-
公开(公告)号：CN119395989A
公开(公告)日：2025-02-07
申请号：CN202411451991.5
申请日：2024-10-17
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于态势预测的深度强化学习空战决策方法，属于技术领域，解决了无人机在复杂空战环境中不能实现自主决策和环境自适应的技术问题。技术方案为：通过无人机的运动学和动力学特征建模以适应实际飞行状态；建立深度强化对抗环境进行无人机对抗训练；利用LSTM预测算法动态评估敌方无人机状态，快速获取其下一时刻状态；根据奖励分配作为决策器输入，结合预测状态和奖励结果，推理敌方无人机态势动作，实现跟踪打击。本发明结合机器智能计算优势与人类经验判断，在复杂不确定环境下提高敌方无人机意图识别准确性，增强我方无人机的决策能力和战术优势。
-
公开(公告)号：CN119150472A
公开(公告)日：2024-12-17
申请号：CN202411090923.0
申请日：2024-08-09
Applicant: 南通大学
Abstract: 本发明提供了一种基于两阶段估计的液压挖掘机系统辨识方法，属于机械设备系统辨识技术领域，解决了自适应矩估计算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：一种基于两阶段估计的液压挖掘机系统辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶液压挖掘机系统Hammerstein模型；步骤2)构建两阶段最小二乘自适应矩估计算法的辨识流程。本发明的有益效果为：本发明提出的两阶段最小二乘自适应矩估计算法有较快的收敛速度和较高的收敛精度，能较好地适用于对分数阶液压挖掘机系统的建模和参数辨识。
-
公开(公告)号：CN117540626A
公开(公告)日：2024-02-09
申请号：CN202311428417.3
申请日：2023-10-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于贝叶斯神经网络的固定翼无人机态势预测方法，属于无人机态势预测技术领域；解决了在不确定环境下我方无人机无法对敌方无人机的未来态势做不确定性预测的技术问题。其技术方案为：建立适用于时间序列预测的贝叶斯网络并收集敌方无人机的有限态势信息；以敌方无人机态势信息作为输入，使用已建立的贝叶斯神经网络对敌方无人机的下一时刻的态势做预测；将单一时刻预测值作为输入再次预测，构成敌方无人机未来时间段的态势信息。本发明的有益效果为：能够令己方无人机在战场环境中利用有限的态势信息预知敌方无人机下一段时间的态势，使我方无人机能够抢占战场主动性，有利于提升无人机作战能力，从而降低我方无人机的战损比。
-
公开(公告)号：CN116993010A
公开(公告)日：2023-11-03
申请号：CN202310944321.6
申请日：2023-07-28
Applicant: 南通大学
Abstract: 本发明提供了一种基于贝叶斯神经网络的固定翼无人机态势预测方法，属于无人机态势预测技术领域；解决了在无人机空战环境下我方无人机无法对敌方无人机的未来态势做不确定性预测的技术问题。其技术方案为：一种基于贝叶斯神经网络的固定翼无人机态势预测方法，包括以下步骤：S1、建立适用于时间序列预测的贝叶斯网络；S2、通过我方无人机传感器系统获取敌方无人机的最新的态势信息；S3、使用已建立的贝叶斯神经网络对敌方无人机下一时刻的态势做预测。本发明的有益效果为：本发明提出的预测方法能够令己方无人机预知敌方无人机下一时刻的态势，使我方无人机能够抢占战场主动性，有利于提升无人机作战能力。
-
公开(公告)号：CN117094130B
公开(公告)日：2024-05-14
申请号：CN202310894100.2
申请日：2023-07-20
Applicant: 南通大学
IPC: G06F30/20
Abstract: 本发明提供了一种基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，属于电子设备系统辨识技术领域，解决了最小二乘算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：一种基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶压电陶瓷系统Hammerstein非线性模型；步骤2)构建极大似然最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的极大似然最小二乘算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶压电陶瓷系统的建模和参数辨识。
-
Patent Agency Ranking
公开(公告)号：CN117094130A
公开(公告)日：2023-11-21
申请号：CN202310894100.2
申请日：2023-07-20
Applicant: 南通大学
IPC: G06F30/20
Abstract: 本发明提供了一种基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，属于电子设备系统辨识技术领域，解决了最小二乘算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：一种基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其技术方案为：包括以下步骤：步骤1)建立分数阶压电陶瓷系统Hammerstein非线性模型；步骤2)构建极大似然最小二乘算法的辨识流程。本发明的有益效果为：本发明提出的极大似然最小二乘算法有较快的收敛速度和较高的收敛精度，能较好的适用于对分数阶压电陶瓷系统的建模和参数辨识。
-
公开(公告)号：CN116070670A
公开(公告)日：2023-05-05
申请号：CN202310004039.X
申请日：2023-01-03
Applicant: 南通大学
Abstract: 本发明提供了一种新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法，属于新型磁悬浮球系统辨识技术领域。解决了辨识新型磁悬浮球系统模型参数精度不高和速度慢的技术问题。其技术方案为：包括以下步骤：步骤1)建立新型磁悬浮球系统的单输入单输出模型；步骤2)构建新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法的辨识流程，对所有参数进行估计。本发明的有益效果为：本发明提出的新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对新型磁悬浮球系统反馈非线性模型的建模和参数辨识。
-
公开(公告)号：CN118112925A
公开(公告)日：2024-05-31
申请号：CN202410133373.X
申请日：2024-01-31
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种变量误差Wiener系统的碳纤维牵伸过程辨识方法，属于碳纤维牵伸过程的建模技术领域。解决了输入、输出和中间过程均受到噪声干扰的碳纤维牵伸过程的参数估计问题。其技术方案为：包括如下步骤：步骤1)构建出一个基于变量误差Wiener系统的碳纤维牵伸过程模型，并获得碳纤维牵伸过程变量误差Wiener系统辨识模型；步骤2)构建出基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法。本发明的有益效果为：本发明首先建立合适的碳纤维单级牵伸过程的模型，并提出一种基于偏差补偿最小二乘和模糊粒子群优化的递阶辨识方法，对碳纤维牵伸模型的未知参数进行参数估计。
-
公开(公告)号：CN116009399A
公开(公告)日：2023-04-25
申请号：CN202310009374.9
申请日：2023-01-03
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种压电作动器控制系统自适应差分进化麻雀搜索辨识方法，属于压电作动器控制系统辨识技术领域。解决了辨识压电作动器控制系统模型参数和时间延迟速度慢和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立压电作动器控制系统的单输入单输出模型；步骤2)构建压电作动器控制系统自适应差分进化麻雀搜索辨识方法的辨识流程，对所有参数和时间延迟进行估计。本发明的有益效果为：本发明提出的压电作动器控制系统自适应差分进化麻雀搜索辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对压电作动器控制系统时延非线性闭环模型的建模和参数辨识。
-
公开(公告)号：CN116993010B
公开(公告)日：2024-02-06
申请号：CN202310944321.6
申请日：2023-07-28
Applicant: 南通大学
Abstract: 本发明提供了一种基于贝叶斯神经网络的固定翼无人机态势预测方法，属于无人机态势预测技术领域；解决了在无人机空战环境下我方无人机无法对敌方无人机的未来态势做不确定性预测的技术问题。其技术方案为：一种基于贝叶斯神经网络的固定翼无人机态势预测方法，包括以下步骤：S1、建立适用于时间序列预测的贝叶斯网络；S2、通过我方无人机传感器系统获取敌方无人机的最新的态势信息；S3、使用已建立的贝叶斯神经网络对敌方无人机下一时刻的态势做预测。本发明的有益效果为：本发明提出的预测方法能够令己方无人机预知敌方无人机下一时刻的态势，使我方无人机能够抢占战场主动性，有利于提升无人机作战能力。(56)对比文件嵇慧明等.改进BAS-TIMS算法在空战机动决策中的应用.国防科技大学学报.2020,(第04期),全文.张宏鹏等.基于深度神经网络的无人作战飞机自主空战机动决策.兵工学报.2020,(第08期),全文.孟光磊等.基于混合动态贝叶斯网的无人机空战态势评估.指挥控制与仿真.2017,(第04期),全文.
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.027 seconds)
