公开(公告)号：CN119095009A

公开(公告)日：2024-12-06

申请号：CN202411525989.8

申请日：2024-10-30

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 刘滔 ,  邵元培 ,  程艳青 ,  陈志刚 ,  何磊 ,  侯金鑫 ,  陈海 ,  卢德勇 ,  张彬 ,  周铸

IPC: H04W4/46 ,  H04W4/029 ,  H04W4/02 ,  H04W8/30 ,  H04W4/06

Abstract: 本发明公开了基于丢包补偿的无人机编队通信方法，属于无人机通信技术领域，该方法包括无人机编队中各无人机通过机间通信获取其他无人机的状态信息；当机间通信产生丢包时，利用历史时刻的速度信息对位置信息进行补偿；以补偿后的位置信息确定机间最小通信频率，并以第i架无人机对其他无人机的最小通信频率中的最大值作为第i架无人机的信息广播频率进行通信。本发明能够降低大规模编队时的通信负担。

公开(公告)号：CN117270574B

公开(公告)日：2024-01-26

申请号：CN202311544575.5

申请日：2023-11-20

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 刘滔 ,  程艳青 ,  陈志刚 ,  卢德勇 ,  徐明兴 ,  钱炜祺 ,  侯金鑫 ,  赵暾 ,  郑凤麒 ,  周铸

IPC: G05D1/46

Abstract: 本发明提供基于虚拟目标的固定翼无人机飞行编队试验方法，属于无人机飞行控制技术领域，解决了现有飞行编队试验风险高的问题；本发明中，通过设置单个或多个虚拟目标的飞行参数，建立虚拟目标运动模型，计算虚拟目标与真实无人机间距离等相关参数，来解算出真实无人机和虚拟无人机的编队状态指令和对应的控制指令，并将虚拟无人机的控制指令输入至虚拟目标的对应模型中，将真实无人机的控制指令发送至真实无人机的作动器，从而控制真实无人机在编队飞行过程中的速度、位置和姿态，实现其与(56)对比文件Moshu Qian;Zhu Wu;BinJiang.Cerebellar Model ArticulationNeural Network-Based Distributed FaultTolerant Tracking Control With ObstacleAvoidance for Fixed-Wing UAVs《.IEEETransactions on Aerospace and ElectronicSystems 》.2023,第6841-6852页.Yongran Zhi, Lei Liu , Bin Guan, BoWang, Zhongtao Cheng, HuijinFan.Distributed robust adaptive formationcontrol of fixed-wing UAVs with unknownuncertainties and disturbances《.AerospaceScience and Technology》.2022,第1-20页.

公开(公告)号：CN117270574A

公开(公告)日：2023-12-22

申请号：CN202311544575.5

申请日：2023-11-20

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 刘滔 ,  程艳青 ,  陈志刚 ,  卢德勇 ,  徐明兴 ,  钱炜祺 ,  侯金鑫 ,  赵暾 ,  郑凤麒 ,  周铸

IPC: G05D1/10

Abstract: 本发明提供基于虚拟目标的固定翼无人机飞行编队试验方法，属于无人机飞行控制技术领域，解决了现有飞行编队试验风险高的问题；本发明中，通过设置单个或多个虚拟目标的飞行参数，建立虚拟目标运动模型，计算虚拟目标与真实无人机间距离等相关参数，来解算出真实无人机和虚拟无人机的编队状态指令和对应的控制指令，并将虚拟无人机的控制指令输入至虚拟目标的对应模型中，将真实无人机的控制指令发送至真实无人机的作动器，从而控制真实无人机在编队飞行过程中的速度、位置和姿态，实现其与虚拟目标间的距离保持等效果；本发明可有效降低飞行试验风险，节约固定翼无人机编队飞行试验成本，提高固定翼无人机编队飞行效率。

公开(公告)号：CN116976011A

公开(公告)日：2023-10-31

申请号：CN202311221653.8

申请日：2023-09-21

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 赵暾 ,  钱炜祺 ,  何磊 ,  陈海 ,  郑凤麒 ,  侯金鑫

IPC: G06F30/15 ,  G06F30/27 ,  G06F30/28 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种低高保真度气动数据特征关联深度复合网络模型及方法，该模型包括：低保真度网络和高保真度网络；其中，低保真度网络包括低保真度线性网络和低保真度非线性网络；高保真度网络包括线性变换网络和高保真度非线性网络；低保真度线性网络通过线性变换网络与高保真度非线性网络连接。本发明更明确地用线性变换的方式建立低、高保真度气动数据之间的关联关系，从而简化了模型结构，提升了模型的泛化能力，模型的预测性能更优。

公开(公告)号：CN114462293B

公开(公告)日：2023-10-13

申请号：CN202111564646.9

申请日：2021-12-20

Applicant: 中国空气动力研究与发展中心计算空气动力研究所

Inventor： 刘滔 ,  请求不公布姓名 ,  赵暾 ,  张显才 ,  侯金鑫 ,  郑凤麒

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及高超声速目标技术领域，具体地说，涉及一种高超声速目标中长期轨迹预测方法，其包括以下步骤：步骤1、根据雷达探测目标的信息，通过滤波算法获得目标的位置、速度状态信息；步骤2、通过目标跟踪得到的历史状态信息，计算气动参数序列αVTC，然后建立其LSTM预测模型；步骤3、利用训练好的LSTM模型预测αVTC，而后根据预测结果获得目标的中长期预测的轨迹；步骤4、目标再入机动或机动模式发生变化时，按照步骤1、步骤2生成新序列αVTC，并依此更新LSTM模型，然后返回步骤3。本发明能较佳地预测中长期轨迹。