-
公开(公告)号：CN119271422B
公开(公告)日：2025-04-22
申请号：CN202411824297.3
申请日：2024-12-12
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: G06F9/50 , G06N3/0455 , G06N3/092
Abstract: 本申请提供一种基于自蒸馏分层强化学习的服务资源调度方法，涉及人工智能与复杂网络交叉领域，该方法包括：基于配置的多个时间节点，获取任一时间节点处待处理的多个服务资源包对应的初始状态向量；采用自蒸馏分层强化学习网络中的编码器模块，对该服务资源包的初始状态向量进行处理，得到该服务资源包在该时间节点的教师策略表征向量；利用策略网络模块，对教师策略表征向量进行处理，确定该服务资源包在该时间节点的目标策略表征向量；本申请通过自蒸馏技术提高自蒸馏分层强化学习网络的性能，减少计算量，提高调度决策的有效性。
-
公开(公告)号：CN119342102A
公开(公告)日：2025-01-21
申请号：CN202411897622.9
申请日：2024-12-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本申请提供了一种基于深度强化学习的服务网络调度方法，该方法包括获取目标用户节点的服务请求；将服务请求输入到训练完成的网络服务资源调度模型中得到资源调度策略；基于资源调度策略及服务请求获取目标服务节点的网络服务资源；将目标服务节点的网络服务资源按照服务质量等级及传输路径发送给目标用户节点。本发明通过利用网络的族群特性，将其划分为由社团组成的动态服务网络，在该网络结构基础上，通过网络服务资源调度模型能够进行合理的资源分配，包括服务节点选择、路径规划和服务等级的选择，从而有效地减少服务时延、降低资源运输成本，并提高服务质量和网络服务资源调度的效率。
-
公开(公告)号：CN118672142A
公开(公告)日：2024-09-20
申请号：CN202411163184.3
申请日：2024-08-23
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: G05B13/04
Abstract: 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备，引入可重入制造系统的非线性项和线性扰动增益，构建可重入制造系统的非线性误差模型；对非线性误差模型进行局部线性化处理，以得到可重入制造系统的整体模糊状态方程；构建可重入制造系统的控制器算子；将控制器算子带入整体模糊状态方程，以得到闭环控制系统；基于闭环控制系统进行解算，确定控制器增益；基于控制器增益，获取控制器，并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时，引入可重入制造系统的非线性项和线性扰动增益，以得到非线性误差模型，能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。
-
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：CN119271422A
公开(公告)日：2025-01-07
申请号：CN202411824297.3
申请日：2024-12-12
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: G06F9/50 , G06N3/0455 , G06N3/092
Abstract: 本申请提供一种基于自蒸馏分层强化学习的服务资源调度方法，涉及人工智能与复杂网络交叉领域，该方法包括：基于配置的多个时间节点，获取任一时间节点处待处理的多个服务资源包对应的初始状态向量；采用自蒸馏分层强化学习网络中的编码器模块，对该服务资源包的初始状态向量进行处理，得到该服务资源包在该时间节点的教师策略表征向量；利用策略网络模块，对教师策略表征向量进行处理，确定该服务资源包在该时间节点的目标策略表征向量；本申请通过自蒸馏技术提高自蒸馏分层强化学习网络的性能，减少计算量，提高调度决策的有效性。
-
Patent Agency Ranking
公开(公告)号：CN118550200B
公开(公告)日：2024-11-15
申请号：CN202411017285.X
申请日：2024-07-29
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: G05B13/04
Abstract: 本说明书实施例提供视场受限约束下的机器人自适应跟踪控制方法及装置，其中所述方法包括：基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制。通过基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制，所采用的最小二乘参数辨识可在有限次参数更新后，消除参数不确定性对自适应跟踪控制系统带来的影响。
-
公开(公告)号：CN119342102B
公开(公告)日：2025-04-29
申请号：CN202411897622.9
申请日：2024-12-23
Applicant: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本申请提供了一种基于深度强化学习的服务网络调度方法，该方法包括获取目标用户节点的服务请求；将服务请求输入到训练完成的网络服务资源调度模型中得到资源调度策略；基于资源调度策略及服务请求获取目标服务节点的网络服务资源；将目标服务节点的网络服务资源按照服务质量等级及传输路径发送给目标用户节点。本发明通过利用网络的族群特性，将其划分为由社团组成的动态服务网络，在该网络结构基础上，通过网络服务资源调度模型能够进行合理的资源分配，包括服务节点选择、路径规划和服务等级的选择，从而有效地减少服务时延、降低资源运输成本，并提高服务质量和网络服务资源调度的效率。
-
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。
-
公开(公告)号：CN118672142B
公开(公告)日：2024-11-19
申请号：CN202411163184.3
申请日：2024-08-23
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: G05B13/04
Abstract: 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备，引入可重入制造系统的非线性项和线性扰动增益，构建可重入制造系统的非线性误差模型；对非线性误差模型进行局部线性化处理，以得到可重入制造系统的整体模糊状态方程；构建可重入制造系统的控制器算子；将控制器算子带入整体模糊状态方程，以得到闭环控制系统；基于闭环控制系统进行解算，确定控制器增益；基于控制器增益，获取控制器，并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时，引入可重入制造系统的非线性项和线性扰动增益，以得到非线性误差模型，能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。
-
公开(公告)号：CN118550200A
公开(公告)日：2024-08-27
申请号：CN202411017285.X
申请日：2024-07-29
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: G05B13/04
Abstract: 本说明书实施例提供视场受限约束下的机器人自适应跟踪控制方法及装置，其中所述方法包括：基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制。通过基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制，所采用的最小二乘参数辨识可在有限次参数更新后，消除参数不确定性对自适应跟踪控制系统带来的影响。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.036 seconds)
