公开(公告)号：CN116225016A

公开(公告)日：2023-06-06

申请号：CN202310205530.9

申请日：2023-03-06

Applicant: 东北大学

Inventor： 于尧 ,  刘文 ,  康潇予 ,  杨博文

IPC: G05D1/02

Abstract: 本发明一种基于分布式协同深度强化学习模型的多智能体路径规划方法，通信领域与强化学习技术领域，包括以下步骤：对本发明设计的分布式协同深度强化学习模型进行训练，得到训练好的分布式协同深度强化学习模型，随机生成地图；基于训练好的的分布式协同深度强化学习模型，实现多智能体环境下的智能体在线路径规划。本发明的分布式协同深度强化学习方法，不同于集中式的深度强化学习方法，每个智能体只根据自身的观察做出决策，同时引入了智能体之间的通信和顺序决策，促进了智能体之间的协调。本方法从单个智能体的角度进行设计，不用考虑集体，从而避免了集中式深度强化学习的不可伸缩性问题。

公开(公告)号：CN221665181U

公开(公告)日：2024-09-06

申请号：CN202420197083.7

申请日：2024-01-26

Applicant: 东北大学 ,  天津市力华科技有限公司

Inventor： 庄松燃 ,  刘文 ,  侯晨龙 ,  庄菲斐 ,  宋君辉 ,  宋万里

IPC: F16F9/53 ,  A63B22/06 ,  A63B21/005

Abstract: 本实用新型提供了一种旋转磁流变阻尼器，包括壳体、磁场组件、转动组件；所述磁场组件和转动组件均设置在壳体内，所述转动组件的转轴两端延伸出壳体的外部；所述磁场组件内设有磁流变液，用于提供阻尼力矩；所述壳体上设有蓄能器，用于对磁场组件内的磁流变液进行补充。本实用新型能够克服现有的磁流变阻尼器阻尼力矩小、服役过程中磁流变液受热膨胀后易泄露的问题。