-
公开(公告)号：CN109145451B
公开(公告)日：2022-11-29
申请号：CN201810970985.9
申请日：2018-08-22
Applicant: 哈尔滨工业大学
Abstract: 高速滑翔飞行器的运动行为识别与航迹估计方法，属于基于知识和模式的信息推算领域。本发明解决了现有航迹估计方法无法应对高速滑翔飞行器复杂运动模态的问题。本发明的技术要点为：建立飞行器的动力学模型，进一步建立准平衡滑翔、跳跃滑翔两种飞行模式的运动行为模型，并构造飞行器运动行为模型集；构建飞行器运动行为识别算法，识别飞行器的运动行为；根据运动行为识别的结果，使用合理的策略在模型集中选择用于航迹估计的模型；构建融合滤波算法，估计飞行器的航迹。本方法适用于基于知识和模式的信息推算领域。
-
公开(公告)号：CN109858137B
公开(公告)日：2022-07-01
申请号：CN201910078778.7
申请日：2019-01-25
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法，本发明涉及飞行器的航迹估计方法。本发明解决了现有航迹估计方法在目标飞行器复杂机动条件下精度较低的问题。本发明的技术要点为：建立飞行器的动力学模型，并进一步建立飞行器的机动模型；构建用于飞行器航迹估计的可学习扩展卡尔曼滤波算法，并设计和训练其中的输入修饰网络和增益修饰网络。本发明中飞行器航迹估计中所使用的可学习扩展卡尔曼滤波算法是根据已有航迹数据训练获得的，更充分的利用了飞行器的运动特性先验信息，可更准确的描述飞行器的复杂机动模态，提升了航迹估计精度。本方法适用于基于知识和模式的信息推算领域。
-
公开(公告)号：CN110296634B
公开(公告)日：2021-07-13
申请号：CN201910599811.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学
IPC: F41G3/00
Abstract: 分体式制导的探测模式及精度分析方法，涉及分体式制导空间探测技术领域，为解决现有技术不能从同时保证目标相对距离以及视线角速度信息精确测量的角度出发，对分体式制导的探测模式进行分析的问题，包括步骤一：根据分体式制导场景下追踪器、观察器与目标间的三角构型关系，推导追踪器制导信息的间接解算方程及其解算误差灵敏度；步骤二：根据分体式制导的分离与拦截特点，对可达探测构型进行定量分析；步骤三：根据现有空间探测技术，提出若干种探测模式；步骤四：根据解算误差灵敏度以及可达探测构型的分析结果，得到分体式制导的探测精度分析方法，并对不同探测模式的探测性能进行对比分析，得到适合于空间非合作制导任务的探测模式。
-
Patent Agency Ranking
公开(公告)号：CN110296634A
公开(公告)日：2019-10-01
申请号：CN201910599811.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学
IPC: F41G3/00
Abstract: 分体式制导的探测模式及精度分析方法，涉及分体式制导空间探测技术领域，为解决现有技术不能从同时保证目标相对距离以及视线角速度信息精确测量的角度出发，对分体式制导的探测模式进行分析的问题，包括步骤一：根据分体式制导场景下追踪器、观察器与目标间的三角构型关系，推导追踪器制导信息的间接解算方程及其解算误差灵敏度；步骤二：根据分体式制导的分离与拦截特点，对可达探测构型进行定量分析；步骤三：根据现有空间探测技术，提出若干种探测模式；步骤四：根据解算误差灵敏度以及可达探测构型的分析结果，得到分体式制导的探测精度分析方法，并对不同探测模式的探测性能进行对比分析，得到适合于空间非合作制导任务的探测模式。
-
公开(公告)号：CN109145451A
公开(公告)日：2019-01-04
申请号：CN201810970985.9
申请日：2018-08-22
Applicant: 哈尔滨工业大学
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F2217/78
Abstract: 高速滑翔飞行器的运动行为识别与航迹估计方法，属于基于知识和模式的信息推算领域。本发明解决了现有航迹估计方法无法应对高速滑翔飞行器复杂运动模态的问题。本发明的技术要点为：建立飞行器的动力学模型，进一步建立准平衡滑翔、跳跃滑翔两种飞行模式的运动行为模型，并构造飞行器运动行为模型集；构建飞行器运动行为识别算法，识别飞行器的运动行为；根据运动行为识别的结果，使用合理的策略在模型集中选择用于航迹估计的模型；构建融合滤波算法，估计飞行器的航迹。本方法适用于基于知识和模式的信息推算领域。
-
公开(公告)号：CN117786534A
公开(公告)日：2024-03-29
申请号：CN202410087340.6
申请日：2024-01-22
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。
-
公开(公告)号：CN117786534B
公开(公告)日：2024-07-12
申请号：CN202410087340.6
申请日：2024-01-22
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。
-
公开(公告)号：CN109858137A
公开(公告)日：2019-06-07
申请号：CN201910078778.7
申请日：2019-01-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于可学习扩展卡尔曼滤波的复杂机动飞行器航迹估计方法，本发明涉及飞行器的航迹估计方法。本发明解决了现有航迹估计方法在目标飞行器复杂机动条件下精度较低的问题。本发明的技术要点为：建立飞行器的动力学模型，并进一步建立飞行器的机动模型；构建用于飞行器航迹估计的可学习扩展卡尔曼滤波算法，并设计和训练其中的输入修饰网络和增益修饰网络。本发明中飞行器航迹估计中所使用的可学习扩展卡尔曼滤波算法是根据已有航迹数据训练获得的，更充分的利用了飞行器的运动特性先验信息，可更准确的描述飞行器的复杂机动模态，提升了航迹估计精度。本方法适用于基于知识和模式的信息推算领域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
