-09
申请人： 中国航天科工集团第二研究院
摘要： 本发明公开了一种有限元三角形网格的优化方法及装置，涉及产品建模分析技术领域，遍历网格的内部节点，对每个内部节点进行基于角度的局部网格优化，基于角度的局部网格优化是将内部节点的所有邻接节点形成的多边形作为待优化的局部网格区块，根据多边形各个内角的角均分线的交点位置重新确定出优化后的内部节点位置。通过内部节点进行局部网格优化，实现有限元三角形网格整体优化。由于采用角度均分线的交点来更新内部节点位置，可以增大网格中的最小角以及减小网格中的最大角。本发明易于并行实现，具有较高的效率，可以极大地提升网格的整体质量。
-
公开(公告)号：CN113919485A
公开(公告)日：2022-01-11
申请号：CN202111216476.5
申请日：2021-10-19
申请人： 西安交通大学 , 中国航天科工集团第二研究院
摘要： 本发明公开了一种基于动态层级通信网络的多智能体强化学习方法及系统，方法包括：S100，编码当前时刻观测信息和历史信息，获得当前时刻观测特征和依赖特征，并进行预决策；S200，基于注意力机制，根据预决策信息与观测特征，获取依赖矩阵；S300，基于最小生成树算法，动态生成层级关系网络并进行选择性有向地通信，生成联合决策并与环境交互，收集经验数据；S400，基于线性值分解网络，为每个智能体分配状态‑动作值函数，更新智能体策略网络；S500，基于内在奖励机制，根据演员‑评论家框架更新层级网络参数。在该方法中，多智能体利用动态生成的层级通信网络进行选择性的观测信息和意图信息共享，基于条件状态‑动作值分解网络和内在通信奖励，减少环境的非稳态问题，并对联合策略及层级通信协议进行高效的学习和更新。
-
公开(公告)号：CN113792458A
公开(公告)日：2021-12-14
申请号：CN202111054739.7
申请日：2021-09-09
申请人： 中国航天科工集团第二研究院
摘要： 本发明公开了一种有限元三角形网格的优化方法及装置，涉及产品建模分析技术领域，遍历网格的内部节点，对每个内部节点进行基于角度的局部网格优化，基于角度的局部网格优化是将内部节点的所有邻接节点形成的多边形作为待优化的局部网格区块，根据多边形各个内角的角均分线的交点位置重新确定出优化后的内部节点位置。通过内部节点进行局部网格优化，实现有限元三角形网格整体优化。由于采用角度均分线的交点来更新内部节点位置，可以增大网格中的最小角以及减小网格中的最大角。本发明易于并行实现，具有较高的效率，可以极大地提升网格的整体质量。
-
公开(公告)号：CN113919485B
公开(公告)日：2024-03-15
申请号：CN202111216476.5
申请日：2021-10-19
申请人： 西安交通大学 , 中国航天科工集团第二研究院
摘要： 本发明公开了一种基于动态层级通信网络的多智能体强化学习方法及系统，方法包括：S100，编码当前时刻观测信息和历史信息，获得当前时刻观测特征和依赖特征，并进行预决策；S200，基于注意力机制，根据预决策信息与观测特征，获取依赖矩阵；S300，基于最小生成树算法，动态生成层级关系网络并进行选择性有向地通信，生成联合决策并与环境交互，收集经验数据；S400，基于线性值分解网络，为每个智能体分配状态‑动作值函数，更新智能体策略网络；S500，基于内在奖励机制，根据演员‑评论家框架更新层级网络参数。在该方法中，多智能体利用动态生成的层级通信网络进行选择性的观测信息和意图信息共享，基于条件状态‑动作值分解网络和内在通信奖励，减少环境的非稳态问题，并对联合策略及层级通信协议进行高效的学习和更新。
-
公开(公告)号：CN113867178A
公开(公告)日：2021-12-31
申请号：CN202111248683.9
申请日：2021-10-26
申请人： 哈尔滨工业大学 , 中国航天科工集团第二研究院
IPC分类号： G05B17/02
摘要： 面向多机器人对抗的虚实迁移训练系统，涉及机器人对抗技术领域，针对现有决策训练过程中，单纯使用真实环境进行决策训练时训练成本较高，安全性较差的问题，本申请通过使用创新的训练方法，大大地减少了决策训练的成本，相比于传统的方法能够更加地充分考虑实际环境中的各种因素，经过该方法训练得到的决策适应度高、所需的训练时间短，决策准确度高，响应速度快等优点。通过该训练方法可以实现机器人在各种复杂环境下快速准确的完成决策训练。
-
公开(公告)号：CN113397482A
公开(公告)日：2021-09-17
申请号：CN202110545234.4
申请日：2021-05-19
申请人： 中国航天科工集团第二研究院
摘要： 本发明公开一种人类行为分析方法及系统，涉及人类行为分析技术领域，以解决现有的分析方法主观性强的问题。所述人类行为分析方法包括：先采集多种类型的信号，并提取每一种信号的特征，得到多个特征，再对多个特征进行筛选，得到多个预测用特征，最后以多个预测用特征作为输入，利用训练好的SNN‑BLSTM行为模型得到人类行为，该分析方法能够基于人体本身信号分析人类行为，相较于生物学家依赖领域知识和经验对人的行为进行分析和判断的方法，能够显著提高人类行为预测的客观性。所述一种人类行为分析系统与上述技术方案所述的人类行为分析方法相对应。本发明提供的人类行为分析方法及系统用于预测人类行为。
-
公开(公告)号：CN113397482B
公开(公告)日：2023-01-06
申请号：CN202110545234.4
申请日：2021-05-19
申请人： 中国航天科工集团第二研究院
摘要： 本发明公开一种人类行为分析方法及系统，涉及人类行为分析技术领域，以解决现有的分析方法主观性强的问题。所述人类行为分析方法包括：先采集多种类型的信号，并提取每一种信号的特征，得到多个特征，再对多个特征进行筛选，得到多个预测用特征，最后以多个预测用特征作为输入，利用训练好的SNN‑BLSTM行为模型得到人类行为，该分析方法能够基于人体本身信号分析人类行为，相较于生物学家依赖领域知识和经验对人的行为进行分析和判断的方法，能够显著提高人类行为预测的客观性。所述一种人类行为分析系统与上述技术方案所述的人类行为分析方法相对应。本发明提供的人类行为分析方法及系统用于预测人类行为。
-
公开(公告)号：CN113867178B
公开(公告)日：2022-05-31
申请号：CN202111248683.9
申请日：2021-10-26
申请人： 哈尔滨工业大学 , 中国航天科工集团第二研究院
IPC分类号： G05B17/02
摘要： 面向多机器人对抗的虚实迁移训练系统，涉及机器人对抗技术领域，针对现有决策训练过程中，单纯使用真实环境进行决策训练时训练成本较高，安全性较差的问题，本申请通过使用创新的训练方法，大大地减少了决策训练的成本，相比于传统的方法能够更加地充分考虑实际环境中的各种因素，经过该方法训练得到的决策适应度高、所需的训练时间短，决策准确度高，响应速度快等优点。通过该训练方法可以实现机器人在各种复杂环境下快速准确的完成决策训练。
-
公开(公告)号：CN115454096B
公开(公告)日：2024-07-19
申请号：CN202211227150.7
申请日：2022-10-09
申请人： 哈尔滨工业大学 , 中国航天科工集团第二研究院
摘要： 一种基于课程强化学习的机器人策略训练系统及训练方法，它属于无人系统自主决策与控制领域。本发明解决了现有方法在针对于机器人的策略训练方面难以获得好的决策与控制效果的问题。本发明针对异构多机器人不同类型的任务模式，以复杂环境的动力学模型为输入，构建基于课程学习的多机器人联合任务决策课程学习训练架构。考虑训练过程中任务难度的循序渐进，建立基于复杂环境动力学模型的参数自主生成算法和目标自主生成算法。然后在此基础上，建立课程难度评估与标校算法，反馈给自优化强化学习算法。本发明方法可以应用于无人系统的自主决策与控制。
-
公开(公告)号：CN115454096A
公开(公告)日：2022-12-09
申请号：CN202211227150.7
申请日：2022-10-09
申请人： 哈尔滨工业大学 , 中国航天科工集团第二研究院
IPC分类号： G05D1/02
摘要： 一种基于课程强化学习的机器人策略训练系统及训练方法，它属于无人系统自主决策与控制领域。本发明解决了现有方法在针对于机器人的策略训练方面难以获得好的决策与控制效果的问题。本发明针对异构多机器人不同类型的任务模式，以复杂环境的动力学模型为输入，构建基于课程学习的多机器人联合任务决策课程学习训练架构。考虑训练过程中任务难度的循序渐进，建立基于复杂环境动力学模型的参数自主生成算法和目标自主生成算法。然后在此基础上，建立课程难度评估与标校算法，反馈给自优化强化学习算法。本发明方法可以应用于无人系统的自主决策与控制。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.032 秒)