-
公开(公告)号:CN116887490A
公开(公告)日:2023-10-13
申请号:CN202310754719.3
申请日:2023-06-26
Applicant: 北京工业大学
IPC: H05B47/165 , H05B47/105 , H05B47/11 , H05B47/115 , G06N3/084 , G06N3/092 , G06N7/01 , G06V40/16
Abstract: 本发明提出了一种基于深度强化学习的多维度特征智能照明自适应控制方法及系统,该系统包括传感控制层、传输层、数据服务层、终端应用层。首先利用传感控制层传感器采集环境状态数据,并通过微服务器对数据进行缓存和处理;再通过传输层将数据发送到数据服务层;数据服务层将接收到的环境状态数据输入预先训练好的深度Q‑网络模型,获得n个照明设备或者开关回路的最优二进制决策序列,并将模型输出的1/0数字信号转换为相应的开/关控制指令;再通过传输层将控制指令发送给传感控制层的设备控制器;传感控制层设备控制器实现对照明设备的自适应调节控制;终端应用层与数据服务层直连。
-
公开(公告)号:CN116882270A
公开(公告)日:2023-10-13
申请号:CN202310754721.0
申请日:2023-06-26
Applicant: 北京工业大学
IPC: G06F30/27 , G06N3/092 , H04B17/391
Abstract: 本发明公开了一种基于深度强化学习的多无人机无线充电与边缘计算联合优化方法及系统,采用一组配有射频能量发射部件、边缘计算服务器及大规格电池的大型无人机作为空中智能飞行能源为多个空中执勤无人机UAV提供能量和计算资源保证执行效率。资源供采用无线功率传输WPT与移动边缘计算MEC技术相结合实现,通过联合无人机三维位置、电量、任务量信息构建基于无线能量传输的多无人机边缘计算系统模型、信道模型、能耗模型等。以固定服务时长内系统吞吐量和能量传输效率最大化、同时能耗最小化为目标,建立多无人机能量与算力联合优化模型。采用多智能体深度Q网络算法实现智能飞行能源IFES最优服务位置点和能量发射功率达到优化目标的智能决策。
-