-
公开(公告)号：CN118331288B
公开(公告)日：2024-08-23
申请号：CN202410764660.0
申请日：2024-06-14
Applicant: 安徽大学
Abstract: 本发明公开了基于语义强化学习的自主水下机器人轨迹跟踪控制方法，包括：获取海洋环境图像信息；进行强化学习训练，得到最优的运动决策；进行海洋环境特征点提取和语义理解，得到海洋环境语义；判断自主水下航行器的运动决策是否安全，若安全，则执行运动决策，否则对不安全的动作，在安全约束下利用强化学习重新做出新的运动决策，若仍不安全，则存储当前不安全事件并基于状态恢复机制重训练。本发明使自主水下机器人能够更好的理解环境信息以及变化，预测潜在的危险，能够保证自主水下机器人的安全性，一旦自主水下机器人发生碰撞，能够自动恢复到上一个最优安全状态，而不是恢复到初始状态重新开始训练，提高训练效率。
-
公开(公告)号：CN118493399A
公开(公告)日：2024-08-16
申请号：CN202410848632.7
申请日：2024-06-27
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种基于多功能抓取及对象无关框架的机器人抓取方法及系统，涉及机器人智能控制领域。所述方法包括：对训练集中的RGB图像信息进行预处理，得到处理后的RGB图像信息；根据处理后的RGB图像信息和深度信息，搭建抓取检测模型；基于IOU计算得到损失计算策略；基于损失计算策略，对抓取检测模型进行训练，得到携带最优的权重参数的抓取检测模型；控制器根据携带最优的权重参数的抓取检测模型，建立抓取位姿配置在相机坐标系与世界坐标系间的转化关系，得到三维世界坐标系下的抓取位姿；机器人根据三维世界坐标系下的抓取位姿，将物体运输至制定的目标位置，本发明提升了机器人抓取物体的能力。
-
公开(公告)号：CN117350496B
公开(公告)日：2024-05-24
申请号：CN202311337880.7
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06Q10/0631 , H02J3/00 , G06Q10/083 , G06Q50/06 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于混合动作空间强化学习的远洋海岛群能量管理方法，方法包括：海岛能量枢纽模型构建，以描述满足海岛多元能源需求的能量转换；海岛间船舶能量传输模型构建，用于表征船舶动态运输过程；根据海岛能量枢纽模型和船舶能量传输模型，建立海岛群综合能源系统能源管理模型；建立包含混合动作空间的深度强化学习方法进行能量管理策略求解。本发明基于一种包含混合动作空间的深度强化学习方法解决海岛群综合能源系统能量管理问题，其考虑了海岛群环境的强不确定性和动态特性，满足对极端环境变化的自适应性，同时，与其他算法相比本发明提出的方法可在不改变模型结构的条件下实现海岛群能量管理策略的快速求解。
-
Patent Agency Ranking
公开(公告)号：CN117350515B
公开(公告)日：2024-04-05
申请号：CN202311578796.4
申请日：2023-11-21
Applicant: 安徽大学
IPC: G06Q10/0631 , G06N3/092
Abstract: 本发明涉及一种基于多智能体强化学习的远洋海岛群能量流调度方法，方法包括：海岛群能量流传输模式设计，以用于描述海岛群间能量传输过程；根据海岛群能量流传输模式，构建海岛群能量流传输模型；根据海岛群能量流传输模型，建立海岛群能源系统能量管理模型；使用多智能体强化学习方法实现海岛群能量流调度，并对能量管理策略求解。本发明基于多智能体强化学习方法，考虑海岛群的布局特点、可再生能源禀赋及电力船舶的移动储能特性，以满足对人居岛负载需求变化的自适应性。与其他算法相比本发明提出的方法在集中式训练、分布式执行的基础上，加入了基线函数，以提高算法的学习效率和稳定性，高效地处理远洋海岛群的能量流调度和能量管理问题。
-
公开(公告)号：CN117350515A
公开(公告)日：2024-01-05
申请号：CN202311578796.4
申请日：2023-11-21
Applicant: 安徽大学
IPC: G06Q10/0631 , G06N3/092
Abstract: 本发明涉及一种基于多智能体强化学习的远洋海岛群能量流调度方法，方法包括：海岛群能量流传输模式设计，以用于描述海岛群间能量传输过程；根据海岛群能量流传输模式，构建海岛群能量流传输模型；根据海岛群能量流传输模型，建立海岛群能源系统能量管理模型；使用多智能体强化学习方法实现海岛群能量流调度，并对能量管理策略求解。本发明基于多智能体强化学习方法，考虑海岛群的布局特点、可再生能源禀赋及电力船舶的移动储能特性，以满足对人居岛负载需求变化的自适应性。与其他算法相比本发明提出的方法在集中式训练、分布式执行的基础上，加入了基线函数，以提高算法的学习效率和稳定性，高效地处理远洋海岛群的能量流调度和能量管理问题。
-
公开(公告)号：CN119168344B
公开(公告)日：2025-03-18
申请号：CN202411680213.3
申请日：2024-11-22
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06F17/10 , B60L53/64
Abstract: 本发明提出了考虑多类型供电商市场竞争能力的电动汽车优化调度方法，包括：建立考虑多时空场景因素下的多类型能源供电商（如光伏、风电和传统供电商）非合作博弈模型；基于电动汽车用户出行需求构建电动汽车用户演化博弈模型；以供电商目标效益最大化和用户满意度最大化为目标，通过分布式迭代算法，对双层博弈模型进行求解，实现系统竞价‑调度的整体优化。本发明所提出的方法通过将博弈理论应用于电力市场，挖掘各主体参与电力市场竞争潜力，提高了电网的运行效率，充分利用分布式能源的发电能力，减少能源浪费，推动新能源技术的发展与应用，促进能源低碳化发展，为电力市场低碳化的管理与优化提供了有效方法。
-
公开(公告)号：CN119168344A
公开(公告)日：2024-12-20
申请号：CN202411680213.3
申请日：2024-11-22
Applicant: 安徽大学
IPC: G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06F17/10 , B60L53/64
Abstract: 本发明提出了考虑多类型供电商市场竞争能力的电动汽车优化调度方法，包括：建立考虑多时空场景因素下的多类型能源供电商（如光伏、风电和传统供电商）非合作博弈模型；基于电动汽车用户出行需求构建电动汽车用户演化博弈模型；以供电商目标效益最大化和用户满意度最大化为目标，通过分布式迭代算法，对双层博弈模型进行求解，实现系统竞价‑调度的整体优化。本发明所提出的方法通过将博弈理论应用于电力市场，挖掘各主体参与电力市场竞争潜力，提高了电网的运行效率，充分利用分布式能源的发电能力，减少能源浪费，推动新能源技术的发展与应用，促进能源低碳化发展，为电力市场低碳化的管理与优化提供了有效方法。
-
公开(公告)号：CN117350496A
公开(公告)日：2024-01-05
申请号：CN202311337880.7
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06Q10/0631 , H02J3/00 , G06Q10/083 , G06Q50/06 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于混合动作空间强化学习的远洋海岛群能量管理方法，方法包括：海岛能量枢纽模型构建，以描述满足海岛多元能源需求的能量转换；海岛间船舶能量传输模型构建，用于表征船舶动态运输过程；根据海岛能量枢纽模型和船舶能量传输模型，建立海岛群综合能源系统能源管理模型；建立包含混合动作空间的深度强化学习方法进行能量管理策略求解。本发明基于一种包含混合动作空间的深度强化学习方法解决海岛群综合能源系统能量管理问题，其考虑了海岛群环境的强不确定性和动态特性，满足对极端环境变化的自适应性，同时，与其他算法相比本发明提出的方法可在不改变模型结构的条件下实现海岛群能量管理策略的快速求解。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
