-
公开(公告)号：CN113536707B
公开(公告)日：2024-03-01
申请号：CN202110828849.8
申请日：2021-07-22
Applicant: 东南大学
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于高斯过程回归的飞行器导引头天线罩误差斜率估计与补偿方法，针对仅有视线角测量的受天线罩误差影响的飞行器制导系统，建立了飞行器动力学模型，使用交互式多模型滤波方法对制导过程中各状态进行估计，基于高斯过程回归模型建立飞行器视角和天线罩误差角之间的映射关系，并基于高斯过程模型的导数得到天线罩误差斜率的解析表达形式，最后用于飞行器导引头天线罩误差的补偿，从而有效提高了制导性能。
-
公开(公告)号：CN112529944A
公开(公告)日：2021-03-19
申请号：CN202011408555.1
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明提供了一种基于事件相机的端到端的无监督光流估计方法，涉及计算机视觉的光流估计领域,针对事件相机数据用于光流估计缺乏真实光流值，以及事件数据需要预先手工制作事件表示的缺点，提出一种基于事件相机的端到端的无监督光流估计方法。利用事件相机输出的事件流，首先对原始数据进行预处理，将四维转换为三维，然后将每个样本分为多个子序列，每个子序列用ConvLSTM单独处理，全部处理完以后按通道拼接形成最终送入光流预测网络中的三维数据。采用类似于编码/解码器的光流预测网络，利用事件相机固定频率输出的事件流数据的前后两个灰度帧设计光度误差损失，加上平滑度损失，共同作为无监督损失，促使网络最终估计出光流量。
-
-
-
-
Patent Agency Ranking
公开(公告)号：CN112510719A
公开(公告)日：2021-03-16
申请号：CN202011408553.2
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度强化学习的智能电热水器保温档负荷控制方法，包括以下步骤：采用LSTM网络利用过去48小时电价预测未来24小时电价；采用基于DQN的深度强化学习算法，将电力消耗和用户满意度同时作为好策略的衡量标准，并根据用户自身的需求调节二者所占比重。根据所预测的电价训练电热水器保温档负荷控制智能体学习得到使得奖励值最高的策略，使其在高电价时选择较低功率，低电价时选择较高功率，在尽可能保证用户满意度的同时节省更多电力消耗，以获得一个性能优良且适用性较高的电热水器负荷控制智能体。
-
公开(公告)号：CN112506210B
公开(公告)日：2022-12-27
申请号：CN202011402067.X
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种用于自主目标跟踪的无人机控制方法，经过神经网络输出四维的动作后经过PID控制器转化成低级电机的动作，让无人机更稳定的飞行，后期改进可以将PID控制器改成其他更优化的控制方法。分层控制系统更容易将模拟环境中的训练策略轻松的转移到现实环境中运行。具有很好的泛化能力。在模拟环境中对采集上来的图像先进行CNN预训练，得到无人机和目标对象的相对距离，包括x，y，h三个维度的，本发明先保证无人机的飞行高度不变，后期可以增加空间障碍物，再考虑h。再将无人机的姿态考虑进来，选择策略，输出四维动作，通过PID输出给无人机的低级电机，通过DDPG的强化学习方法，获得Reward，更新策略，进行学习并训练。
-
公开(公告)号：CN112484733B
公开(公告)日：2022-10-25
申请号：CN202011402063.1
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种基于拓扑图的强化学习室内导航方法，针对强化学习在导航任务中数据效率低，算法泛化性能差等问题，本发明结合了传统路径规划方法以及强化学习算法。通过对智能体的相对位置进行估计，进而依据关键位置对场景建立抽象的稀疏拓扑图，根据结点之间实际的物理距离定义连接关系，通过将传统路径规划算法与强化学习相结合的方式，形成了一种分层的导航策略，将长距离的导航问题分解为短期目标的导航问题，提升了在室内场景下的导航算法的学习效率以及泛化性能。
-
公开(公告)号：CN112510719B
公开(公告)日：2022-06-21
申请号：CN202011408553.2
申请日：2020-12-05
Applicant: 东南大学
IPC: H02J3/14 , F24H9/20 , F24H15/152 , F24H15/212 , F24H15/269 , F24H15/37 , F24H15/421 , F24H15/45
Abstract: 本发明公开了一种基于深度强化学习的智能电热水器保温档负荷控制方法，包括以下步骤：采用LSTM网络利用过去48小时电价预测未来24小时电价；采用基于DQN的深度强化学习算法，将电力消耗和用户满意度同时作为好策略的衡量标准，并根据用户自身的需求调节二者所占比重。根据所预测的电价训练电热水器保温档负荷控制智能体学习得到使得奖励值最高的策略，使其在高电价时选择较低功率，低电价时选择较高功率，在尽可能保证用户满意度的同时节省更多电力消耗，以获得一个性能优良且适用性较高的电热水器负荷控制智能体。
-
公开(公告)号：CN113536707A
公开(公告)日：2021-10-22
申请号：CN202110828849.8
申请日：2021-07-22
Applicant: 东南大学
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于高斯过程回归的飞行器导引头天线罩误差斜率估计与补偿方法，针对仅有视线角测量的受天线罩误差影响的飞行器制导系统，建立了飞行器动力学模型，使用交互式多模型滤波方法对制导过程中各状态进行估计，基于高斯过程回归模型建立飞行器视角和天线罩误差角之间的映射关系，并基于高斯过程模型的导数得到天线罩误差斜率的解析表达形式，最后用于飞行器导引头天线罩误差的补偿，从而有效提高了制导性能。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.018 seconds)
