-
公开(公告)号：CN111399541B
公开(公告)日：2022-07-15
申请号：CN202010234135.X
申请日：2020-03-30
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种无监督学习型神经网络的无人机全区域侦察路径规划方法，通过迭代离线学习得到控制无人机机动的神经网络参数，使得无人机能够在自主规避威胁的前提下，尽可能快速的侦察整个区域。同时本发明得到的机动决策神经网络在不同的地形中具有良好的迁移性和通用性，为无人机在智能路径规划和自主机动决策方向提供了一种新的解决方法。本发明方法简便高效，有效减少无人机因环境信息改变而再规划或重规划的问题，有效节约训练时间成本。
-
公开(公告)号：CN110866472A
公开(公告)日：2020-03-06
申请号：CN201911063982.8
申请日：2019-11-04
Applicant: 西北工业大学
Abstract: 本发明提供一种无人机地面运动目标识别与图像增强系统及方法，该系统由无人机、地面图像接收采集模块和地面PC三部分组成，无人机通过摄像头采集地面实时视频传送到地面图像接收采集模块，地面图像接收采集模块将接收到的视频数据通过USB端口传送到地面PC，地面PC检测并识别视频中的目标，识别到目标后，对视频图像进行图像分辨率增强处理。该系统及方法可以间接完成在无人机平台上对地面运动目标的实时检测识别；克服了复杂光照变化，摄像机抖动等原因造成识别图像的清晰度较差的现象，为后续的分析和决策提供了很大便利。
-
Patent Agency Ranking
公开(公告)号：CN113095481B
公开(公告)日：2024-02-02
申请号：CN202110364109.3
申请日：2021-04-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于并行自我博弈的空战机动方法，首先构建无人机机动模型，再构建红蓝运动态势获取模型，描述红蓝作战相对态势；然后依据马尔科夫过程构建红蓝双方状态空间、红双方动作空间和奖惩函数，接下来构建基于SAC算法的机动决策模型结构，通过空战对抗实现并行自我博弈训练SAC算法，最后测试训练得到的网络，显示作战轨迹并统计作战成功率。本发明能够有效提升敌我对抗水平，增大决策模型作战成功率。
-
-
公开(公告)号：CN111667513A
公开(公告)日：2020-09-15
申请号：CN202010486053.4
申请日：2020-06-01
Applicant: 西北工业大学
IPC: G06T7/277
Abstract: 本发明涉及一种基于DDPG迁移学习的无人机机动目标跟踪方法，通过对任务分解，初始化环境状态，神经网络参数等其他超参数，对神经网络进行训练。回合起始时，无人机执行行动改变速度和航向角，得到新的状态，并将每一回合的经验保存于经验池中作为学习样本，不断迭代更新神经网络的参数。当训练完成时，保存子任务训练好的神经网络参数，并迁移至下一任务场景下的无人机机动目标跟踪网络中，直到最终任务完成。
-
公开(公告)号：CN113095481A
公开(公告)日：2021-07-09
申请号：CN202110364109.3
申请日：2021-04-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于并行自我博弈的空战机动方法，首先构建无人机机动模型，再构建红蓝运动态势获取模型，描述红蓝作战相对态势；然后依据马尔科夫过程构建红蓝双方状态空间、红双方动作空间和奖惩函数，接下来构建基于SAC算法的机动决策模型结构，通过空战对抗实现并行自我博弈训练SAC算法，最后测试训练得到的网络，显示作战轨迹并统计作战成功率。本发明能够有效提升敌我对抗水平，增大决策模型作战成功率。
-
公开(公告)号：CN111399541A
公开(公告)日：2020-07-10
申请号：CN202010234135.X
申请日：2020-03-30
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明提供了一种无监督学习型神经网络的无人机全区域侦察路径规划方法，通过迭代离线学习得到控制无人机机动的神经网络参数，使得无人机能够在自主规避威胁的前提下，尽可能快速的侦察整个区域。同时本发明得到的机动决策神经网络在不同的地形中具有良好的迁移性和通用性，为无人机在智能路径规划和自主机动决策方向提供了一种新的解决方法。本发明方法简便高效，有效减少无人机因环境信息改变而再规划或重规划的问题，有效节约训练时间成本。
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
