Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学邸江磊获国家专利权

广东工业大学邸江磊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉广东工业大学申请的专利一种基于双流网络和强化学习框架的激光相干合成方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119168881B

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411189228.X,技术领域涉及:G06T5/50;该发明授权一种基于双流网络和强化学习框架的激光相干合成方法是由邸江磊;谭贵元;郑文慧;豆嘉真;钟丽云;秦玉文设计研发完成,并于2024-08-28向国家知识产权局提交的专利申请。

一种基于双流网络和强化学习框架的激光相干合成方法在说明书摘要公布了:本发明涉及激光相干合成技术领域,公开了一种基于双流网络和强化学习框架的激光相干合成方法,用于解决机器学习相位控制方法的鲁棒性低的难题。该方法通过构建双流网络结构,利用非焦平面的干涉图样和焦平面图样信息交互融合,提高了激光相干合成的效率和鲁棒性。在训练过程中,使用强化学习中Actor_Critic框架对双流网络进行更新优化,使得Actor网络能够自适应调整各激光束的相位,从而实现高效的激光相干合成。本发明的方法可以有效地实现对激光的相位控制,实现相干合成系统的高功率输出,并具备高鲁棒性以及实时性。

本发明授权一种基于双流网络和强化学习框架的激光相干合成方法在权利要求书中公布了:1.一种基于双流网络和强化学习框架的激光相干合成方法,其特征在于,包括以下步骤: S1、将种子激光源通过分束器分为N束,输入至相位调制器中控制相位; S2、对N束经过相位调制器的光束进行功率放大,输出至特定的分孔径合束器中; S3、特定的分孔径合束器中发射的N束激光经过半透半反镜后反射一部分将99%的能量作为系统输出,另一部分反射至透镜上进行聚焦,光电探测器CCD1置于焦点上得到N束激光相干合成后的焦平面的衍射图像I1,光电探测器CCD2置于非焦点上得到N束激光相干合成后的非焦平面的衍射图像I2; S4、将得到的衍射图像输入至训练好的智能体中,输出N个相位控制信号至相位调制器中校正各路激光的相位从而提高N束激光相干合成效率;包括将光电探测器获取的两张衍射图像堆叠成一个状态输入,即焦平面‑非焦平面图像对,并将其输入至双流网络中,经过双流网络得到256个特征向量后输入Actor网络的解耦头和Critic网络的解耦头中;其中双流网络由2个参数共享的输入流和特征交换模块AQC组成,图像对分别从2个输入流进入,然后经过AQC模块输出为256个特征向量,输入流的结构由3个阶段组成:第一部分为Stem层,由2个3*3卷积神经网络和1个SPPF模块组成,输入下采样到原来的四分之一,通道数变为128;第二部分为Stage1层,由1个3*3卷积神经网络和1个SPPF模块组成,输入下采样到原来的二分之一,通道数变为256;第三部分为Stage2层,由1个3*3卷积神经网络和1个SPPF模块组成,输入下采样到原来的二分之一,通道数变为256;其中AQC模块输入为2个十六分之一下采样的特征图,分别经过2个3*3卷积神经网络生成Q、K、V向量,K、Q向量进行点乘操作后经过Sigmoid函数再和V向量的元素对应相乘后经过全局平均池化得到256个特征向量。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广东工业大学,其通讯地址为:510009 广东省广州市东风东路729号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。