-
公开(公告)号：CN114459489B
公开(公告)日：2024-05-17
申请号：CN202210242098.6
申请日：2022-03-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于信息融合的多星编队分布式相对导航方法，步骤如下：各从星通过通信协商或近邻构建两组不同的测量构型；建立滤波相对运动状态方程与测距测角量测方程；对局部测量构型1使用CKF滤波进行状态估计；对局部测量构型2使用CKF进行时间更新，利用局部滤波器1的状态估计结果代替相应的状态预测值以进行测量更新；在主滤波器进行信息融合；若编队构型发生变化，重新构建测量构型，否则系统直接再次进入卡尔曼滤波状态。本发明通过引入分布式滤波结构，将传统的主星估计环节分解至多星联合解算，降低了滤波运算量及单点故障风险，同时通过信息融合保证了精度，使得相对导航系统兼具准确性、鲁棒性以及可拓展性。
-
公开(公告)号：CN116756652A
公开(公告)日：2023-09-15
申请号：CN202310722064.1
申请日：2023-06-19
Applicant: 南京理工大学
IPC: G06F18/2415 , G06F18/2131 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/048
Abstract: 本发明公开一种基于孪生神经网络的高超声速飞行器执行机构故障诊断方法，针对样本量少，模型复杂的高超声速飞行器执行机构故障诊断问题。包括以下步骤：(1)采集高超声速飞行器传感器数据，并进行预处理；(2)获得预处理后的数据集，将数据集两两配对输入到孪生神经网络模型训练；孪生神经网络输出的特征向量对一方面用于求相似度，另一方面作为故障分类网络的输入。(3)将预处理后的待诊断的高超声速飞行器执行机构传感器数据输入到训练好的模型中，在故障分类网络中输出故障类别。本发明提高了小样本的情况下高超声速飞行器执行机构故障诊断正确率。
-
公开(公告)号：CN116755337A
公开(公告)日：2023-09-15
申请号：CN202310722053.3
申请日：2023-06-19
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于长短时记忆神经网络线性自抗扰控制的高超声速飞行器容错控制方法，包括建立高超声速飞行器的数学模型以及执行器故障的模型，包括其动力学模型和运动学模型；采用线性自抗扰控制技术设计控制器，针对高超声速飞行器可能出现的执行器故障和异常情况设计相应的容错控制策略，将线性自抗扰控制器和容错控制策略集成到高超声速飞行器的控制系统中；在飞行过程中，线性扩张状态观测器会不断评估当前飞行状态以及总扰动情况，根据实时控制需求和故障情况，利用长短时记忆神经网络自动调整观测器和控制器参数，确保高超声速飞行器的安全运行。
-
Patent Agency Ranking
公开(公告)号：CN116610136A
公开(公告)日：2023-08-18
申请号：CN202310722061.8
申请日：2023-06-19
Applicant: 南京理工大学
IPC: G05D1/08
Abstract: 本发明公开了一种基于数据驱动技术的高超声速飞行器姿态容错控制方法，针对高超声速飞行器在飞行过程中发生的执行器故障，考虑加性故障和外部干扰的情况，基于混合数据驱动模型设计了一种自适应的滑模鲁棒控制策略。首先针对于高超声速飞行器，利用飞行力学的原理建立数学模型，并且使用BP神经网络和RNN神经网络替换模型中需要依靠风洞实验测试出来的参数。其次基于滑模控制理论，设计了一种自适应滑模面，使得跟踪误差能在不同的故障工况下快速收敛至零。本发明通过引入广义学习系统对控制器中的非线性参数进行辨识，提高了系统的抗干扰性能。该方法在高超声速飞行器具有加性故障及扰动的情况下较传统容错控制方法具有有效性和优越性。
-
公开(公告)号：CN116260871A
公开(公告)日：2023-06-13
申请号：CN202310200404.4
申请日：2023-03-03
Applicant: 南京理工大学
IPC: H04L67/568 , H04L67/10 , G06F9/50
Abstract: 本发明公开了一种基于本地和边缘协同缓存的独立任务卸载方法，引入了服务缓存的概念，提出一种基于服务缓存的任务卸载和资源分配方法。首先以能量消耗和时间延迟的加权和为优化目标，将任务卸载、服务缓存和资源分配问题表述为混合整数非线性规划问题，并建立对应的通信模型、计算模型和缓存模型；其次，将上述问题近似为一个马尔可夫决策过程，并提出了一种基于深度确定性策略梯度算法来解决任务卸载、服务缓存和资源分配问题，最终降低了任务卸载过程中带来的能量消耗和时间延迟。
-
公开(公告)号：CN116610102A
公开(公告)日：2023-08-18
申请号：CN202310722065.6
申请日：2023-06-19
Applicant: 南京理工大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于多级神经网络观测器的飞行器执行机构自适应故障检测方法。主要步骤如下：首先建立并训练第一级径向基神经网络观测器用于跟踪预估飞行器执行器控制系统的输出；将一级神经网络观测器的预估输出并与实际系统输出比较，以产生系统残差信号；建立并训练第二级径向基神经网络，用于产生合理的自适应残差阈值；结合两级径向基神经网络产生自适应阈值，实现对飞行器执行机构典型故障的故障检测。本发明采用基于多级神经网络的故障检测方法，通过神经网络产生判定执行器故障的自适应阈值，克服了传统固定阈值故障检测方法的虚警率过高的问题，实现了有效准确地飞行执行机构控制系统的自适应故障检测，具备较好的工程应用价值。
-
公开(公告)号：CN116170442A
公开(公告)日：2023-05-26
申请号：CN202310163682.7
申请日：2023-02-24
Applicant: 南京理工大学
Abstract: 本申请公开了一种云边协同计算中基于改进珊瑚礁算法的计算卸载方法，首先对任务集合及变量，边缘服务器集合及变量，云服务器集合及变量建模；随后确定任务卸载变量和任务与服务器的对应卸载矩阵模型；再确定系统总时延和负载均衡指标模型；并利用线性加权方式将系统总时延和负载均衡指标的多目标优化问题转化成单目标优化问题，确定任务卸载的优化目标；最后采用改进的珊瑚礁算法求解基于最小化系统时延和负载均衡水平的最优任务卸载策略。本方法避免了系统负载不均衡现象；能够将任务卸载的多目标优化问题归结为单目标优化问题；通过混合遗传算法的珊瑚礁优化算法，避免标准珊瑚礁算法的迭代停滞和局部最优问题，从而得到全局最优解。
-
公开(公告)号：CN114459489A
公开(公告)日：2022-05-10
申请号：CN202210242098.6
申请日：2022-03-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于信息融合的多星编队分布式相对导航方法，步骤如下：各从星通过通信协商或近邻构建两组不同的测量构型；建立滤波相对运动状态方程与测距测角量测方程；对局部测量构型1使用CKF滤波进行状态估计；对局部测量构型2使用CKF进行时间更新，利用局部滤波器1的状态估计结果代替相应的状态预测值以进行测量更新；在主滤波器进行信息融合；若编队构型发生变化，重新构建测量构型，否则系统直接再次进入卡尔曼滤波状态。本发明通过引入分布式滤波结构，将传统的主星估计环节分解至多星联合解算，降低了滤波运算量及单点故障风险，同时通过信息融合保证了精度，使得相对导航系统兼具准确性、鲁棒性以及可拓展性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
