[发明专利]基于深度强化学习的加速器束流轨道控制方法及系统有效
| 申请号： | 201711053326.0 | 申请日： | 2017-10-31 |
| 公开（公告）号： | CN108051999B | 公开（公告）日： | 2020-08-25 |
| 发明（设计）人： | 唐雷雷;周泽然;宣科 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G05B13/02 | 分类号： | G05B13/02;G05B13/04 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 喻颖 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度强化学习的加速器束流轨道控制方法及系统，其用于将加速器的束流轨道控制在目标状态，所述方法利用训练数据采用深度强化学习方法对深度神经网络进行预训练，存储训练完的深度神经网络的权重参数及轨道控制策略的经验数据；利用束流位置监测器在线获取束流轨道的状态数据，将其馈入到所述深度深度神经网络，将所述深度神经网络的输出耦接到束流轨道校正器；载入所述训练完的深度神经网络的权重数据及轨道控制策略的经验数据，所述深度神经网络通过预测控制并进行在线强化学习调整控制参数将束流轨道自适应稳定控制在目标状态。 | ||
| 搜索关键词： | 基于 深度 强化 学习 加速器 轨道 控制 方法 系统 | ||
【主权项】：
1.一种基于深度强化学习的加速器束流轨道控制方法，其特征在于，包括以下步骤：步骤S11：在线获取所述加速器的束流轨道状态数据，采用通过深度强化学习方法预训练好的深度神经网络接收所述束流轨道状态数据，并输出用于控制所述加速器束流轨道的动作数据；步骤S12：给所述深度神经网络加载其在预训练过程中获得的深度神经网络权重数据及轨道控制策略的经验数据，通过预测控制并进行在线强化学习调整控制参数将所述加速器的束流轨道稳定在目标状态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学技术大学，未经中国科学技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711053326.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种液化天然气气液均布器
- 下一篇：校正质谱检测糖基正确率的方法及产品
