-
公开(公告)号：CN113627749B
公开(公告)日：2022-11-25
申请号：CN202110832886.6
申请日：2021-07-22
Applicant: 北京理工大学 , 中国人民解放军63863部队
Abstract: 本发明提供了一种基于卷积神经网络的毁伤效能评估和火力规划方法，能够充分考虑各种不确定性随机因素的影响，提高火力规划的合理性和精度。同时，将毁伤概率评估的过程看作图像到数值的回归问题，训练毁伤评估的卷积神经网络模型，进而解决火力规划耗时的难题。引入了卷积神经网络，通过将目标二维投影的几何外形及坐标、相应的瞄准点坐标转化为图像，基于图像处理的方式，通过构建卷积神经网络去预测任意给定瞄准点下对该目标的毁伤概率，使得毁伤效能的评估过程非常直观，同时为快速进行火力规划提供保障。
-
公开(公告)号：CN114358413B
公开(公告)日：2023-02-10
申请号：CN202111665134.1
申请日：2021-12-31
Applicant: 北京理工大学 , 中国人民解放军63863部队
Abstract: 本发明提供了一种考虑目标分组和打击决心的火力分配方法，同时适用于单类集群目标和多类目标混合编队的集群目标，可考虑导弹的可靠性和突防概率，以及目标所处的复杂地形地貌对火力分配的影响。本发明通过目标之间的距离和弹药毁伤幅员对目标进行分组，组内目标为密集型集群目标，组与组之间为稀疏型集群目标，进而提高火力分配的精度和合理性。基于毁伤决心和总可用弹量设置每个目标的最小用弹量约束，在可用弹量不足的情况下可优先确保对毁伤决心高的目标的毁伤效能。
-
公开(公告)号：CN114970396A
公开(公告)日：2022-08-30
申请号：CN202210634049.7
申请日：2022-06-07
Applicant: 北京理工大学
IPC: G06F30/28 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种考虑随机和认知混合不确定性的CFD模型修正方法，能够有效量化混合不确定性下CFD输出的不确定度，并修正具有认知不确定性的模型参数，使得修正后的模型参数更好地反映真实流动状况和流场流动特性，构建高保真的CFD仿真模型，提高CFD数值预测的可信度。本发明提出的混合不确定性影响下的CFD模型修正方法，可快速有效评估随机和认知混合不确定性对CFD数值模拟系统响应的影响，科学地开展模型修正，所提出的涵盖不确定性量化、灵敏度分析、参数修正的模型修正方案和流程，打破了传统基于经验和试凑的模型修正方法的不足，为CFD数值模拟的模型修正提供了系统有效的解决思路。
-
Patent Agency Ranking
公开(公告)号：CN114358413A
公开(公告)日：2022-04-15
申请号：CN202111665134.1
申请日：2021-12-31
Applicant: 北京理工大学 , 中国人民解放军63863部队
Abstract: 本发明提供了一种考虑目标分组和打击决心的火力分配方法，同时适用于单类集群目标和多类目标混合编队的集群目标，可考虑导弹的可靠性和突防概率，以及目标所处的复杂地形地貌对火力分配的影响。本发明通过目标之间的距离和弹药毁伤幅员对目标进行分组，组内目标为密集型集群目标，组与组之间为稀疏型集群目标，进而提高火力分配的精度和合理性。基于毁伤决心和总可用弹量设置每个目标的最小用弹量约束，在可用弹量不足的情况下可优先确保对毁伤决心高的目标的毁伤效能。
-
公开(公告)号：CN113627098A
公开(公告)日：2021-11-09
申请号：CN202110836895.2
申请日：2021-07-23
Applicant: 北京理工大学
IPC: G06F30/28 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种基于多可信度深度神经网络的CFD模型确认方法及其应用，利用多可信度深度神经网络对关键参数不确定性进行量化从而降低计算量。本发明利用多可信度深度神经网络对关键参数不确定性进行量化从而降低计算量，基于距离法的模型度量方法对CFD结果进行多工况下的度量，可快速评估不确定性对CFD输出的影响，从而实现快速的模型确认，突破目前CFD不确定性量化计算量大的技术瓶颈。本发明建立了一种基于优质小样本的参数校核策略，快速有效地修正CFD模型中具有认知不确定性的参数，能够快速有效地修正具有认知不确定性的关键参数，从而构建高保真度的CFD仿真模型。
-
公开(公告)号：CN113627098B
公开(公告)日：2023-12-08
申请号：CN202110836895.2
申请日：2021-07-23
Applicant: 北京理工大学
IPC: G06F30/28 , G06F30/27 , G06N3/045 , G06N3/08 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种基于多可信度深度神经网络的CFD模型确认方法及其应用，利用多可信度深度神经网络对关键参数不确定性进行量化从而降低计算量。本发明利用多可信度深度神经网络对关键参数不确定性进行量化从而降低计算量，基于距离法的模型度量方法对CFD结果进行多工况下的度量，可快速评估不确定性对CFD输出的影响，从而实现快速的模型确认，突破目前CFD不确定性量化计算量大的技术瓶颈。本发明建立了一种基于优质小样本的参数校核策略，快速有效地修正CFD模型中具有认知不确定性的参数，能够快速有效地修正具有认知不确定性的关键参数，从而构建高保真度的CFD仿真模型。
-
公开(公告)号：CN114970396B
公开(公告)日：2023-07-25
申请号：CN202210634049.7
申请日：2022-06-07
Applicant: 北京理工大学
IPC: G06F30/28 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种考虑随机和认知混合不确定性的CFD模型修正方法，能够有效量化混合不确定性下CFD输出的不确定度，并修正具有认知不确定性的模型参数，使得修正后的模型参数更好地反映真实流动状况和流场流动特性，构建高保真的CFD仿真模型，提高CFD数值预测的可信度。本发明提出的混合不确定性影响下的CFD模型修正方法，可快速有效评估随机和认知混合不确定性对CFD数值模拟系统响应的影响，科学地开展模型修正，所提出的涵盖不确定性量化、灵敏度分析、参数修正的模型修正方案和流程，打破了传统基于经验和试凑的模型修正方法的不足，为CFD数值模拟的模型修正提供了系统有效的解决思路。
-
公开(公告)号：CN113627749A
公开(公告)日：2021-11-09
申请号：CN202110832886.6
申请日：2021-07-22
Applicant: 北京理工大学 , 中国人民解放军63863部队
Abstract: 本发明提供了一种基于卷积神经网络的毁伤效能评估和火力规划方法，能够充分考虑各种不确定性随机因素的影响，提高火力规划的合理性和精度。同时，将毁伤概率评估的过程看作图像到数值的回归问题，训练毁伤评估的卷积神经网络模型，进而解决火力规划耗时的难题。引入了卷积神经网络，通过将目标二维投影的几何外形及坐标、相应的瞄准点坐标转化为图像，基于图像处理的方式，通过构建卷积神经网络去预测任意给定瞄准点下对该目标的毁伤概率，使得毁伤效能的评估过程非常直观，同时为快速进行火力规划提供保障。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
