-
公开(公告)号：CN111610598B
公开(公告)日：2022-08-02
申请号：CN201910136405.0
申请日：2019-02-25
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于强化学习的光纤耦合方法，利用的系统包括倾斜镜、图像采集模块、光功率计、强化学习控制模块。该方法将图像采集模块采集到的图像作为强化学习框架的状态s，将光功率计的功率作为强化学习框架的奖赏r，强化学习控制模块作为智能体，输出控制倾斜镜的控制量为动作a，通过学习，强化学习控制模块控制输出的动作a使得作用于倾斜镜让光功率值达到最大。本发明通过直接从真实环境采集数据训练的连接方式，从而使得强化学习的训练可以直接在真实场景下完成，且完成之后可直接交接控制权，从而最终既避免采集数据、训练模型的麻烦，也避免了训练完成之后部署的适应性问题。
-
公开(公告)号：CN109917655B
公开(公告)日：2022-03-29
申请号：CN201910236260.1
申请日：2019-03-27
Applicant: 中国科学院光电技术研究所
IPC: G05B13/04
Abstract: 本发明涉及一种提高等效滑模控制扰动抑制能力的控制方法。针对当前光电稳定平台的扰动抑制能力不足，无法满足更高精度的稳定控制需求，该方法采用滑模控制器来进行闭环控制，利用滑模控制快速响应、对参数变化及扰动不灵敏的优点，来抑制外界扰动对系统的干扰，从而提高系统的跟踪能力。该方法是从控制算法上对系统进行优化，无需再另加传感器，保证了系统原有特性，并节约了成本；同时，该方法思路清晰，结构简单，在工程易于实现，特别是在一些扰动根本无法测量的情况下，可很好地发挥其鲁棒性好的优势。
-
公开(公告)号：CN110782479A
公开(公告)日：2020-02-11
申请号：CN201910947357.3
申请日：2019-10-08
Applicant: 中国科学院光电技术研究所
IPC: G06T7/246
Abstract: 本发明提供了一种基于高斯中心对准的视觉目标跟踪方法，旨在解决现有目标跟踪技术的目标特征和所建模的高斯中心无法对准的问题。本发明包括以下步骤：步骤1、选取目标初始帧；步骤2、用网络提取目标特征；步骤3、将目标特征经过中心对准池化层；步骤4、将经过中心对准池化层的结果与所建模的高斯中心对准求得最小损失误差；步骤5、得到目标跟踪的结果。本发明的有益技术效果在于：能够大幅度提高高斯模型跟踪的精度。
-
公开(公告)号：CN110175548A
公开(公告)日：2019-08-27
申请号：CN201910419275.1
申请日：2019-05-20
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于注意力机制和通道信息的遥感图像建筑物提取方法，旨在解决现有建筑物提取方法精度不高的技术问题。该方法包括以下步骤：步骤1、采集训练样本；步骤2、搭建深度学习框架并构建基于注意力机制和通道信息的U型网络；步骤3、对训练样本进行增强处理；步骤4、设计损失函数对其进行优化；步骤5、训练U型网络得到建筑物提取模型；步骤6、建筑物提取；本发明的有益技术效果在于：能够快速精确地提取出建筑物。
-
公开(公告)号：CN109459927A
公开(公告)日：2019-03-12
申请号：CN201910038863.0
申请日：2019-01-16
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于神经网络的PID控制器参数整定方法，旨在解决现有PID参数整定方法使用复杂，以及大量工程实践需要工程师手工整定的问题。本发明包括以下步骤：步骤1、采集训练样本；步骤2、搭建卷积神经网络学习框架；步骤3、利用神经网络对训练样本进行训练；步骤4、得到训练模型；本发明的有益技术效果在于：相对于人工整定PID参数，节约了大量时间和精力，相对于现阶段的整定软件，能够快速的根据频率响应伯德图整定出良好的PID参数。
-
Patent Agency Ranking
公开(公告)号：CN113160246A
公开(公告)日：2021-07-23
申请号：CN202110402695.6
申请日：2021-04-14
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种基于深度监督的图像语义分割方法，模型整体呈现为一个包含编码器和解码器的U型结构，编码器部分加载预训练模型权重对特征进行提取，解码器部分包含目标语义池化和空间通道注意力机制在内的多个模块。在编码器之后设置了一个用来预测是否包含目标区域的分类分支以促进模型收敛，然后，在解码器之后设置了含有目标区域的图片的分割分支和全部图片的分割分支，总的损失为三个分支损失的加权求和。本发明中选择了盐体图像作为数据集，实验证明，该模型能有效改善盐体图像的分割精度，帮助盐体图像解释，但该模型不仅仅局限于只适用于盐体图像，因为其设计的巧妙性，也可以相对容易的扩展用于其它的语义分割范畴。
-
公开(公告)号：CN111610598A
公开(公告)日：2020-09-01
申请号：CN201910136405.0
申请日：2019-02-25
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于强化学习的光纤耦合方法，利用的系统包括倾斜镜、图像采集模块、光功率计、强化学习控制模块。该方法将图像采集模块采集到的图像作为强化学习框架的状态s，将光功率计的功率作为强化学习框架的奖赏r，强化学习控制模块作为智能体，输出控制倾斜镜的控制量为动作a，通过学习，强化学习控制模块控制输出的动作a使得作用于倾斜镜让光功率值达到最大。本发明通过直接从真实环境采集数据训练的连接方式，从而使得强化学习的训练可以直接在真实场景下完成，且完成之后可直接交接控制权，从而最终既避免采集数据、训练模型的麻烦，也避免了训练完成之后部署的适应性问题。
-
公开(公告)号：CN109917655A
公开(公告)日：2019-06-21
申请号：CN201910236260.1
申请日：2019-03-27
Applicant: 中国科学院光电技术研究所
IPC: G05B13/04
Abstract: 本发明涉及一种提高等效滑模控制扰动抑制能力的控制方法。针对当前光电稳定平台的扰动抑制能力不足，无法满足更高精度的稳定控制需求，该方法采用滑模控制器来进行闭环控制，利用滑模控制快速响应、对参数变化及扰动不灵敏的优点，来抑制外界扰动对系统的干扰，从而提高系统的跟踪能力。该方法是从控制算法上对系统进行优化，无需再另加传感器，保证了系统原有特性，并节约了成本；同时，该方法思路清晰，结构简单，在工程易于实现，特别是在一些扰动根本无法测量的情况下，可很好地发挥其鲁棒性好的优势。
-
公开(公告)号：CN109782392A
公开(公告)日：2019-05-21
申请号：CN201910144363.5
申请日：2019-02-27
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于改进型随机并行梯度下降算法的光纤耦合方法，旨在解决传统光纤耦合使用并行梯度下降算法收敛速度过慢和稳定性差的问题。该方法首先对光纤耦合的控制量同时施加随机扰动{δui}，然后计算施加扰动后的目标函数光功率J改变量，进而得到目标函数的近似梯度gradl(n)＝δJδul(n)，通过计算近似梯度的一阶矩和二阶矩，得到解决随机并行梯度下降算法的自适应增益，以替代随机并行梯度算法的固定增益，用来迭代更新控制量，最终达到使并行梯度下降算法跳出局部，加快收敛和增加算法稳定性的能力。
-
公开(公告)号：CN109765689A
公开(公告)日：2019-05-17
申请号：CN201910136408.4
申请日：2019-02-25
Applicant: 中国科学院光电技术研究所
IPC: G02B27/00
Abstract: 本发明提供了一种基于CCD和光功率计的光纤耦合方法，其中系统包括倾斜镜、图像采集模块、光功率计、控制器模块，旨在解决传统光纤耦合方法收敛速度过慢的问题。该方法首先对倾斜镜同时施加随机扰动{δux,δuy}，然后计算施加扰动后的光功率计J的改变量，进而得到目标函数的近似梯度gradx,y(n)＝δJδux,y(n)，通过CCD获得光斑中心的脱靶量x/y，将脱靶量x/y与近似梯度进行融合，修正后的梯度gradx,y(n)＝δJδux,y(n)+α(n)*x(n),y(n)。将修正后的梯度用随机并行梯度下降算法进行控制迭代更新倾斜镜的控制量。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
