“崔允端”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果11个，建议您升级VIP下载更多相关专利

[发明专利]设备的控制方法及控制装置-CN202310863147.2在审
发明人：明芳;崔允端;钟刚 -专利权人：华为技术有限公司
申请日： 2023-07-12 - 公布日： 2023-10-10 - 主分类号： G05B13/04 文献下载
摘要：本申请实施例提供了一种设备的控制方法及控制装置，该方法包括：接收来自云端的第一集合，第一集合包括以下至少一项：多个训练数据、第一强化学习模型的训练参数或第一强化学习模型的参数；根据第一集合将第一设备中部署的第二强化学习模型更新为第一强化学习模型，第一强化学习模型用于调整第一设备的能耗，进而通过第一强化学习模型对第一设备的第一状态进行处理，以得到用于调整第一设备的运行参数的第一控制动作。本申请实施例的方案有利于实现设备的能耗优化。
设备控制方法装置

[发明专利]装置、方法和存储介质-CN201910759836.2有效
发明人：鹿子木宏明;藤崎守广;高见豪;古川阳太;松原崇充;崔允端;朱令纬 -专利权人：横河电机株式会社;国立大学法人奈良先端科学技术大学院大学
申请日： 2019-08-16 - 公布日： 2023-10-10 - 主分类号： G06N20/00 文献下载
摘要：如果单纯地进行机器学习，则要学习的参数的数量变得庞大，造成到学习收敛为止需要不切实际的长时间或者造成学习无法收敛，其结果会导致无法算出为操作设备推荐的控制条件。为此，本发明提供一种装置，其中包括多个智能体，将设施中设置的多个设备的一部分分别作为对象设备。多个智能体中的每一个具有：状态获取单元，获取表示设施的状态的状态数据；控制条件获取单元，获取表示各个对象设备的控制条件的控制条件数据；以及学习处理单元，使用包括状态数据和控制条件数据的学习数据执行模型的学习处理，该模型对应于状态数据的输入，输出表示各个对象设备的被推荐的控制条件的推荐控制条件数据。
装置方法存储介质

[发明专利]一种概率滤波强化学习无人船控制方法、装置及终端设备-CN202111538078.5有效
发明人： 崔允端;李慧云;彭磊 -专利权人：中国科学院深圳先进技术研究院
申请日： 2021-12-15 - 公布日： 2023-07-18 - 主分类号： G05D1/02 文献下载
摘要：本申请适用于无人驾驶控制技术领域，提供了一种概率滤波强化学习无人船控制方法、装置及终端设备，方法包括：获取t时刻的无人船的第一状态数据、第一控制信号和t‑1时刻的第二控制信号，对第一状态数据、第一控制信号及第二控制信号进行偏差补偿处理，得到偏差补偿信号，根据偏差补偿信号进行规划，得到目标控制信号，根据目标控制信号控制无人船在t+1时刻的运动状态，实现对不断变化复杂海洋环境中扰动因素的实时响应，从而提高应对复杂海洋环境的泛化能力、控制能力及稳定性能。
一种概率滤波强化学习无人控制方法装置终端设备

[发明专利]混合动力设备的能量管理方法、模型训练方法及装置-CN202011480295.9有效
发明人：郑春花;许德州;崔允端 -专利权人：中国科学院深圳先进技术研究院
申请日： 2020-12-14 - 公布日： 2023-05-23 - 主分类号： G06F30/27 文献下载
摘要：本申请公开了一种混合动力设备的能量管理方法、模型训练方法及装置，属于混合动力设备技术领域。包括：获取混合动力设备在当前状态下的状态数据，得到第一状态数据；将第一状态数据输入至第一SAC模型中，通过第一SAC模型基于第一状态数据输出第一动作数据，第一动作数据用于确定当前状态下混合动力设备中的多个能量单元的目标功率，目标功率包括输出功率或输入功率；基于第一动作数据对混合动力设备进行能量管理。通过第一SAC模型进行能量管理使得能量管理具有较高的实时性和较强的稳定性，从而解决了混合动力设备的能量管理问题。
混合动力设备能量管理方法模型训练装置

[发明专利]基于相对熵正则化的AC框架及应用其的机械臂控制方法-CN202211392283.X在审
发明人：尚致违;崔允端;易正琨;谢祥;李慧云 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-11-08 - 公布日： 2023-05-16 - 主分类号： G06N3/045 文献下载
摘要：本申请适用可穿戴式设备技术领域，提供了一种基于相对熵正则化的AC框架及应用其的机械臂控制方法；将相对熵正则化的思想推广至连续动作空间下的AC框架，提出了连续动态策略规划(Continuous Dynamic PolicyProgramming，CDPP)算法。也即将DPP算法扩展至了AC框架中，使学习过程中的策略更新更为平滑。采用其的机械臂控制方法也具有相同的技术效果。
基于相对正则 ac 框架应用机械控制方法

[发明专利]基于李雅普诺夫神经网络的无人系统控制方法及控制系统-CN202211535505.9在审
发明人：夏镭;崔允端;李慧云;彭磊;邵翠萍 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-12-02 - 公布日： 2023-04-07 - 主分类号： G05B19/042 文献下载
摘要：本发明公开了一种基于李雅普诺夫神经网络的无人系统控制方法及控制系统，包括：通过李雅普诺夫神经网络拟合无人系统对应的李雅普诺夫函数；根据所述李雅普诺夫神经网络划分出的安全区域指导无人系统进行迭代训练；融合李雅普诺夫神经网络和无人系统的有模型强化学习智能体后，对无人系统进行控制。本发明通过李雅普诺夫神经网络拟合李雅普诺夫函数，可以涵盖大部分的李雅普诺夫稳定区域，保证安全区域的充分探索；可扩展至较为复杂的非线性系统，可以在无人船等无人系统中学习李雅普诺夫神经网络；可以有效地迁移到其他的控制算法中，方便与其他算法进行融合。
基于李雅普诺夫神经网络无人系统控制方法控制系统

[发明专利]一种基于三元组对比网络的机器人抓取预测方法-CN202211303570.9在审
发明人：易正琨;柳程亮;吴新宇;崔允端;谢祥;田琼 -专利权人：深圳先进技术研究院
申请日： 2022-10-24 - 公布日： 2022-12-27 - 主分类号： B25J15/08 文献下载
摘要：本发明公开一种基于三元组对比网络的机器人抓取预测方法。该方法包括：构建训练集，其中每条样本反映机器臂抓取物体过程中多个时刻的触觉数据与分类标签之间的对应关系；基于设定的损失函数训练编码器，在训练过程中，在训练集随机抽取两个标签一致的样本分别作为锚样本和正样本，并随机抽取一个标签相反的样本作为负样本，将样本数据分别输入对应编码器中编码得到锚样本的高维特征、正样本的高维特征以及负样本的高维特征；冻结编码器的优化参数，并利用经训练的编码器将输入样本数据编码为高维特征，进而将该高维特征输入分类器进行训练；利用经训练的编码器和分类器针对实时的触觉数据预测抓取结果。本发明提升了机器人抓取预测的准确率。
一种基于三元对比网络机器人抓取预测方法

[发明专利]一种确定路侧单元工作效率的方法及相关装置-CN202210565601.1在审
发明人：彭磊;舒洪峰;周睿;刘琪;崔允端;徐婷 -专利权人：中国科学院深圳先进技术研究院;深圳市智慧城市科技发展集团有限公司
申请日： 2022-05-23 - 公布日： 2022-09-23 - 主分类号： H04W4/44 文献下载
摘要：本申请提供一种确定路侧单元工作效率的方法及相关装置，所述方法包括：获取第一路侧单元的工作状态；在第一路侧单元的工作状态为开启状态的情况下，将目标通信需求流量中的全部或部分通信需求流量分配给第一路侧单元，且分配给第一路侧单元的通信流量小于或等于第一阈值；根据第一路侧单元的工作状态确定第一组合，第一组合用于表示第一时间段内所述N个路侧单元中每个路侧单元的工作状态的一种取值排列；根据总通信需求流量的分配完成程度和所述N个路侧单元每单位能耗所传输的通信流量的乘积确定与所述第一组合对应的第一数值，所述第一数值与所述N个路侧单元的工作效率成正比。通过上述第一数值表征路侧单元的工作效率。
一种确定单元工作效率方法相关装置

[发明专利]异常检测方法、装置、电子设备及计算机可读存储介质-CN202210467552.8在审
发明人：彭磊;舒洪峰;赵子琪;徐婷;崔允端;朱栋文 -专利权人：中国科学院深圳先进技术研究院;深圳市智慧城市科技发展集团有限公司
申请日： 2022-04-29 - 公布日： 2022-08-05 - 主分类号： G06V20/58 文献下载
摘要：本发明实施例公开一种异常检测方法、装置、电子设备及计算机可读存储介质，该方法包括：获取N个数据，该N个数据与N个传感器一一对应，N为大于1的正整数；根据该N个数据以及该N个传感器之间的邻接矩阵确定该N个传感器中异常的传感器。本发明实施例，可以结合传感器数据和传感器之间的邻接矩阵进行异常检测，而传感器之间的邻接矩阵中包括丰富的传感器之间的关联关系，从而可以提高检测准确性。
异常检测方法装置电子设备计算机可读存储介质

[发明专利]一种多智能体多任务控制方法及其应用的框架-CN202210175083.2在审
发明人：邓乃天;李慧云;崔允端;党少博 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-02-24 - 公布日： 2022-06-28 - 主分类号： G06N3/00 文献下载
摘要：本发明适用多智能体控制技术领域，提供了一种多智能体多任务控制方法；该方法提供了统一的框架，如可拓展一致性协议，用于描述多智能体多任务；同时基于图论空间拓扑结构的局部交互可变性和一致性协议的空间状态抽象特性提出了一个新的多智能体多任务一致性控制机制；利用李雅普诺夫稳定性判据，证明了多智能体多任务一致性控制框架的稳定性，提供了系统控制稳定性的理论证明，系统稳定的控制条件。同时给出了稳定性的充分条件和控制误差，增强了理论根基；应用该控制方法的控制框架也具有相同的技术效果。
一种智能任务控制方法及其应用框架

[发明专利]一种基于深度强化学习的自动驾驶车辆超车决策方法-CN202210332505.2在审
发明人：刘佳;李慧云;崔允端 -专利权人：中国科学院深圳先进技术研究院
申请日： 2022-03-31 - 公布日： 2022-06-24 - 主分类号： B60W30/18 文献下载
摘要：本发明公开一种基于深度强化学习的自动驾驶车辆超车决策方法。该方法包括：基于演员评论家架构构建强化学习网络，该强化学习网络包含策略网络、价值网络和Q值网络，其中策略网络通过对驾驶环境的观测产生连续的驾驶动作；车辆将所述策略网络产生的连续驾驶动作应用于驾驶决策任务中，并通过与驾驶环境的交互，以实现无碰撞、连续高速超车为目标，在奖励函数指导下进行自动驾驶，其中所述驾驶决策任务包括第一子任务和第二子任务，第一子任务是在单车场景中实现自动驾驶车辆高速的驾驶，第二子任务是在多车环境中实现超车任务，第二子任务的初始策略是第一子任务得到的最优策略。利用本发明能够实现无碰撞的、连续高速超车任务。
一种基于深度强化学习自动驾驶车辆超车决策方法

1
共 11 条