-
公开(公告)号：CN114648547B
公开(公告)日：2023-06-27
申请号：CN202210222710.3
申请日：2022-03-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种用于反无人机红外探测系统的弱小目标检测方法和装置，属于红外探测技术领域，包括步骤：S1，读取原始红外图像；S2，重建出背景图像；S3，获得包含弱小目标的残差图像；S4，获得候选弱小目标区域；S5，获得最终的红外图像的背景重建图；S6，再次利用原始红外图像减去重建出的最终背景图像，得到包含弱小目标的目标显著图；S7，再次利用阈值分割方法将弱小目标从目标显著图中分割出来，并输出弱小目标信息。本发明解决了现有方法由于噪声、杂波、复杂背景等因素导致的检测率低、虚警率高的问题，并且该方法的算法简洁高效，复杂度低、易于硬件实现，满足高实时性的应用需求。
-
公开(公告)号：CN113919194B
公开(公告)日：2023-05-02
申请号：CN202111040968.3
申请日：2021-09-07
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/23 , G06F119/10 , G06F119/14
Abstract: 本发明提供一种基于滤波误差法的非线性飞行动力学系统辨识方法，包括如下步骤：步骤S100，将飞行动力学方程转换为含有加性过程噪声和测量噪声的非线性动力学系统，待辨识的模型参数θ由系统参数、初始状态和滤波增益参数构成；步骤S200，对于给定的测量噪声协方差矩阵R，采用Gauss‑Newton法最小化负对数似然函数，获得参数θ的最大似然估计，其中状态估计采用线性化Kalman滤波器；步骤S300，估计测量噪声协方差矩阵R；步骤S400，重复执行步骤S200～S300，直至收敛，得到非线性飞行动力学系统辨识结果；步骤S500，计算非线性飞行动力学系统辨识结果的不确定度。本发明适用范围更广、实用性更强。
-
公开(公告)号：CN115097747A
公开(公告)日：2022-09-23
申请号：CN202210711486.4
申请日：2022-06-22
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05B17/02
Abstract: 本申请公开了一种三轴飞行仿真系统，包括：三轴飞行仿真转台，以及用于感知所述三轴飞行仿真转台的转轴转动飞控板，所述飞控板与所述三轴飞行仿真转台的最小转轴连接，并且所述飞控板放置于飞控盒中；与所述飞控盒连接的垂直固定的中空碳管，所述中空碳管的朝上管口与塑料托架的下方连接；与所述塑料托架连接的铁棍以及与所述铁棍连接的无人机模型，其中，所述铁棍横向贯穿所述无人机模型的腹部。通过上述技术方案，本申请通过在三轴飞行仿真转台基础上，加入飞控板和无人机模型，以利用飞控板采集到三轴飞行仿真转台的更可靠的姿态信息，以及利用无人机模型对飞行相关信息进行可视化展示。
-
公开(公告)号：CN115035378A
公开(公告)日：2022-09-09
申请号：CN202210949749.5
申请日：2022-08-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于时空域特征融合的红外弱小目标的检测方法及装置，属于红外探测技术领域，包括步骤：将时域、空域特征信息结合起来检测弱小目标；所述将时域、空域特征信息结合起来具体包括：在时域上提取运动特征得到候选目标区域，在空域上提取目标显著性特征进行空域滤波修补得到背景估计图像，再减去背景估计图像得到空域目标显著图，再融合在时域上得到的时域目标显著图与所述空域目标显著图，得到最终的目标显著图，从最终的目标显著图中分割出弱小目标。本发明可以获得更高的目标检测率、更低的虚警率以及更远的无人机探测距离，并且该方法简洁高效、复杂度低，易于硬件实现，满足高实时性的应用需求。
-
公开(公告)号：CN114648547A
公开(公告)日：2022-06-21
申请号：CN202210222710.3
申请日：2022-03-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种用于反无人机红外探测系统的弱小目标检测方法和装置，属于红外探测技术领域，包括步骤：S1，读取原始红外图像；S2，重建出背景图像；S3，获得包含弱小目标的残差图像；S4，获得候选弱小目标区域；S5，获得最终的红外图像的背景重建图；S6，再次利用原始红外图像减去重建出的最终背景图像，得到包含弱小目标的目标显著图；S7，再次利用阈值分割方法将弱小目标从目标显著图中分割出来，并输出弱小目标信息。本发明解决了现有方法由于噪声、杂波、复杂背景等因素导致的检测率低、虚警率高的问题，并且该方法的算法简洁高效，复杂度低、易于硬件实现，满足高实时性的应用需求。
-
Patent Agency Ranking
公开(公告)号：CN114611416A
公开(公告)日：2022-06-10
申请号：CN202210511409.4
申请日：2022-05-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F17/12 , G06N20/10 , G06F119/14
Abstract: 本发明涉及导弹非线性非定常气动特性LS‑SVM建模方法，该方法将导弹气动力分解为静态气动力与动态运动产生的气动力增量之和，采用LS‑SVM建模方法建立动态气动力增量模型，其中用有限采样点近似描述运动历程，以反映运动历程对气动特性的影响；采用奇异值分解方法求解LS‑SVM的线性方程组，进行模型训练；采用训练‑校验方法确定罚因子和核宽度，以提高LS‑SVM模型的泛化性能。目的在于提供一种基于机器学习的导弹大攻角机动气动力建模方法。
-
公开(公告)号：CN114219333A
公开(公告)日：2022-03-22
申请号：CN202111565264.8
申请日：2021-12-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06Q10/06
Abstract: 一种三维地形中传感器部署点规划方法、系统及存储介质，该方法包括以下步骤：建立待覆盖区域的三维地形；输入指定覆盖率、传感器的参数值和部署高度，计算传感器的初始数量并给出传感器的初始部署坐标；建立基于可视域算法的目标函数；利用模式搜索算法调用所述目标函数，优化各传感器的坐标点，计算优化后的传感器覆盖率；比较优化后的传感器覆盖率与指定覆盖率的大小，若优化后的传感器覆盖率大于或等于指定覆盖率，则规划结束，若优化后的传感器覆盖率小于指定覆盖率，则传感器数量加1并返回步骤四。本发明能够避免在部署规划过程中陷入局部最优，有效地提高部署规划的合理性和整体的覆盖率，实现数量最少的传感器部署达到期望的指定覆盖率。
-
公开(公告)号：CN115238836A
公开(公告)日：2022-10-25
申请号：CN202211162350.9
申请日：2022-09-23
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06K9/62 , G06F30/20 , G06F119/10
Abstract: 本申请公开了一种基于气动数据和物理模型相关度的融合方法，综合利用了来自于不同气动数据源的气动数据的优点，在降低试验代价的同时，为提高数据的预测精度提供了条件。与基于不确定度来源的气动数据融合算法相比，本申请不需要获取气动数据的不确定度信息，局限性更小。与现有的基于气动力建模的数据融合算法相比，本发明不需要将来源气动数据区分为不同精度，适用性更强。本申请中的方法适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法。
-
公开(公告)号：CN114896830A
公开(公告)日：2022-08-12
申请号：CN202210825423.1
申请日：2022-07-14
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/20 , G06F17/13 , G06F119/14
Abstract: 本发明提供了一种导弹非线性非定常气动力微分方程模型辨识方法，包括：S1：数据准备：利用风洞试验或CFD计算得到导弹静态气动力和力矩系数、大振幅俯仰振荡气动力和力矩系数时间历程的动态数据表，并经过数据处理后生成气动建模的输入数据文件；S2：将气动力分解为静态气动力、俯仰阻尼和下洗迟滞增量、非定常增量，采用一阶微分方程描述非定常增量，构建气动力微分方程模型；S3：将气动力微分方程模型辨识问题转化为动态系统的参数辨识问题；S4：利用所述气动数据，基于最小二乘准则，采用Gauss‑Newton优化算法辨识获取模型参数的估计值。本发明适用于全攻角范围，模型泛化性能强。
-
公开(公告)号：CN114611416B
公开(公告)日：2022-08-02
申请号：CN202210511409.4
申请日：2022-05-12
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/27 , G06F17/12 , G06N20/10 , G06F119/14
Abstract: 本发明涉及导弹非线性非定常气动特性LS‑SVM建模方法，该方法将导弹气动力分解为静态气动力与动态运动产生的气动力增量之和，采用LS‑SVM建模方法建立动态气动力增量模型，其中用有限采样点近似描述运动历程，以反映运动历程对气动特性的影响；采用奇异值分解方法求解LS‑SVM的线性方程组，进行模型训练；采用训练‑校验方法确定罚因子和核宽度，以提高LS‑SVM模型的泛化性能。目的在于提供一种基于机器学习的导弹大攻角机动气动力建模方法。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.045 seconds)
