-
公开(公告)号:CN116224801A
公开(公告)日:2023-06-06
申请号:CN202310321825.2
申请日:2023-03-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于人工智能的飞行器协同制导律快速回归辨识方法,包括以下步骤:建立协同制导模型,所述协同制导模型为能够表征我方固定目标与敌方飞行器之间运动状态的模型;根据协同制导模型获得训练样本;建立神经网络,通过训练样本对神经网络进行训练,获得辨识模型;通过训练后的辨识模型获取敌方飞行器的制导参数。本发明提供的基于人工智能的飞行器协同制导律快速回归辨识方法,能够更加快速、准确的辨识敌方飞行器的时变制导参数。
-
公开(公告)号:CN119357685A
公开(公告)日:2025-01-24
申请号:CN202411024678.3
申请日:2024-07-29
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于光电测角信息的多飞行器‑多目标数据关联方法,包括以下步骤:每个飞行器均采用光电探测器对所有目标初始位置进行测量,利用扩展卡尔曼滤波对测量数据进行滤波,得到每个飞行器对每个目标的估计位置;各飞行器对所有目标的估计位置进行匹配关联,将相同目标进行关联,使得不同飞行器对同一目标具有相同的编号。本发明公开的方法,对目标关联准确率高,鲁棒性高。
-
公开(公告)号:CN118034365B
公开(公告)日:2024-12-27
申请号:CN202410261268.4
申请日:2024-03-07
Applicant: 北京理工大学
IPC: G05D1/49 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种适用于网络化通信飞行器的非奇异鲁棒量化控制方法,该方法中,通过非奇异终端滑模控制实现了鲁棒、快速和精准的跟踪控制。值得一提的是,该控制方法获得的控制信号是平滑无抖振的,再引入均匀量化器,把连续信号转变为离散信号,节约了通信资源,降低了能量损耗。
-
-
公开(公告)号:CN118409599A
公开(公告)日:2024-07-30
申请号:CN202410368926.X
申请日:2024-03-28
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明公开了一种大离轴条件下带拦截角约束的非线性最优制导方法,该方法中,将制导指令分为两个部分,即保证拦截的最优制导指令和具有相对航迹角约束的最优制导指令,通过保证拦截的最优制导来控制零控脱靶量,确保飞行器能够命中目标;通过相对航迹角约束来控制终端拦截角,其中,相对航迹角约束中时刻控制期望的终端时刻的相对航迹角和预测的终端时刻的相对航迹角之间的误差来实现拦截角约束。
-
公开(公告)号:CN118244776A
公开(公告)日:2024-06-25
申请号:CN202410336811.2
申请日:2024-03-22
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了多飞行器能量最优协同围捕打击制导方法,该方法为实现对机动目标的协同拦截,提出显式协同的策略,通过协调飞行器间相对视线角来实现对机动目标的拦截,其中,根据理想比例导引的物理特性预测每架飞行器的末端视线角,并根据预测的视线角对飞行器进行排序;然后计算相邻飞行器末端视线角差值,构造差值状态矢量,并设计最优控制律使预测所得的相对视线角误差矢量收敛至期望差值,从而使多个飞行器在小过载比拦截机动目标的同时满足相对视线角约束。
-
公开(公告)号:CN116484721A
公开(公告)日:2023-07-25
申请号:CN202310321814.4
申请日:2023-03-29
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G09B9/00 , G06F119/14
Abstract: 本发明公开了一种基于人工智能的拦截弹阻力系数在线辨识方法,利用飞行器上的传感器对飞行器与拦截弹的运动学信息进行实时测量,将所测量信息输入到辨识模型中,得到拦截弹阻力系数。本发明公开的基于人工智能的拦截弹阻力系数在线辨识方法,具有更快的辨识速度和更高的准确度。
-
-
公开(公告)号:CN115046433A
公开(公告)日:2022-09-13
申请号:CN202110256808.6
申请日:2021-03-09
Applicant: 北京理工大学
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:CN112197761A
公开(公告)日:2021-01-08
申请号:CN202010725789.2
申请日:2020-07-24
Applicant: 北京理工大学
Abstract: 本发明提供一种高精度多旋翼机协同定位方法及系统,该方法包括:选定需要进行定位的目标;n个无人机进行信息数据的采集,所述信息数据包括无人机自身参数信息、目标视线角信息以及无人机与目标的距离信息;对所述信息数据进行处理,获得目标位置的估计值。本发明所提供的方法采用多无人机协同采集信息,将光电吊舱和组合导航模块之间的安装误差引入最小二乘模型中,实现了在惯性导航元件精度较低的情况下、在短时间内对远距离目标的高精度定位,定位精度高、时间短。
-
-
-
-
-
-
-
-
-