公开(公告)号：CN116644652A

公开(公告)日：2023-08-25

申请号：CN202310371896.3

申请日：2023-04-07

Applicant: 华能澜沧江水电股份有限公司 ,  中国电建集团昆明勘测设计研究院有限公司

Inventor： 周建 ,  杨旸 ,  迟福东 ,  罗天富 ,  汪强 ,  黄青富 ,  陈域 ,  徐云泉 ,  肖明东 ,  宋洋 ,  席隆海 ,  潘登喜

IPC: G06F30/27 ,  G06F17/13 ,  G06N3/04 ,  G06N3/048 ,  G06N3/08 ,  G06F113/08

Abstract: 本发明涉及一种基于深度学习的饱和瞬态渗流问题的计算，属于人工智能和饱和瞬态渗流计算方法技术领域，首先构建神经网络模型，然后给予深度学习对数据集进行学习，输出神经网络模型参数，最后利用训练好的模型对渗流问题进行预测。通过对水头的实际分布情况进行统计，并将统计结果与本发明拟合的结果进行对比，深度学习神经网络对饱和瞬态问题的求解结构具有准确性和正确性，因此本发明提出的基于深度学习的饱和瞬态渗流问题取得了较好的效果。

公开(公告)号：CN116629093A

公开(公告)日：2023-08-22

申请号：CN202310371696.8

申请日：2023-04-07

Applicant: 华能澜沧江水电股份有限公司 ,  中国电建集团昆明勘测设计研究院有限公司

Inventor： 罗天富 ,  杨旸 ,  曹学兴 ,  徐云泉 ,  赵富刚 ,  罗韦 ,  宋洋 ,  张小明 ,  刘擘 ,  陈域 ,  席隆海 ,  张西波

IPC: G06F30/27 ,  G06F17/13 ,  G06N3/04 ,  G06N3/048 ,  G06N3/08 ,  G06F113/08

Abstract: 本发明涉及一种基于深度学习的饱和稳态渗流计算，属于人工智能和饱和稳态渗流计算方法技术领域，首先构建神经网络模型，然后基于深度学习对数据集进行学习，保存神经网络模型参数，最后利用训练好的模型对渗流问题进行预测。数据集；为构建的神经网络；为偏微分方程中的待求解参数。采用有限元方法对该饱和稳态渗流问题的求解结果与采用深度学习对该饱和稳态渗流问题的求解结果对比误差较小，可以看出深度学习对饱和稳态渗流稳态具有准确性和正确性，因此本发明提出的一种基于深度学习的饱和稳态渗流问题取得了较好的效果。

公开(公告)号：CN116644651A

公开(公告)日：2023-08-25

申请号：CN202310368621.4

申请日：2023-04-07

Applicant: 中国电建集团昆明勘测设计研究院有限公司 ,  华能澜沧江水电股份有限公司

Inventor： 杨旸 ,  周华 ,  罗天富 ,  冯业林 ,  田耘 ,  黄青富 ,  宋洋 ,  张国权 ,  詹虎跃 ,  徐建 ,  杨赟明

IPC: G06F30/27 ,  G06F30/13 ,  G06N3/048 ,  G06N3/08 ,  G06F113/08

Abstract: 本发明涉及一种基于深度学习求解自由面渗流的方法，属于人工智能和自由面渗流计算方法技术领域，在于通过深度学习对数据集进行学习，保存神经网络模型参数，最后利用训练好的神经网络模型对自由面渗流问题进行预测。该方法求解的渗流自由面和通过试验得到的渗流自由面拟合程度高，可以看出深度学习对于自由面渗流问题具有准确性和正确性，因此本发明的基于深度学习求解自由面渗流问题的方法效果良好。

公开(公告)号：CN117807895A

公开(公告)日：2024-04-02

申请号：CN202410218474.7

申请日：2024-02-28

Applicant: 中国电建集团昆明勘测设计研究院有限公司

Inventor： 杨旸 ,  张宗亮 ,  杨再宏 ,  冯业林 ,  郑大伟 ,  黄青富 ,  宋洋 ,  王义 ,  罗军尧 ,  李函逾

IPC: G06F30/27 ,  G06F17/13 ,  G06N3/092 ,  F16F9/53 ,  G06F119/14

Abstract: 本发明公开了一种基于深度强化学习的磁流变阻尼器控制方法和装置，属于人工智能及智能建造技术领域。该方法包括以下步骤：建立磁流变阻尼器控制系统模型，建立磁流变阻尼器控制系统的微分方程，采用Bouc‑Wen模型建立磁流变阻尼器模型；选择深度Q‑learning作为深度强化学习模型并设置模型动作和状态，建立奖励评价函数；采集学习训练数据，模型训练输出模型参数，利用训练得到的模型对结构采用磁流变阻尼器进行减振控制。本发明通过深度强化学习引入深度神经网络函数拟合的方法，以预测连续状态值。该方法的应用有望提高磁流变阻尼器的控制精度，从而进一步增强其减振控制效果，为解决磁流变阻尼器控制中的挑战提供了新的途径。

公开(公告)号：CN117807895B

公开(公告)日：2024-06-04

申请号：CN202410218474.7

申请日：2024-02-28

Applicant: 中国电建集团昆明勘测设计研究院有限公司

Inventor： 杨旸 ,  张宗亮 ,  杨再宏 ,  冯业林 ,  郑大伟 ,  黄青富 ,  宋洋 ,  王义 ,  罗军尧 ,  李函逾

IPC: G06F30/27 ,  G06F17/13 ,  G06N3/092 ,  F16F9/53 ,  G06F119/14

Abstract: 本发明公开了一种基于深度强化学习的磁流变阻尼器控制方法和装置，属于人工智能及智能建造技术领域。该方法包括以下步骤：建立磁流变阻尼器控制系统模型，建立磁流变阻尼器控制系统的微分方程，采用Bouc‑Wen模型建立磁流变阻尼器模型；选择深度Q‑learning作为深度强化学习模型并设置模型动作和状态，建立奖励评价函数；采集学习训练数据，模型训练输出模型参数，利用训练得到的模型对结构采用磁流变阻尼器进行减振控制。本发明通过深度强化学习引入深度神经网络函数拟合的方法，以预测连续状态值。该方法的应用有望提高磁流变阻尼器的控制精度，从而进一步增强其减振控制效果，为解决磁流变阻尼器控制中的挑战提供了新的途径。