-
Patent Agency Ranking
公开(公告)号：CN112327612A
公开(公告)日：2021-02-05
申请号：CN202010771556.6
申请日：2020-08-04
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
Abstract: 系统动力学全局稳定建模的动力学模型。提供了一种用于训练动力学模型以学习物理系统的动力学的系统和计算机实现的方法。特别地，可以学习动力学模型，以能够基于物理系统和/或其环境的当前状态来推断物理系统和/或其环境的未来状态。学习动力学模型固有地是全局稳定的。也就是说，代替于学习动力学模型并且试图单独地验证其稳定性，可学习的动力学模型包括可学习的李雅普诺夫函数，其与物理系统的标称动力学一起被联合地学习。因此，学习动力学模型高度适合于现实生活应用，在现实生活应用中，由于学习动力学模型固有地是全局稳定的，因此物理系统可以假定在训练期间未被看见的状态。
-
公开(公告)号：CN113448244A
公开(公告)日：2021-09-28
申请号：CN202110305701.6
申请日：2021-03-23
Applicant: 罗伯特·博世有限公司 , 卡内基梅隆大学
IPC: G05B13/04
Abstract: 具有神经网络和改进稳定性的控制器。一些实施例针对用于为计算机控制的机器生成控制信号的控制器。神经网络可以应用于当前传感器信号，该神经网络被配置为将传感器信号映射到原始控制信号。可以将投影函数应用于原始控制信号，以获得稳定的控制信号来控制计算机可控机器。
-
公开(公告)号：CN114442482A
公开(公告)日：2022-05-06
申请号：CN202111288849.X
申请日：2021-11-02
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于对基于数据的模型进行训练的方法，以用于根据激光焊接机（2）的运行参数（x）来求取所述激光焊接机（2）向工件中的能量输入，其中，根据所求取的飞溅数目（N）来进行训练。
-
公开(公告)号：CN114444019A
公开(公告)日：2022-05-06
申请号：CN202111281518.3
申请日：2021-11-01
Applicant: 罗伯特·博世有限公司
IPC: G06F17/18 , G06F17/16 , G06F30/27 , B23K26/382 , G06F111/10
Abstract: 本发明涉及用于借助于基于数据的模型的贝叶斯优化设置尤其生产机器的系统（1，2）的运行参数（x）的方法，（在贝叶斯优化中）训练所述基于数据的模型以根据运行参数（x）输出模型输出变量（y,μ），所述模型输出变量表征系统（1，2）的工作方式，其中基于数据的模型的训练根据系统（1，2）的至少一个实验确定的测量变量（yexp）进行，并且其中训练也根据至少一个模拟确定的模拟变量（ysim）进行，其中测量变量（yexp）和模拟变量（ysim）分别表征系统（1，2）的工作方式，其中在训练时测量变量（yexp）和/或模拟变量（ysim）借助于仿射变换来变换。
-
公开(公告)号：CN114054948A
公开(公告)日：2022-02-18
申请号：CN202110855863.7
申请日：2021-07-28
Applicant: 罗伯特·博世有限公司
IPC: B23K26/21 , B23K26/382 , B23K26/70
Abstract: 用于运行激光材料加工机（1，2）的计算机实现的方法和设备，其中过程参数（x）借助于贝叶斯优化而变化，直到激光材料加工的结果（y）足够好为止，其中所述贝叶斯优化借助于基于数据的过程模型（GP）进行，并且其中在所述过程参数（x）变化时考虑表征所述结果（y）的质量的变量（D）位于可预给定界限（D0‑δ，D0+δ）内的可能性有多大。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
