-
公开(公告)号：CN116793150B
公开(公告)日：2024-10-22
申请号：CN202210240845.2
申请日：2022-03-10
Applicant: 北京理工大学
IPC: F41G3/00 , F42B15/01 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种基于残差神经网络与集成学习的飞行时间预测方法，通过集成单元将多个残差神经网络模型集成为总模型，通过总模型对新型飞行器的实际飞行时间与理论飞行时间误差进行预测；其中，所述残差神经网络为能够对已知飞行器实际飞行时间与理论飞行时间误差进行预测的模型，集成单元用于不同的残差神经网络模型预测结果按一定权值进行整合，已知飞行器是指已具有大量飞行轨迹数据的飞行器，新型飞行器是指未获得大量飞行轨迹数据的飞行器。该发明公开的基于残差神经网络与集成学习的飞行时间预测方法，降低了对新型号飞行器飞行数据量的要求，节约了数据采集的成本，预测结果准确率高。
-
公开(公告)号：CN118689243A
公开(公告)日：2024-09-24
申请号：CN202410671894.0
申请日：2024-05-28
Applicant: 北京理工大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种针对机动目标的领从协同制导方法，该方中，基于非奇异快速终端滑模控制算法，为领航飞行器提出了一种针对机动目标的带有碰撞角度控制的制导律。然后，从航飞行器的协同制导律设计分为两部分：在从航飞行器到领航飞行器的视线方向上，确保从航与领航的距离与领航飞行器与目标的剩余飞行距离之比保持一致，从而避免了对剩余飞行时间的估计；在垂直于的从航飞行器到领航飞行器的视线方向上，基于预设时间控制方法提出制导指令；此外，为从航飞行器设计了分布式固定时间观测器，以补偿无法获取的领航飞行器信息。
-
公开(公告)号：CN118362006A
公开(公告)日：2024-07-19
申请号：CN202410368924.0
申请日：2024-03-28
Applicant: 北京理工大学
IPC: F41H11/02
Abstract: 本发明公开了一种初始大失调角下的三维交汇矢量约束制导方法，该方法中，引入与目标质心固连的三维相对参考系，利用四元数乘法在参考坐标系中重新表述交汇矢量约束，从而获得终端约束和有限时间约束的横向加速度指令，并基于该指令控制飞行器命中目标；由于该制导方法具备精确的非线性性质，因此可容忍的初始失调角可明显高于现有的线性化制导方法；该方法可在大失调角下精准控制飞行器的末端交汇矢量，避免因常用的线性化制导方法因指令发散而导致任务失败。
-
公开(公告)号：CN118034364A
公开(公告)日：2024-05-14
申请号：CN202410261266.5
申请日：2024-03-07
Applicant: 北京理工大学
IPC: G05D1/49 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种考虑飞行器预设姿态性能约束的有限时间变结构控制方法，该方法中，通过在控制器的设计过程中引入预设性能约束，使得姿态跟踪误差满足预设的性能要求，提升了系统的瞬态响应，再使用变结构控制器，实现了有限时间鲁棒控制，并且控制信号是平滑连续的。
-
公开(公告)号：CN118034340A
公开(公告)日：2024-05-14
申请号：CN202410173592.0
申请日：2024-02-07
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种凸元学习多约束制导方法，包括以下步骤：设置飞行器制导运动模型；基于制导运动模型，以飞行器与目标之间的距离作为决策变量，设置第一制导优化模型；采用序列凸优化方法求解第一制导优化模型，获得制导律。本发明公开的凸元学习多约束制导方法，采用凸优化和元学习相结合的思想，以高效的凸优化算法求加快离线训练网络和在线制导应用时的计算速度；并利用元学习提高计算制导方法的可靠性，同时有效降低了深度学习对样本的需求量。
-
Patent Agency Ranking
公开(公告)号：CN116793150A
公开(公告)日：2023-09-22
申请号：CN202210240845.2
申请日：2022-03-10
Applicant: 北京理工大学
IPC: F41G3/00 , F42B15/01 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种基于残差神经网络与集成学习的飞行时间预测方法，通过集成单元将多个残差神经网络模型集成为总模型，通过总模型对新型飞行器的实际飞行时间与理论飞行时间误差进行预测；其中，所述残差神经网络为能够对已知飞行器实际飞行时间与理论飞行时间误差进行预测的模型，集成单元用于不同的残差神经网络模型预测结果按一定权值进行整合，已知飞行器是指已具有大量飞行轨迹数据的飞行器，新型飞行器是指未获得大量飞行轨迹数据的飞行器。该发明公开的基于残差神经网络与集成学习的飞行时间预测方法，降低了对新型号飞行器飞行数据量的要求，节约了数据采集的成本，预测结果准确率高。
-
-
公开(公告)号：CN115046433B
公开(公告)日：2023-04-07
申请号：CN202110256808.6
申请日：2021-03-09
Applicant: 北京理工大学
IPC: F42B15/01 , G06F30/27 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度强化学习的飞行器时间协同制导方法，所述方法通过深度强化学习模型根据飞行器的飞行状态输出偏置项at，基于偏置比例导引的形式得到新的制导指令am，最后根据制导指令am对飞行器控制系统进行控制。本发明提供的基于深度强化学习的飞行器时间协同制导方法，选取的输入状态为当前速度、当前速度方向、当前位置以及剩余飞行时间误差，映射关系合理，使用深度强化学习拟合这一映射关系的可行性高。
-
公开(公告)号：CN115906611A
公开(公告)日：2023-04-04
申请号：CN202211303157.2
申请日：2022-10-24
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于BP神经网络的反舰导弹攻击时间区间评估方法，包括以下步骤：S1、建立仿真模型，根据仿真模型获得神经网络训练样本；S2、采用训练样本对BP神经网络进行训练，获得导引时间预测模型；S3、将期望射程、最大过载能力、目标视场角、目标视场角最大值输入导引时间预测模型，获得导引时间范围。本发明公开了的基于BP神经网络的反舰导弹攻击时间区间评估方法，无需繁琐的计算，可便利得知此时多枚导弹共同的可行导引时间，且获得的导引时间范围准确度度高，耗时短。
-
公开(公告)号：CN106980132A
公开(公告)日：2017-07-25
申请号：CN201710354229.9
申请日：2017-05-18
Applicant: 北京理工大学 , 中国人民解放军63961部队
IPC: G01S19/48
CPC classification number: G01S19/48
Abstract: 本发明公开了一种无人机协同作业系统，其中，所述系统包括机载子系统(1)和地面子系统(2)，所述机载子系统(1)包括至少两台无人机，进一步包括一台任务机(11)和至少一台辅助机(12)其中，所述任务机(11)用于执行任务，当任务机(11)卫星信号丢失或较弱时，所述辅助机(12)对其自身的卫星信号以及其与任务机之间的相对位置信息进行处理，获得任务机(11)的卫星信号。本发明所述系统设计简便，减少了工程实际操作的难度，也降低复杂设计带来的成本投入，并且，本发明所述系统在有障碍影响任务机卫星信号传输时，能够借助辅助机进行数据处理，得到任务机的卫星信号，并传输给任务机，保证了任务机的正常工作。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.018 seconds)
