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！

龙图腾网获悉吉林大学申请的专利一种基于强化学习算法的自适应激光器频率稳定控制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：CN120085548B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510248242.0，技术领域涉及：G05B13/04；该发明授权一种基于强化学习算法的自适应激光器频率稳定控制方法是由刘玉娟;宋子文;林婷婷;郝奥星;韦萌设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于强化学习算法的自适应激光器频率稳定控制方法在说明书摘要公布了：一种基于强化学习算法的自适应激光器频率稳定控制方法，涉及激光器频率稳定控制方法，解决传统PID控制在高精度频率调节中的不足等问题。本方法通过引入基于SAC算法的深度强化学习，智能体通过与环境的持续交互，自动学习并优化控制策略，实现激光器频率的高精度和自适应调节。本方法将激光器的频率误差作为核心优化目标，通过调整电流和温度两个参数最小化频率误差。将动作空间设计为温度调整阶段和电流微调阶段，避免频繁的大幅度变化对系统造成不利影响。奖励函数考虑了频率误差、电流和温度调整幅度以及频率变化率的惩罚，旨在平衡控制精度和系统稳定性。本方法适用于冷原子重力仪、量子计算、光纤通信等领域的高精度控制需求。

本发明授权一种基于强化学习算法的自适应激光器频率稳定控制方法在权利要求书中公布了：1.基于强化学习算法的自适应激光器频率稳定控制方法，其特征是：该方法由以下步骤实现： 步骤一、实时记录激光器的电流、温度以及激光器输出对应的频率误差信号，并对记录的电流、温度及频率误差信号进行归一化处理，获得归一化后的数据集； 步骤二、构建前馈神经网络模型，通过所述前馈神经网络模型建立激光器频率与电流、温度之间的关系模型，用于模拟激光器频率误差的动态行为； 步骤三、环境建模和奖励函数设计，实现SAC智能体与步骤二所述的神经网络模型的交互更新；具体过程为： 步骤三一、设定状态空间为输入激光器的当前工作状态，构建状态空间s，表示为： s＝[InTnfe] 式中，In为归一化的电流值；Tn为归一化的温度值；fe为归一化的频率误差； 步骤三二、通过SAC智能体不断调整电流和温度，最小化频率误差fe，使激光器频率稳定在目标频率ft附近，同时满足物理约束条件： ∣ΔI∣≤ΔImax ∣ΔT∣≤ΔTmax 式中，ΔImax和ΔTmax分别为每个时间步内电流和温度的最大变化量； 步骤三三、设定动作空间为SAC智能体的输出，A＝[ΔI,ΔT]，SAC智能体的目标是通过调节激光器的电流和温度，最小化频率误差；将动作空间分为温度调整阶段和电流微调阶段，SAC智能体在不同阶段根据当前状态选择控制量； 步骤三四、将综合奖励函数设定为最小化频率误差，设计综合奖励函数：基于归一化的频率误差、电流和温度变化、频率变化率的综合惩罚项设计综合奖励函数r，用下式表示为： 式中，ΔT和ΔI分别为温度变化量和电流变化量，为频率变化率，α为频率误差的惩罚因子，βT和βI分别为温度变化量和电流变化量的惩罚因子，γ为频率变化率的惩罚因子； 步骤四、采用步骤二所述的神经网络模型模拟激光器真实工作环境，为SAC智能体训练提供拟真的训练环境；在SAC智能体训练过程中，目标为最大化SAC智能体在与环境交互过程中的平均奖励；在每轮训练中，SAC智能体从环境中采样多组数据用于更新SAC智能体的策略，最终实现对激光器的实时频率控制。

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吉林大学，其通讯地址为：130000 吉林省长春市南关区前进大街2699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。