-
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：CN117554948B
公开(公告)日：2024-08-23
申请号：CN202311314254.6
申请日：2023-10-11
Applicant: 北京理工大学
Abstract: 本发明提供了一种多飞行器低带宽协同跟踪目标的方法，该方法可以在网络通信资源受限的情况下，通过对单个飞行器所获得的测量信息的传输维数的选择，以及融合权重的特殊构造，采用了具有固定时间收敛特性的一致性协议，即各个飞行器在每两次测量更新的区间之内只需要通过固定次数的一致性通信和融合迭代，保证了各个飞行器上的局部滤波器对目标状态估计的一致，提高滤波效果，使得多个飞行器都能够准确跟踪目标，最终使得飞行器精准命中目标。
-
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：CN116858231A
公开(公告)日：2023-10-10
申请号：CN202210289493.X
申请日：2022-03-23
Applicant: 北京理工大学
Abstract: 本发明公开了基于联合概率数据关联自适应的多目标跟踪方法,通过传感器获得不同目标的多个观测值；根据观测值对目标分类，得到单目标类和多目标类；对单目标类中的目标，采用PDA方法进行跟踪，对多目标类中的目标，采用CJPDA方法或JPDA方法进行跟踪。本发明公开的基于联合概率数据关联自适应的多目标跟踪方法，能够根据不同的跟踪环境自主选择合适的数据关联方式，在保证跟踪精度的同时节省了目标跟踪时间。
-
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：CN113139594B
公开(公告)日：2023-05-02
申请号：CN202110418915.4
申请日：2021-04-19
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种机载图像无人机目标自适应检测方法，通过设置领域自适应模型对单阶段检测器进行半监督训练，获得目标检测模型，进而利用目标检测模型对无人机拍摄的图像进行检测。根据本发明提供的机载图像无人机目标自适应检测方法，显著提高检测速度，可以实现在机载低算力设备的实时运行，并且无需接触源域训练数据，实现在缺失目标域标注时的无人机目标检测，提高了迁移性和自适应能力。
-
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：CN113138381B
公开(公告)日：2023-03-17
申请号：CN202011554866.9
申请日：2020-12-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于雷达和光电探测系统的反低慢小无人机方法，将对低慢小无人机的识别过程拆分成两个阶段，第一阶段采用雷达发现识别的低慢小无人机；第二阶段采用光电探测系统实现精确识别低慢小无人机，充分发挥了雷达和光电探测系统的优点并在切换策略中克服了它们的缺点。
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.03 seconds)
