-
公开(公告)号：CN118473019A
公开(公告)日：2024-08-09
申请号：CN202410570586.9
申请日：2024-05-09
Applicant: 北京理工大学
Abstract: 本发明涉及发电站市场竞争领域，具体是涉及基于随机广义纳什均衡搜索的多发电站博弈方法及设备。本发明获取若干发电站的约束条件和发电成本，基于所述若干发电站的约束条件和发电成本构建若干发电站的能源分配问题，其中，所述能源分配问题为分布式的随机广义纳什均衡问题，所述随机广义纳什均衡问题的状态变量包括决策变量、对偶变量和辅助变量；通过方差缩减算子分裂算法求解所述能源分配问题，以得到目标发电站的目标策略。本发明通过在发电站市场竞争场景的策略制定中引入方差缩减与算子分裂技术，提升对于策略计算过程中梯度估计的精确性和计算收敛速度，以实现发电站在有限信息条件下参与发电站市场能源分配利益最大化。
-
公开(公告)号：CN117193375A
公开(公告)日：2023-12-08
申请号：CN202311360833.4
申请日：2023-10-20
Applicant: 北京理工大学
IPC: G05D1/10
Abstract: 本发明公开一种四旋翼无人机仿射编队控制方法、系统、电子设备及介质，涉及无人机飞行控制技术领域。所述方法包括：根据仿射变换理论确定目标无人机编队中的领航者、跟随者以及通信拓扑结构图；根据图确定符号拉普拉斯矩阵、各无人机的入邻居节点集合；若领航者为常值加速度，根据矩阵、跟随者和集合中各无人机传输的物理参数以及第一位置控制器，得到控制力；若领航者为时变加速度，根据矩阵、集合中各无人机的估计量参数、状态观测器、物理参数以及第二位置控制器，得到控制力；根据控制力以及自适应滑膜姿态控制器得到控制力矩；将控制力和控制力矩对跟随者控制。本发明使得无人机集群在编队中具有更强的抗扰能力并可实现更灵活的队形机动。
-
公开(公告)号：CN118863099B
公开(公告)日：2025-01-03
申请号：CN202411340664.2
申请日：2024-09-25
Applicant: 北京理工大学
IPC: G06N20/00
Abstract: 本申请公开了基于梯度方差减小和数据重排的模型训练方法，涉及计算机技术领域，方法包括：获取待训练模型对应的初始的模型参数及样本序列；在迭代周期开始时，对样本序列进行重排；在当前迭代周期，确定样本序列中样本在当前迭代周期开始时的样本平均梯度；依次选取目标样本，确定目标样本在当前模型参数下的样本当前梯度，根据样本平均梯度调整样本当前梯度获得样本调整梯度，根据样本调整梯度更新模型参数；若样本遍历完毕，则进入下一个迭代周期并返回执行对样本序列进行重排的步骤，直至满足预设的训练终止条件并获得训练完成时的模型参数。如此，能提高模型训练的收敛速度、训练速率和训练效果。
-
公开(公告)号：CN118821465A
公开(公告)日：2024-10-22
申请号：CN202410934920.4
申请日：2024-07-12
Applicant: 北京理工大学
IPC: G06F30/20 , G06F17/11 , G06F17/17 , G06F17/16 , G06F111/04
Abstract: 本发明公开的小天体柔性附着智能预测状态估计方法，属于深空探测技术领域。本发明实现方法为：定义相关坐标系以及柔性着陆器状态，列写柔性附着动力学方程、观测方程和约束方程，构建柔性附着状态估计问题。根据柔性附着动力学方程特性，构造库普曼观测子对柔性着陆器状态进行升维，在升维空间中建立线性柔性附着动力学模型。采集柔性着陆器状态递推数据，利用EDMD法求解所建立的线性柔性附着动力学模型的系统矩阵和控制矩阵。根据所构造的线性柔性附着动力学模型，设计库普曼‑卡尔曼滤波器；库普曼‑卡尔曼滤波器利用柔性体形变约束修正状态先验估计和后验估计，实现柔性着陆器精确状态估计，根据状态估计结果实现柔性着陆器稳健附着。
-
公开(公告)号：CN117319169B
公开(公告)日：2024-02-27
申请号：CN202311599125.6
申请日：2023-11-28
Applicant: 北京理工大学
IPC: H04L41/042 , H04L41/0823 , H04L41/12
Abstract: 本发明公开了多智能体系统分布式优化方法、装置、终端及存储介质，涉及控制和信息技术领域。本发明通过智能体的状态信息判断当前时刻是否为事件触发时刻，只有在事件触发时刻才会使智能体与邻居智能体之间进行通信。通过事件触发机制可以有效地控制分布式优化过程中的通信成本。解决了现有技术中分布式优化算法采用周期性通信机制，智能体在每次迭代时均要与邻居智能体进行通信，导致通信成本较高的问题。
-
Patent Agency Ranking
公开(公告)号：CN118863099A
公开(公告)日：2024-10-29
申请号：CN202411340664.2
申请日：2024-09-25
Applicant: 北京理工大学
IPC: G06N20/00
Abstract: 本申请公开了基于梯度方差减小和数据重排的模型训练方法，涉及计算机技术领域，方法包括：获取待训练模型对应的初始的模型参数及样本序列；在迭代周期开始时，对样本序列进行重排；在当前迭代周期，确定样本序列中样本在当前迭代周期开始时的样本平均梯度；依次选取目标样本，确定目标样本在当前模型参数下的样本当前梯度，根据样本平均梯度调整样本当前梯度获得样本调整梯度，根据样本调整梯度更新模型参数；若样本遍历完毕，则进入下一个迭代周期并返回执行对样本序列进行重排的步骤，直至满足预设的训练终止条件并获得训练完成时的模型参数。如此，能提高模型训练的收敛速度、训练速率和训练效果。
-
公开(公告)号：CN118133936A
公开(公告)日：2024-06-04
申请号：CN202410149842.7
申请日：2024-02-02
Applicant: 北京理工大学
Abstract: 本发明公开了基于光滑化和动量技术的分布式随机非光滑优化方法，能够解决分布式环境下具有约束和随机因素的复合非光滑优化问题，该方法应具有更快的收敛速率、更低的计算复杂度、更小的存储开销。具体包括：使用基于光滑化和动量技术的分布式非光滑迭代算法对所有智能体进行循环处理，并给出迭代算法的初始状态设置、步长设置、光滑化参数的建议范围等；给定算法的效能衡量标准，在迭代变量优化完成后根据衡量标准绘制聚类对比结果。本发明的算法适用于具有非光滑项的组合优化问题，包括但不限于机器学习中的聚类问题、LASSO回归问题以及传感器网络的压缩感知问题等，适用于实际的具有高维复杂约束的大规模分布式非光滑优化应用场景。
-
公开(公告)号：CN119378903A
公开(公告)日：2025-01-28
申请号：CN202411503168.4
申请日：2024-10-25
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q10/04 , G06F17/10
Abstract: 本发明公开了一种基于分布式优化的多机器人任务分配方法，涉及控制和信息技术领域。本发明将鞍点动力学与乐观梯度上升下降算法或者超梯度算法相结合来建立多机器人系统的分布式任务分配算法，可以解决非凸任务分配问题，算法适用范围更广。并且本发明建立的分布式任务分配算法是一种完全分布式的算法，不涉及子优化问题的求解，只通过简单的代数操作来更新状态，计算复杂度较低，能够保证所有机器人的系统状态快速收敛到任务分配问题的最优整数解。
-
公开(公告)号：CN118818973A
公开(公告)日：2024-10-22
申请号：CN202410776091.1
申请日：2024-06-17
Applicant: 北京理工大学
IPC: G05B13/04 , H04W12/00 , H04W12/122 , H04W4/06 , H04B7/185
Abstract: 本发明提供一种欺骗攻击下集群无人系统的状态估计与安全免疫控制方法，分别为集群无人系统各跟随者构建用于跟踪z0(t)的观测器以及用于跟踪v0(t)的控制器，然后构建用于跟踪z0(t)和v0(t)的估计器系统，并根据各跟随者自身以及各跟随者之间的通信过程是否存在攻击来对估计器系统进行修正，最后根据修正后的估计器系统确定各跟随者为了实现对v0(t)的跟踪所需要的的控制信号#imgabs0#和为了实现对z0(t)的跟踪所需要的输出反馈控制信号ui(t)，从而实现各跟随者对领导者的z0(t)和v0(t)的跟踪；由此可见，本发明能够实现欺骗攻击下集群无人系统的安全跟踪控制，提高系统对欺骗攻击的安全性和抗毁性，还减少了系统之间的数据交互频率和抵抗欺骗攻击对系统状态的影响。
-
公开(公告)号：CN117669271B
公开(公告)日：2024-04-26
申请号：CN202410131818.0
申请日：2024-01-31
Applicant: 北京理工大学
IPC: G06F30/20 , G06F30/18 , G06F111/04
Abstract: 本发明公开了基于近端算子的多智能体系统非光滑优化方法及存储介质，涉及控制和信息技术领域。通过构建多智能体系统对应的连通图，根据连通图确定邻接矩阵；建立多智能体系统对应的最优化问题的描述模型，并根据最优化问题的描述模型确定最优解条件；根据最优化问题的描述模型和最优解条件建立分布式近端算法，使得每一智能体通过分布式近端算法和邻接矩阵迭代更新若干状态变量，以求解最优化问题。本发明针对不同最优化问题均采用统一的算法形式构建分布式近端算法，可以解决现有技术中由于不同的最优化问题的分布式算法缺乏统一的设计方法，因此难以分析各最优化问题之间的相关性的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
