-
公开(公告)号:CN113627075A
公开(公告)日:2021-11-09
申请号:CN202110812629.6
申请日:2021-07-19
Applicant: 南京理工大学
IPC: G06F30/27 , G06N3/00 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 本发明公开一种基于自适应粒子群优化极限学习的弹丸气动系数辨识方法。包括如下步骤:(1):建立弹丸二自由度动力学模型;(2):构建原始极限学习机网络模型;(3):利用自适应粒子群算法优化原始极限学习机网络模型,得到原始极限学习机网络模型的输入权重以及隐含层神经元阈值;(4):进行参数辨识;确定隐含层和输出层的连接权值矩阵在确定连接权值矩阵的基础上,求解模型的输出矩阵,实现参数辨识。本发明创新性提出一种自适应粒子群优化算法为极限学习提供输入权重以及隐含层神经元阈值,再利用极限学习辨识弹丸气动系数,为获取弹丸气动参数提供了新的途径。
-
公开(公告)号:CN113569463A
公开(公告)日:2021-10-29
申请号:CN202110674635.X
申请日:2021-06-17
Applicant: 南京理工大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种基于极限学习的弹丸气动系数辨识方法。包括如下步骤:(1):建立弹丸二自由度动力学模型;(2):构建极限学习机网络模型;(3):根据构建好的极限学习机网络模型,进行参数辨识;确定隐含层和输出层的连接权值矩阵在确定连接权值矩阵的基础上,求解模型的输出矩阵,实现参数辨识。本发明模型建立简单,需要调节的参数少,训练速度快,不易陷入局部最优;只需要确定输入特征向量个数、隐含层神经元节点数、激活函数以及输出特征向量个数,即可建立网络模型;输入层与隐含层连接权值以及隐含层阈值均随机产生,不需要迭代微调,就可以基于最小二乘原理求解输出权值,实现弹丸气动参数辨识。
-
公开(公告)号:CN113504721A
公开(公告)日:2021-10-15
申请号:CN202110873465.8
申请日:2021-07-30
Applicant: 南京理工大学
IPC: G05B11/42
Abstract: 本发明属于弹载电动舵机控制领域,具体涉及一种基于BP‑PID神经网络的弹载电动舵机舵偏角位置跟踪方法。本发明在弹载电动舵机三闭环控制系统的位置环中引入了BP神经网络算法,设计一种3层神经网络结构,以电动舵机舵偏角的参考设定值yref(k)、实际舵偏值y(k)、以上二者差值e(k)以及常值1作为BP‑PID神经网络算法的输入,以PID控制器的调节系数KP,KI,KD作为算法的输出,在线优化实时调节PID系数。本发明利用神经网络较强的自学习能力在线优化PID算法的调节参数KP,KI,KD。对比分析弹载电动舵机系统采用BP‑PID神经网络算法与传统PID算法的跟踪效果,最终验证了BP‑PID神经网络算法的优越性。
-
公开(公告)号:CN109059661B
公开(公告)日:2021-05-04
申请号:CN201810894640.X
申请日:2018-08-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种全自动弹丸攻角测试激光靶及其测试方法,包括中央处理单元、液晶显示器、电源、靶框、支架和N个激光传感器,N个激光传感器沿竖直方向等间隔固定在靶框任意一条侧边内壁上;所述中央处理单元、液晶显示器和电源均固定在靶框设有激光传感器的侧边上,所述液晶显示器和N个激光传感器通过电气接口分别与中央处理单元连接,中央处理单元和液晶显示器分别与电源连接,靶框固定在支架上。本发明可全自动测量弹丸的攻角,并实时显示弹丸的方向攻角、高低攻角和弹丸通过时的北京时间,且测量工作量小、误差小、精度高。
-
公开(公告)号:CN112113466A
公开(公告)日:2020-12-22
申请号:CN202010836755.0
申请日:2020-08-19
Applicant: 南京理工大学
IPC: F41G7/30
Abstract: 本发明公开了一种有限时间收敛的多导弹协同制导方法。该方法为:首先建立弹目相对运动学模型;然后进行运动参数测量与更新;接着估计剩余飞行时间;然后经通讯链获取其他导弹剩余飞行时间,并计算相对同步误差;接着计算时变导航比例值;然后计算切向加速度指令;接着设计终端角控制项;然后计算法向加速度指令;最后将制导指令输入到执行器,控制导弹飞行;重复进行运动参数测量与更新和协同制导控制,直至制导结束。本发明具有有限时间收敛特性,能够实现碰撞角控制,从而增强导弹毁伤能力。
-
公开(公告)号:CN110220416A
公开(公告)日:2019-09-10
申请号:CN201910401301.8
申请日:2019-05-15
Applicant: 南京理工大学
IPC: F41G7/00
Abstract: 本发明公开了一种自适应快速弹道跟踪制导方法。方法为:首先建立有控滑翔弹纵向平面内运动模型和纵向平面内弹目相对运动学模型;然后通过弹载传感器获取弹体的运动参数,并计算视线角速度信息,更新航迹点;接着设计跟踪制导律;最后将制导指令输入舵机,控制舵片的角度;重复进行运动参数获取和跟踪控制,直至跟踪结束。本发明能够满足战场快速性要求,并且抑制了控制中的气动参数扰动,提高了系统的鲁棒性。
-
公开(公告)号:CN110174653A
公开(公告)日:2019-08-27
申请号:CN201910414326.1
申请日:2019-05-17
Applicant: 南京理工大学
IPC: G01S7/40
Abstract: 本发明公开了一种便携式转速可遥控的毫米波测试转台,包括升降平台连接头、连接杆、编码器、电机、控制电线、供电调速模块、隔转轴承、上壳体、下壳体、U型连接器,升降平台连接头与连接杆上部固连,连接杆下部为开口向下的凹形腔结构,编码器和电机从上到下依次嵌入并固定在凹形腔内,编码器与供电调速模块相连,隔转轴承套设于连接杆下部凹形腔的外圆柱面上,上壳体套设于隔转轴承外圈,下壳体的中心通孔套设于电机的电机轴上,U型连接器上部固接在下壳体上,毫米波雷达组件与U型连接器下部两侧固接。该转台具有质量轻、体积小、转速可遥控等优点,能够搭载于无人机、吊车栏等快速升降平台,真实、高效地模拟末敏弹的稳态扫描过程。
-
公开(公告)号:CN109033493A
公开(公告)日:2018-12-18
申请号:CN201810556149.6
申请日:2018-06-01
Applicant: 南京理工大学
CPC classification number: G06F17/5009 , F42B35/02 , G06F2217/16
Abstract: 本发明提出了基于无迹卡尔曼滤波的辨识高速旋转弹气动参数滤波方法,首先建立高速旋转弹四自由度动力学模型,然后将待辨识参数加入状态变量中,确定增广之后的状态方程和量测方程;初始化增广状态变量及误差协方差矩阵并定义量测加权因子、方差加权因子以及刻度因子;根据增广之后的状态方程和量测方程,进行滤波计算,得到每一时刻的增广状态变量估计值。本发明在已经获得观测值的情况下,通过弹丸的运动方程和滤波算法就可以获得相应的气动参数。
-
公开(公告)号:CN106644382A
公开(公告)日:2017-05-10
申请号:CN201611223713.X
申请日:2016-12-27
Applicant: 南京理工大学
CPC classification number: G01M10/00 , G06F17/5036
Abstract: 本发明公开了一种基于多稳态分析的超空泡航行体运动轨迹规划方法,步骤1,建立超空泡航行体四维动力学模型;步骤2,通过二维分岔分析确定航行体的运动中存在多稳态现象的参数区域;步骤3,采用Lyapunov指数谱及相轨图等多稳态分析方法确定多稳态现象的类型;步骤4,运用吸引域得到超空泡航行体的运动轨迹与航行体初始位置、初始垂直速度、初始俯仰角及俯仰角速度的关系;步骤5,仿真验证航行体的运动轨迹。本发明采用多稳态分析的方法规划了航行体的运动轨迹,明确了航行体的运动状态与初始条件的关系,为分析超空泡航行体的运动特性提供了新的途径。
-
公开(公告)号:CN119720827A
公开(公告)日:2025-03-28
申请号:CN202411066370.5
申请日:2024-08-05
Applicant: 南京理工大学
IPC: G06F30/28 , G06F30/27 , G06N3/08 , G06N3/006 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明为一种基于蝴蝶算法优化核极限学习的弹丸气动系数辨识方法。包括如下步骤:(1)建立弹丸四自由度动力学模型;(2)构建核极限学习网络模型;(3)利用蝴蝶算法优化核极限学习机网络模型,得到原始核极限学习机网络模型的正则化系数和核函数参数、并带入核极限学习机网络模型中,得到优化后的蝴蝶算法核极限学习机网络模型;(4)根据优化后的蝴蝶算法核极限学习机网络模型,输入训练样本数据,确定输出层权重;在确定输出层权重的基础上,输入预测数据,求解模型的输出矩阵,实现参数辨识。本发明利用蝴蝶优化算法为核极限学习机提供正则化系数和核函数参数,再利用核极限学习辨识弹丸气动参数,为获取弹丸气动参数提供了新的方法。
-
-
-
-
-
-
-
-
-