-
公开(公告)号:CN109614631B
公开(公告)日:2022-10-14
申请号:CN201811217192.6
申请日:2018-10-18
Applicant: 清华大学
Abstract: 本发明公开了一种基于强化学习和迁移学习的飞行器全自动气动优化方法,用于解决现有气动优化方法存在的容易陷入局部最优或收敛速度缓慢的问题,同时该优化方法在最后的高精度优化阶段将人工干预排除在外,进一步提高了优化效率。技术方案是首先分别建立基于半经验估算和高精度流体仿真的强化学习环境,然后构建强化学习神经网络、设置奖励函数,利用强化学习的全局寻优能力,在网络训练的过程中从半经验估算方法中提取优化经验并储存于网络参数中,然后构建另一个强化学习神经网络,并使用迁移学习将提取的优化经验迁移到该网络,再将其运用到基于高精度流体仿真的气动优化中,最后通过训练该网络获取气动性能优异的高精度设计参数。相对于背景技术方法,本发明提高了收敛速度,同时具备强大的全局寻优能力,对高精度气动优化具有很大的工程价值。
-
公开(公告)号:CN112033235A
公开(公告)日:2020-12-04
申请号:CN202010923657.0
申请日:2020-09-04
Applicant: 清华大学
Abstract: 本发明涉及航空航天技术领域,公开了一种采用黄金分割搜索的空战三体对抗最优预测制导方法,包括:建立空战三体对抗交战三方的运动学模型,根据交战三方实时运动状态选取优化指标函数,采用黄金分割法优化求解得到最优剩余拦截时间,将来袭导弹运动状态积分至剩余拦截时刻并选取为虚拟目标点,将防御导弹以虚拟目标点为目标,采用比例导引律进行制导。本方法基于预测思想,将飞机在空战三体对抗场景中的耦合状态考虑在制导律设计中,选取未来相对距离为优化指标,针对非线性耦合运动模型进行优化,所设计制导律有效提升了防御导弹拦截概率,降低了脱靶量,且需求制导过载小于传统制导律,能够使低性能防御导弹完成对高速高机动来袭导弹的拦截。
-
公开(公告)号:CN110705562A
公开(公告)日:2020-01-17
申请号:CN201910779135.5
申请日:2019-08-22
Applicant: 清华大学
Abstract: 本发明公开了一种采用注意力机制的金字塔池化多尺度特征学习方法,其特征在于含有:金字塔池化模型和注意力模型。所述金字塔池化模型由多条具有不同池化窗口大小的自适应池化通路并联组成,用于提取多尺度上下文特征。所述注意力模型通过非线性函数表征金字塔池化模型所生成的不同通道特征之间的关系,并对各个通道分配权重以强化有用特征同时抑制无用特征。本发明的一种采用注意力机制的金字塔池化多尺度特征学习方法可以增强金字塔池化模型的多尺度特征学习能力,并能灵活嵌入到卷积神经网络模型中,适用于图像语义分割、目标检测、图像分类等多种任务。
-
公开(公告)号:CN109353506A
公开(公告)日:2019-02-19
申请号:CN201811160531.1
申请日:2018-09-30
Applicant: 清华大学
Abstract: 本发明公开了一种双余度作动的尾座式无人机,其特征在于含有:机身、机翼、旋翼发动机、二自由度矢量基座、矢量舵机、副翼、升降舵、方向舵、舵面舵机。所述旋翼发动机安装在所述二自由度矢量基座上,所述二自由度矢量基座固定在所述机身前部,所述矢量舵机驱动所述旋翼发动机全向偏转,所述副翼安装在所述机翼下方,所述升降舵和所述方向舵安装在机身尾部,所述舵面舵机驱动所述副翼、所述升降舵和所述方向舵偏转。本发明的无人机采用二自由度推力矢量和控制舵面相结合的双余度作动方式,保证了整个飞行包线姿态控制的可靠与高效,适用于推广应用。
-
公开(公告)号:CN108534614A
公开(公告)日:2018-09-14
申请号:CN201810246200.3
申请日:2018-03-23
Applicant: 清华大学
IPC: F42B15/01
Abstract: 本发明涉及反导技术领域,公开了一种三维全向实时预测制导方法,包括:建立三维的来袭导弹与防御导弹的等加速度运动学模型,根据运动学模型在每时刻以来袭导弹和防御导弹当前的运动状态为输入计算预测拦截点位置,在每时刻将防御导弹以预测拦截点位置为目标,按照拦截静止目标的方式设计制导律,计算防御导弹的预测制导需求过载。本发明使用预测的思想设计制导律,将原本高速运动的、带有机动的来袭目标转变为低速运动的等效预测拦截目标,相较于传统制导律,在近距离面对大方位角来袭目标时,减小了脱靶量,增加了拦截精度,增强了对目标不确定性机动的鲁棒性,拦截范围更广,拦截时间更短。
-
-
-
-