-
公开(公告)号：CN109101765B
公开(公告)日：2022-06-14
申请号：CN201811090972.9
申请日：2018-09-19
Applicant: 西北工业大学
IPC: G06F30/15 , G06F30/28 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种组合动力飞行器的大包线宽速域推进系统机理建模方法，在现有的RBCC组合动力系统建模方法上增加了跨声速流、边界层引起的核心流面积变化等一些主要的物理量，与实际模型相接近，提高了建模精度。
-
-
公开(公告)号：CN108563243A
公开(公告)日：2018-09-21
申请号：CN201810683835.X
申请日：2018-06-28
Applicant: 西北工业大学
IPC: G05D1/12
CPC classification number: G05D1/12
Abstract: 本发明涉及一种基于改进RRT算法的无人机航迹规划方法，基于基本快速扩展随机树算法框架，充分借鉴经典启发式稀疏A*算法思想，改进了树节点扩展方式，引入转弯半径、转弯角、总航程约束条件，有效减少了规划空间内采样点密度、运算时间和航迹点个数，设计了冗余节点裁剪方法，降低了巡飞弹转弯频率和机动性要求，缩短了航程，算法易于工程实现，可用于无人机快速航迹规划，也可为其他飞行器进行快速航迹规划提供参考。
-
公开(公告)号：CN108399451A
公开(公告)日：2018-08-14
申请号：CN201810110235.4
申请日：2018-02-05
Applicant: 西北工业大学
Abstract: 一种结合遗传算法的混合粒子群优化算法，综合了粒子群优化(Particle Swarm Optimization,PSO)算法全局搜索能力强和遗传算法(Genetic Algorithm,GA)局部收敛速度快的优点，首先借助粒子群优化算法全局搜索能力强的特点进行全局搜索，当迭代次数进行到指定代数并接近全局最优解时，此时整个种群进入全局最优解的邻域内；其次，利用改进的遗传算法在全局最优解的邻域内进行局部快速搜索，最终到达全局最优解。
-
公开(公告)号：CN119512139A
公开(公告)日：2025-02-25
申请号：CN202411488505.7
申请日：2024-10-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于强化学习的无人机集群自主区域搜索方法，包括：无人机群在任务区域执行目标搜索任务时，通过构建通信组网，在每个时刻共享各自的信息确定性图，从而得到无人机集群的信息确定性图；将无人机集群的信息确定性图和环境信息图输入到训练好的无人机搜索网络模型中，得到各无人机下一时刻的动作；无人机按照输出的动作执行搜索任务；其中：将无人机待搜索的任务区域及其中的禁飞区进行网格化处理，并基于单元格状态构建所述环境信息图；为任务区域的单元格赋予信息确定度的属性，得到每个无人机的信息确定性图；每个时刻各无人机在任务区域中移动一个单元格，同时更新一次信息确定性图。
-
Patent Agency Ranking
公开(公告)号：CN119440061A
公开(公告)日：2025-02-14
申请号：CN202411585131.0
申请日：2024-11-07
Applicant: 西北工业大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明涉及一种适用于多类型目标快速打击任务规划的工程化方法，属于多无人飞行器任务规划领域。包括：构建多类型目标模型；根据飞行器位置和目标位置计算各个飞行器到各个目标的航迹长度，根据航迹长度及飞行器自身能力确定对该目标执行打击任务的飞行器；所述飞行器自身能力包括剩余航程、剩余打击能力；建立打击任务教学模型，依据贪心算法筛选评价指标最小的目标作为当前选择的最优打击目标，根据对目标执行打击需要的无人机数量来对该目标执行打击的无人飞行器序列；对已经分配执行打击任务的无人飞行器规划航路，以航程最短为目标通过循环遍历的方式寻找最优打击角度。本发明有效缩短多无人飞行器协同打击任务航迹规划求解时间，提升算法工程化应用能力。
-
公开(公告)号：CN118349793A
公开(公告)日：2024-07-16
申请号：CN202410267835.7
申请日：2024-03-08
Applicant: 西北工业大学
IPC: G06F18/20 , G06F30/20 , G06F119/02
Abstract: 本发明提供了一种基于深度确定性策略梯度的超高速飞行器机动博弈方法，涉及超高速飞行器机动博弈作战技术领域，包括：根据超高速飞行器和拦截器的运动参数分别构建超高速飞行器的运动学与动力学方程、拦截器质心的运动学与动力学方程和超高速飞行器与拦截器的相对运动学方程；基于相对运动学方程构建拦截器机动策略；基于超高速飞行器的运动学与动力学方程和拦截器质心的运动学与动力学方程确定基于深度确定性策略梯度的超高速飞行器智能机动博弈算法；智能机动博弈算法用于构建机动博弈马尔可夫决策模型；基于智能机动博弈算法对超高速飞行器实施针对性机动。本发明能够解决现有超高速飞行器机动博弈算法智能性弱、自主性差、鲁棒性不足的问题。
-
公开(公告)号：CN117991804A
公开(公告)日：2024-05-07
申请号：CN202410050887.9
申请日：2024-01-13
Applicant: 西北工业大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种基于改进RRT的高动态固定翼无人机航迹规划方法，属于无人机航迹规划领域。综合考虑了无人机运动学模型、无人机飞行能力约束、地形障碍威胁、地面与空中人工威胁等；本发明方法在RRT扩展节点时赋予其节点属性，通过分辨节点属性选择节点扩展策略从而有效加快了算法的收敛速度，结合无人机飞行性能对扩展方向加以约束从而满足可飞性要求，并通过航迹多次重构的方法实现航迹平滑算法实现了在占用较小计算资源情况下快速计算出无人机在复杂环境下的避障可飞路线。
-
公开(公告)号：CN117972934A
公开(公告)日：2024-05-03
申请号：CN202410192436.9
申请日：2024-02-21
Applicant: 西北工业大学
IPC: G06F30/17 , G06F30/27 , G06N3/006 , G06N3/092 , G06F119/14
Abstract: 本发明提供了一种基于深度智能网络的高速飞行器博弈变形方法，涉及飞行器博弈智能算法技术领域，包括：分别建立变体飞行器的平动模型、转动模型和二体相对运动模型；根据所述平动模型、转动模型和二体相对运动模型建立DQN算法的MDP模型；基于MDP模型构建神经网络，训练智能体，以实现所述变体飞行器在二体博弈场景中的博弈变形。本发明可以实现DQN算法在飞行博弈中的可靠应用，使智能体在多种不同场景下实现飞行器的变体博弈。
-
公开(公告)号：CN117852309A
公开(公告)日：2024-04-09
申请号：CN202410251189.5
申请日：2024-03-06
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于指标层次化的突防效能评估方法，涉及制导控制技术领域，包括：建立进攻弹与拦截弹攻防博弈场景，对攻防双方进行蒙特卡洛打靶仿真，得到攻防对抗仿真结果；基于攻防对抗仿真结果确定突防效能评估指标体系；对突防效能评估指标体系进行层级化分析，得到层级化指标；基于层级化指标，采用神经网络进行突防效能评估。本发明能够对进攻弹的突防效能从多维度指标方面进行层次化系统化评估，为实际场景提供一定指导意义，具有较大的战略优势和广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.08 seconds)
