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！

龙图腾网获悉浙江大学湖州研究院申请的专利基于图注意力机制的振荡器动力学同步控制系统及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：CN121209398B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511757570.X，技术领域涉及：G05B19/042；该发明授权基于图注意力机制的振荡器动力学同步控制系统及方法是由范丽;陈戢;许超;宫程章;索相波设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于图注意力机制的振荡器动力学同步控制系统及方法在说明书摘要公布了：本发明公开了一种基于图注意力机制的振荡器动力学同步控制系统及方法，该系统为若干振荡器作为节点耦合而成的图结构，所述图结构通过临近矩阵刻画任意单元间的连接方式；每个节点的状态通过振荡器的内部动力学和其余振荡器对该振荡器的影响控制，其余振荡器的影响通过将每个注意力头的多头注意力系数使用多层神经网络映射到每个神经元的状态空间得到，所述多头注意力系数结合网络每个节点的状态和用户指定的期望相位动态生成。本发明通过将振荡器网络中的节点耦合关系定义为图注意力权重，自主学习网络的耦合参数。能在小规模振荡器网络中进行训练，训练好的模型能够直接在任意大规模振荡器网络中产生满足任意相位关系的同步震荡模态。

本发明授权基于图注意力机制的振荡器动力学同步控制系统及方法在权利要求书中公布了：1.一种基于图注意力机制的振荡器动力学同步控制系统，其特征在于，该系统为若干振荡器作为节点耦合而成的图结构，所述图结构通过临近矩阵刻画任意单元间的连接方式； 每个节点的状态通过振荡器的内部动力学和其余振荡器对该振荡器的影响控制，其余振荡器的影响通过将每个注意力头的多头注意力系数使用多层神经网络映射到每个神经元的状态空间得到，所述多头注意力系数结合网络每个节点的状态和用户指定的期望相位动态生成， 对于包含N个振荡单元的振荡器网络，将第i个单元与第一个单元之间的期望相位差构建一个N维期望相位差向量，并将其编码进多头注意力系数中； 对同一个注意力头，计算过程包括： 首先对期望相位差向量自身进行编码，然后利用可学习的系数矩阵将编码后的期望相位投影到维表达空间，得到源特征和目标特征，最后，为了增强系统的实时性和全局收敛能力，利用Transformer中的位置编码技术，加入系统状态编码，将系统的状态量投影为源特征和目标特征，与期望相位的源特征和目标特征结合得到最终的源特征和目标特征，通过LeakyReLU对最终的源特征和目标特征进行处理得到注意力系数； 所述其余振荡器对该振荡器的影响为： 其中，clamp函数用于限制的大小；为多层神经网络，将高维特征信息映射到每个神经元的状态空间；为可学习的投影矩阵，将节点i相邻节点j的状态量映射到高维表达空间，为多头注意力系数，k表示注意力头的编号； 系统训练过程包括：将智能耦合动力学系统视为强化学习环境，其余振荡器对该振荡器的影响作为智能体对耦合动力学系统第i个单元的影响进行强化学习： 构建环境重置函数，用于在每个训练周期开始时重置系统的期望相位和初始状态，输出系统初始状态下的观测量，构建环境步进函数，根据输入动作输出下一刻观测量和奖励函数； 定义需要学习的相位关系，初始化可训练参数初始化回放缓存，所述可训练参数包括：将用户给定的期望相位差投影为源特征或目标特征的源矩阵和目标矩阵，将系统的状态量投影为源特征和目标特征的源矩阵和目标矩阵，注意力系数计算参数，将节点i的相邻节点j状态量映射到高维表达空间的参数； 每个训练周期的起始，在需要学习的相位关系中随机选取期望相位关系，运用环境重置函数重置系统的期望相位和初始状态，得到观测值； 获取智能体对网络的动作利用环境步进函数，获取下个状态和奖励函数； 将观测值、动作、下个状态和奖励函数作为元组存入回放缓存； 每经过预设的强化学习周期，随机抽取一批元组数据运用强化学习算法进行参数训练。

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浙江大学湖州研究院，其通讯地址为：313000 浙江省湖州市吴兴区西塞山路819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。