-
公开(公告)号：CN119645081A
公开(公告)日：2025-03-18
申请号：CN202510162382.6
申请日：2025-02-14
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于逆强化学习的飞艇低能耗轨迹规划方法，属于机器学习数据处理技术领域。基于逆强化学习的飞艇低能耗轨迹规划方法，包括以下步骤：飞艇及任务空间的建模，建立飞艇平面运动学状态方程，对任务空间进行网格离散化处理；收集和整理环境和专家驾驶数据；建立逆强化学习模型；使用IRL算法学习奖励函数；基于RL的轨迹规划策略学习；最优策略验证。采用本发明所述的基于逆强化学习的飞艇低能耗轨迹规划方法，通过将逆强化学习与强化学习结合，自动推导最优轨迹规划策略，使得飞艇在具有不确定因素的复杂动态环境中，能够自主适应环境变化，优化飞行轨迹合理性并提升续航能力。
-
公开(公告)号：CN119645081B
公开(公告)日：2025-04-11
申请号：CN202510162382.6
申请日：2025-02-14
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于逆强化学习的飞艇低能耗轨迹规划方法，属于机器学习数据处理技术领域。基于逆强化学习的飞艇低能耗轨迹规划方法，包括以下步骤：飞艇及任务空间的建模，建立飞艇平面运动学状态方程，对任务空间进行网格离散化处理；收集和整理环境和专家驾驶数据；建立逆强化学习模型；使用IRL算法学习奖励函数；基于RL的轨迹规划策略学习；最优策略验证。采用本发明所述的基于逆强化学习的飞艇低能耗轨迹规划方法，通过将逆强化学习与强化学习结合，自动推导最优轨迹规划策略，使得飞艇在具有不确定因素的复杂动态环境中，能够自主适应环境变化，优化飞行轨迹合理性并提升续航能力。
-
公开(公告)号：CN119644890A
公开(公告)日：2025-03-18
申请号：CN202510162380.7
申请日：2025-02-14
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G05B19/042 , B64B1/06
Abstract: 本发明公开了一种提高飞艇安全性和稳定性的控制方法，属于飞艇控制技术领域。提高飞艇安全性和稳定性的控制方法，包括以下步骤：通过传感器采集环境信息和飞艇状态；判断是否扰动过大或放气阀、鼓风机发生故障；判断为是，启动在线重构方法更新规划结果；判断为否，执行下一步骤；在线重构方法包括在飞艇驻空飞行时的水平轨迹重构方法和飞艇升降过程中的执行机构重分配方法；跟踪规划结果。采用本发明所述的提高飞艇安全性和稳定性的控制方法，在飞艇运行过程中检测飞行状态误差以及执行机构状态，在水平轨迹重规划和执行机构重分配层面在线进行飞艇任务重构，提高飞艇飞行稳定性和安全性。
-
公开(公告)号：CN119397453B
公开(公告)日：2025-03-14
申请号：CN202411975150.4
申请日：2024-12-31
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及一种基于多尺度多特征进行工业互联网时序异常检测的方法，属于工业互联网领域中的时序异常技术领域，本发明基于时序周期转换网络、多特征提取网络、数据特征聚合网络和频率特征聚合网络建立工业互联网时序异常检测模型；通过周期性提取模块，捕获时间序列中存在的多种的周期性信息，其次，分别通过多特征提取网络提取时序周期间的特征、不同维度的通道之间的特征与周期内时序的特征，再次，基于数据特征聚合网络将多种特征进行聚合，最后，基于频率特征聚合网络进行聚合，输出时序数据序列在时序周期的频率聚合特征，利用所述频率聚合特征检测时序数据的异常。
-
公开(公告)号：CN119397453A
公开(公告)日：2025-02-07
申请号：CN202411975150.4
申请日：2024-12-31
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及一种基于多尺度多特征进行工业互联网时序异常检测的方法，属于工业互联网领域中的时序异常技术领域，本发明基于时序周期转换网络、多特征提取网络、数据特征聚合网络和频率特征聚合网络建立工业互联网时序异常检测模型；通过周期性提取模块，捕获时间序列中存在的多种的周期性信息，其次，分别通过多特征提取网络提取时序周期间的特征、不同维度的通道之间的特征与周期内时序的特征，再次，基于数据特征聚合网络将多种特征进行聚合，最后，基于频率特征聚合网络进行聚合，输出时序数据序列在时序周期的频率聚合特征，利用所述频率聚合特征检测时序数据的异常。
-
Patent Agency Ranking
公开(公告)号：CN119539046A
公开(公告)日：2025-02-28
申请号：CN202411381038.8
申请日：2024-09-30
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于面向新闻社会数据的语义信息提取方法，包括以下步骤：建立社会新闻数据语义网络，对新闻进行信息抽取，获取新闻社会数据本体；构建提示词生成模块，基于抽取的新闻社会数据本体，获取新闻数据的提示词信息；根据提示词信息，采用大语言模型对其它新闻信息进行处理，获取对应的新闻社会数据本体；建立不同新闻社会数据本体之间的关系，获得图谱。本发明公开的方法，能够处理复杂的非结构化文本数据，提供了更准确的信息抽取方法，将非结构化的社会新闻数据转化为有组织的知识，提高了数据的可利用性。
-
-
公开(公告)号：CN117850437B
公开(公告)日：2024-05-14
申请号：CN202410263645.8
申请日：2024-03-08
Applicant: 北京航空航天大学 , 中国科学院数学与系统科学研究院
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种智能体集群运动控制方法和相关产品。该方法包括：与其他智能体交互对虚拟群中心状态的估计值，并更新自身对虚拟群中心状态的估计值，使得智能体集群中所有智能体对虚拟群中心状态的估计值趋于一致；根据吸引排斥力、聚集控制力和速度协调力控制智能体自身运动状态。集群可高效可靠地实现编队运行。
-
公开(公告)号：CN117891259A
公开(公告)日：2024-04-16
申请号：CN202410291076.8
申请日：2024-03-14
Applicant: 中国科学院数学与系统科学研究院 , 北京航空航天大学
Abstract: 本发明公开了一种多图形构型的多智能体编队控制方法和相关产品。方法包括：确定期望编队图、期望编队图对应的多个灰度图以及智能体自身被分配的任务；根据智能体自身以及邻居智能体对期望编队图在物理空间的方位的理解值，更新智能体自身对期望编队图在物理空间的方位的理解值，以使得全部智能体对期望编队图在物理空间的方位的理解值趋于一致；根据图形进入速度指令、图形探索速度指令和交互速度指令控制智能体的运动状态。多智能体编队高效快速实现编队任务，且覆盖区域为彼此分离的多个连通图。
-
公开(公告)号：CN117032992B
公开(公告)日：2024-03-15
申请号：CN202311287669.9
申请日：2023-10-07
Abstract: 本公开实施例公开了一种工业互联网系统的任务处理方法和装置，其中，该方法包括：基于所述工业互联网系统在目标时间帧的状态信息，确定所述工业互联网系统的多组卸载分配策略；基于所述多组卸载分配策略对应的多个目标函数值的数值大小关系，从所述多组卸载分配决策中确定最优卸载分配决策；基于所述最优卸载分配决策，对所述工业互联网系统进行任务卸载和资源分配。本公开实施例可以快速确定MEC网络的最优卸载分配决策，依据最优卸载分配决策进行任务卸载和资源分配，可以大幅提升平均计算速率并大幅降低云和边缘服务成本。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.035 seconds)
