-
公开(公告)号：CN115577447B
公开(公告)日：2024-02-27
申请号：CN202211193450.8
申请日：2022-09-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于双尺度并行拓扑优化的无人机结构优化方法及系统。本发明所提供的方法包括：建立无人机结构的几何模型，并确定设计域的大小；将设计域进行网格划分，并获取设计域的物理参数，物理参数包括网格的尺寸、网格的密度、以及约束边界条件；将设计域的物理参数作为初值，对设计域进行拓扑优化，判断优化后的设计域是否满足预设标准，若是不满足，则对优化后的设计域继续进行优化，直至满足预设标准；输出相应的密度分布信息，并利用相应的密度分布信息进行无人机增材制造。本发明能够节约计算资源，在一定程度上提高结构优(56)对比文件秦小丽;林德福;陈国光.并行计算在垂直发射火箭弹转弯过程中的应用.弹箭与制导学报.2009,(06),183-186.
-
公开(公告)号：CN116935330A
公开(公告)日：2023-10-24
申请号：CN202210356840.6
申请日：2022-04-06
Applicant: 北京理工大学
IPC: G06V20/54 , G06V20/40 , G06T7/277 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于神经网络和联合数据概率数据关联法的交通监测方法，通过目标识别模块将视频中车辆识别出来，获得观测信息，通过目标跟踪模块对观测信息进行处理，将不同观测信息内的车辆的关联，实现对车辆的跟踪，所述目标识别模块中设置有神经网络模型和NMS模型，在所述目标跟踪模块中采用JPDA法对观测信息进行处理。本发明公开了基于神经网络和联合数据概率数据关联法的交通监测方法，运算速度快，跟踪精度高，能够实现交通实时监测。
-
公开(公告)号：CN116839575A
公开(公告)日：2023-10-03
申请号：CN202210290425.5
申请日：2022-03-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于大概率关联的观测值数目的联合概率关联的多目标跟踪方法，包括以下步骤：通过传感器获得不同目标的多个观测值；估计观测值与目标关联概率；设置有效观测范围；对观测值与各个目标的关联可能的情况进行穷举，得到所有的可行联合事件，针对处于有效观测范围内的可行联合事件，获取观测值对目标的关联概率密度；根据观测值对目标的关联概率密度，通过卡尔曼滤波更新各个目标的后验状态量与协方差，实现目标跟踪。本发明公开的基于大概率关联的观测值数目的联合概率关联的多目标跟踪方法，相比于传统的JPDA法，虽然目标跟踪精度有小幅度降低，但极大提高实时性，能够更好适应不同的工程环境需求。
-
公开(公告)号：CN116736871A
公开(公告)日：2023-09-12
申请号：CN202210209548.1
申请日：2022-03-03
Applicant: 北京理工大学
Abstract: 本发明公开了一种适用于多旋翼无人机全飞行包线建模的模型拼接方法，在全飞行包线内的悬停状态、不同飞行速度的前飞状态下分别辨识得到多个点模型，将获得的多个点模型拼接融合成一个覆盖全飞行包线的似非线性模型，进而通过该似非线性模型设计无人机控制器。本发明公开的适用于多旋翼无人机全飞行包线建模的模型拼接方法，有效降低了飞行试验成本，提升了无人机执行多项任务的能力。
-
公开(公告)号：CN116185061A
公开(公告)日：2023-05-30
申请号：CN202211516761.3
申请日：2022-11-28
Applicant: 北京理工大学
IPC: G05D1/10 , G06N3/045 , G06N3/0985 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于集成迁移学习的制导方法(ETLS)，该方法不仅能实时生成最优制导命令，还能在场景发生变化后，只用很少的新数据进行微调就能快速适应新的工作环境，并且性能几乎和之前一样好；该方法将多个传统的训练好的DNN神经网络与元学习器相结合，将新飞行器的中段制导最优控制问题，简化为寻找最优加权函数和最优偏置函数的问题，而且这两个函数可以用少量数据快速确定，避免了重新训练一个新网络的耗时和数据不足问题，从而针对新的飞行器及新的应用场景，能够在极短时间内给出满足末速度和精度要求的中制导段控制指令。
-
Patent Agency Ranking
公开(公告)号：CN114818100A
公开(公告)日：2022-07-29
申请号：CN202110084357.2
申请日：2021-01-21
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的飞行器剩余飞行时间预测方法，所述方法针对使用特定制导算法的飞行器，使用飞行器自身的当前速度信息、飞行器与目标的相对位置信息，通过深度神经网络预测剩余飞行时间。本发明提供的基于深度学习的飞行器剩余飞行时间预测方法，选取的输入状态为当前速度、当前速度方向、当前高度、当前横向位置，映射关系合理，使用深度学习拟合这一映射关系的可行性高；预测精度高，计算量少，能够应用于在线预测场景，确保飞行器高效实现协同突防。
-
-
公开(公告)号：CN112198887A
公开(公告)日：2021-01-08
申请号：CN201911416791.5
申请日：2019-12-31
Applicant: 北京理工大学
Abstract: 本发明公开一种多旋翼无人机机载计算机性能评估系统方法，所述多旋翼无人机机载计算机包括：计算机控制系统、传感及定位系统、视觉系统、和数传系统及电源动力系统，所述方法包括对计算机控制系统性能、传感及定位系统性能、视觉系统性能评估、数传系统性能及电源动力系统性能的性能评价指标的测试数据分别进行归一化处理，对各系统而言，将其各项性能指标确定权重，对该系统各项性能指标进行加权求和，得到该系统综合评估结果，并对这些系统确定权重，对这些系统进行加权求和，得到机载计算机整体性能评估结果。可根据任务需求的不同对各项指标的重要性进行排序，并以此获得不同的权重系数，实现为不同的需求挑选最合适的机载计算机或构成系统。
-
公开(公告)号：CN111274900B
公开(公告)日：2021-01-01
申请号：CN202010043542.2
申请日：2020-01-15
Abstract: 本发明公开了一种基于底层特征提取的空基人群计数方法，属于航空监视领域。首先无人机获得待检测的场景图并初步处理，然后使用卷积神经网路提取底层特征，对上述底层特征使用注意力机制生成注意力特征图。再将底层特征与注意力特征图使用解码器解码出高层特征。接着对高层特征使用卷积核大小为1的卷积层操作，获得通道为1的特征图Dout。最后对特征图Dout使用双线性插值方法逐步恢复空间分辨率，得到最终的人群密度图，对人群密度图中各像素值求和，得到该待检测场景图中的人群的数目。本发明生成的人群密度图更加清晰，对人群位置进行更精准的定位。
-
公开(公告)号：CN119472710A
公开(公告)日：2025-02-18
申请号：CN202411440260.0
申请日：2024-10-15
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种无人机集群分布式时空轨迹优化框架，其特征在于，通过建立最优控制模型，并求解最优控制模型，获得无人机集群的时空轨迹，求解过程中，针对任一无人机，进行单一无人机时空轨迹优化迭代和自身约束条件迭代后，进行无人机之间通讯，获得全局变量，通过优化全局变量，获取无人机最优时空轨迹。本发明公开的无人机集群分布式时空轨迹优化框架能够优化多个无人机的飞行轨迹，使其避开障碍物，满足无人机间的避让约束，优化无人机的飞行时间。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.029 seconds)
