-
公开(公告)号：CN118243102A
公开(公告)日：2024-06-25
申请号：CN202410340615.2
申请日：2024-03-25
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及目标位置估计领域，一种基于有限间断信息的目标位置估计方法，包括，步骤S1，对导弹和目标进行状态建模；步骤S2，在笛卡尔系及改进的球坐标系下对弹目系统的相对运动模型和测量模型进行了构建；步骤S3，基于EKF和CKF算法分别对动态模型和量测模型进行了滤波器设计；步骤S4，构建基于高斯过程回归算法的量测模型，基于已经目标量测信息进行目标位置估计，本发明基于弹‑目相对运动学与空间视距模型，采用滤波估计算法，从包含系统误差和随机误差的制导系统观测量中，获得较准确的弹目相对位置信息，为控制规律提供信息进行导引。
-
公开(公告)号：CN119310853B
公开(公告)日：2025-04-18
申请号：CN202411426771.7
申请日：2024-10-14
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明涉及飞行器智能制导控制领域，公开了一种基于物理信息神经网络的大气层内时间约束的制导方法及系统，具体步骤是在比例导引制导律的基础上，构建不同导弹初始状态下的导弹飞行状态和剩余飞行时间数据集，然后利用物理信息神经网络计算出的剩余飞行时间构建时间约束偏置项，设计时间约束制导律，最后基于已经训练完成的物理信息神经网络模型，基于时间约束制导律，导引飞行器在期望时间打击目标，本发明采用比例导引与物理信息神经网络相结合的方法实现制导控制，对于考虑空气阻力和重力影响，实现对导弹进攻时间进行约束具有非常重要的工程意义。
-
公开(公告)号：CN118296479A
公开(公告)日：2024-07-05
申请号：CN202410471607.1
申请日：2024-04-19
Applicant: 哈尔滨工业大学
IPC: G06F18/2411 , G06F18/214 , G06F17/16
Abstract: 本发明涉及导弹拦截领域，一种基于协方差自适应模型的拦截弹道导弹多目标决策算法，通过基于给定的进攻弹道和预测命中点以及威胁度评估指标集，并基于获取到的数据进行弹道导弹目标威胁度值计算并排序，基于有约束条件的决策变量分配和协方差自适应采样策略，确定不同目标对应拦截弹发射方位角、最大负攻角以及发射阵地等参数，可以有效的在多目标导弹拦截中具有极高的拦截效率和精准度。
-
公开(公告)号：CN118243102B
公开(公告)日：2025-05-16
申请号：CN202410340615.2
申请日：2024-03-25
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及目标位置估计领域，一种基于有限间断信息的目标位置估计方法，包括，步骤S1，对导弹和目标进行状态建模；步骤S2，在笛卡尔系及改进的球坐标系下对弹目系统的相对运动模型和测量模型进行了构建；步骤S3，基于EKF和CKF算法分别对动态模型和量测模型进行了滤波器设计；步骤S4，构建基于高斯过程回归算法的量测模型，基于已经目标量测信息进行目标位置估计，本发明基于弹‑目相对运动学与空间视距模型，采用滤波估计算法，从包含系统误差和随机误差的制导系统观测量中，获得较准确的弹目相对位置信息，为控制规律提供信息进行导引。
-
公开(公告)号：CN117824441B
公开(公告)日：2025-03-14
申请号：CN202410024325.7
申请日：2024-01-08
Applicant: 哈尔滨工业大学
IPC: F42B15/01 , G06N3/0499 , G06N3/084
Abstract: 基于BP神经网络的时空约束智能协同制导方法及系统，属于协同制导领域。解决了现有基于估算剩余飞行时间的智能协同打击目标场景，仅局限于静止目标，对于协同打击高机动目标场景存在估算剩余飞行时间精度低，导致高机动目标准确度低的问题。本发明采取单弹在比例导引下的弹道数据作为训练集，对神经网络进行训练，建立从导弹状态、目标机动特性到剩余飞行时间的映射，且将训练后的神经网络在协同制导律设计中进行反演，形成对初始场景具有学习性且能够对剩余飞行时间在线智能预测、根据预测出的各导弹飞向机动目标的剩余飞行时间，构造各导弹的时空协同制导律，实现多导弹对机动目标的协同打击任务。主要用于弹群与机动目标博弈过程中。
-
Patent Agency Ranking
公开(公告)号：CN117824441A
公开(公告)日：2024-04-05
申请号：CN202410024325.7
申请日：2024-01-08
Applicant: 哈尔滨工业大学
IPC: F42B15/01 , G06N3/0499 , G06N3/084
Abstract: 基于BP神经网络的时空约束智能协同制导方法及系统，属于协同制导领域。解决了现有基于估算剩余飞行时间的智能协同打击目标场景，仅局限于静止目标，对于协同打击高机动目标场景存在估算剩余飞行时间精度低，导致高机动目标准确度低的问题。本发明采取单弹在比例导引下的弹道数据作为训练集，对神经网络进行训练，建立从导弹状态、目标机动特性到剩余飞行时间的映射，且将训练后的神经网络在协同制导律设计中进行反演，形成对初始场景具有学习性且能够对剩余飞行时间在线智能预测、根据预测出的各导弹飞向机动目标的剩余飞行时间，构造各导弹的时空协同制导律，实现多导弹对机动目标的协同打击任务。主要用于弹群与机动目标博弈过程中。
-
公开(公告)号：CN119310853A
公开(公告)日：2025-01-14
申请号：CN202411426771.7
申请日：2024-10-14
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明涉及飞行器智能制导控制领域，公开了一种基于物理信息神经网络的大气层内时间约束的制导方法及系统，具体步骤是在比例导引制导律的基础上，构建不同导弹初始状态下的导弹飞行状态和剩余飞行时间数据集，然后利用物理信息神经网络计算出的剩余飞行时间构建时间约束偏置项，设计时间约束制导律，最后基于已经训练完成的物理信息神经网络模型，基于时间约束制导律，导引飞行器在期望时间打击目标，本发明采用比例导引与物理信息神经网络相结合的方法实现制导控制，对于考虑空气阻力和重力影响，实现对导弹进攻时间进行约束具有非常重要的工程意义。
-
公开(公告)号：CN117989923B
公开(公告)日：2024-08-02
申请号：CN202410330459.1
申请日：2024-03-22
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及导弹制导控制技术领域，一种基于强化学习的变比例系数多弹协同制导方法，基于强化学习框架PPO实时生成比例导引系数，进而计算出导弹过载，引导多弹协同打击目标，具体步骤为：将多弹协同打击目标描述为马尔可夫决策过程；针对多弹协同打击目标的要求，设计强化学习框架；依据构建的多弹协同马尔可夫决策过程以及强化学习框架进行智能体模型训练；基于已经训练完成的智能体模型，计算多弹协同比例导引系数，构建多弹协同打击制导律，进行末端多弹协同打击目标，本发明采用比例导引制导律与智能强化学习方法相结合的实现多弹协同拦截目标，能够实现多弹末端拦截时刻一致，对于实现多弹协同打击目标具有非常重要的工程意义。
-
公开(公告)号：CN116294837A
公开(公告)日：2023-06-23
申请号：CN202310319729.4
申请日：2023-03-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于摄动制导的分导弹头落点的控制方法，涉及一种独立重返分导弹头落点的控制方法。本发明解决了现有分导弹头落点控制方法因采用轨道力学中的二体假设，忽略地球自转和大气阻力的影响，导致求解速度增量的结果模型误差较大的问题。本发明方法：S1：装订发射点和目标点经纬度；S2：采用牛顿迭代计算发射方位角和一级最大负攻角；S3：启用摄动制导计算各分导弹头需要的速度增量；S4：将获得的各分导弹头速度增量保存写入弹载计算机当地文件内，在各分导弹头指定的分导时刻分导舱分别对其施加所对应的速度增量，进行全弹道飞行即完成分导弹头的落点控制。本发明方法具有迭代变量少，计算速度快，结果精度高的特点。
-
公开(公告)号：CN118296479B
公开(公告)日：2024-12-13
申请号：CN202410471607.1
申请日：2024-04-19
Applicant: 哈尔滨工业大学
IPC: G06F18/2411 , G06F18/214 , G06F17/16
Abstract: 本发明涉及导弹拦截领域，一种基于协方差自适应模型的拦截弹道导弹多目标决策算法，通过基于给定的进攻弹道和预测命中点以及威胁度评估指标集，并基于获取到的数据进行弹道导弹目标威胁度值计算并排序，基于有约束条件的决策变量分配和协方差自适应采样策略，确定不同目标对应拦截弹发射方位角、最大负攻角以及发射阵地等参数，可以有效的在多目标导弹拦截中具有极高的拦截效率和精准度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
