-
公开(公告)号：CN116466736A
公开(公告)日：2023-07-21
申请号：CN202310076524.8
申请日：2023-01-19
Applicant: 复旦大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于决策树的空战狗斗滚转机动辅助决策方法，属于航空技术领域，包括：S1获取与敌我双方战机相关的若干个战场态势数据及我方战机的滚转角数据；S2对战场态势数据及滚转角数据进行预处理；S3将经过预处理的战场态势数据、滚转角数据分别作为输入和输出来对决策树算法进行训练，获得空战狗斗滚转机动辅助决策模型；S4在单机近距空战格斗过程中，将采集到的与敌我双方战机相关的战场态势数据用相同的方式进行预处理后输入到空战狗斗滚转机动辅助决策模型，获得用于辅助我方战机进行滚转机动的滚转角类别。本发明可针对不同战场态势提供机动滚转角建议，具有易于实现性、强可解释性以及和人类直观思维的高度一致性的特点。
-
公开(公告)号：CN115205582A
公开(公告)日：2022-10-18
申请号：CN202210650735.3
申请日：2022-06-09
Applicant: 复旦大学
Inventor： 董一群
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种拟图智能化航空传感器故障检测与分类方法，属于航空技术领域，方法包括：获取若干个航空传感器在不同类型的故障条件下采集到的训练数据；将训练数据堆叠并封装为图像格式，获得训练图像；将训练图像输入到图像分类网络后采用迁移学习方法展开网络训练，获得航空传感器故障检测与分类网络；获取若干个待检测的航空传感器在飞行状态下采集到的待检数据；将待检数据堆叠并封装为图像格式，获得待检图像；将待检图像输入到上述网络中，获得待检测的航空传感器的故障类型。本发明将航空传感器故障检测与分类问题转换为图像的异常区域检测与分类问题，采用预训练的图像分类网络发展出高准确度的航空传感器故障检测与分类深度神经网络。
-
公开(公告)号：CN115204033A
公开(公告)日：2022-10-18
申请号：CN202210650107.5
申请日：2022-06-09
Applicant: 复旦大学
Abstract: 本发明公开了单机近距空战格斗机动辅助决策方法、系统、设备及介质，属于空战技术领域，方法包括：S1在敌我双方战机基于BFM机动条件进行单机近距空战格斗训练中，获取敌我双方战机的战场态势数据以及我方战机的滚转角数据；S2构建待训练的深度神经网络，将预处理后的战场态势数据和滚转角数据分别作为输入数据和输出数据对深度神经网络进行训练，获得机动辅助决策模型；S3在单机近距空战格斗过程中，将采集到敌我双方战机的战场态势数据输入机动辅助决策模型，获得用于对我方战机进行机动辅助决策的滚转角数据。本发明简便易行、计算快速且精度高，有效解决单机近距空战中我方战机最佳滚转角决策的问题。
-
公开(公告)号：CN119578243A
公开(公告)日：2025-03-07
申请号：CN202411678548.1
申请日：2024-11-22
Applicant: 复旦大学
IPC: G06F30/27 , G06F30/28 , G06F30/15 , G06N3/092 , G06N3/048 , G06F119/14 , G06F119/12 , G06F111/08 , G06F111/10
Abstract: 本发明公开了一种规避导弹及回转锁敌机动策略生成方法，其包括：S1：基于牛顿运动定律建立了飞机和导弹的运动学模型和动力学模型，对飞机和导弹的飞行轨迹和状态的模拟；S2：基于运动学模型和动力学模型，建立1v1的超视距空战环境；S3：针对深度强化学习的四元组，设计了深度强化学习的状态空间、动作空间以及奖励函数，并将三者集成到超视距空战环境中，完成状态转移函数的设计；S4：以智能体模拟战机，采用所述深度强化学习框架进行反复模拟对抗，以优化和调整策略，提高空战中的生存能力和战斗效能；通过强化学习模型的持续迭代训练，使得智能体自主学习到有效的机动策略，以应对来自不同方位的敌机和导弹威胁。
-
Patent Agency Ranking
公开(公告)号：CN116188850A
公开(公告)日：2023-05-30
申请号：CN202310086831.4
申请日：2023-01-19
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/77 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于神经过程网络的航空传感器故障检测与分类方法，属于航空技术领域，包括：S1在不同的故障类别下对若干个航空传感器的测量值进行采样和预处理，获得适于输入至神经过程网络的训练图像；S2构建神经过程网络，用训练图像以及对应的故障类别训练神经过程网络，进而获得基于神经过程网络的航空传感器故障检测与分类模型；S3按照相同的方式对待测航空传感器的测量值进行采样和预处理，获得待测图像，通过模型对待测图像进行处理，获得待测航空传感器的故障类别。本发明具有更快的收敛速度和更稳定的损失值下降曲线，并且准确率较高，展现了更高的适用性和有效性。
-
公开(公告)号：CN119440246A
公开(公告)日：2025-02-14
申请号：CN202411492532.1
申请日：2024-10-24
Applicant: 复旦大学
Abstract: 本发明公开了一种中远距空战飞行员个性化行为建模方法，其包括以下步骤：S1：通过空战飞行仿真系统以及眼动仪系统分别采集飞行员依照中远距空战战术条例进行1对1中远距空战时的空战交战数据与眼动数据；所述眼动数据包括飞行员在空战决策时眼动注视点的位置坐标；S2：选择若干个战场态势数据对座舱视野区域进行划分，得到对应的参数区域；根据步骤S1中眼动注视点的位置坐标确定各对应采样时刻飞行员的注视点所在的参数区域；计算飞行员在空战各阶段与各关键决策点对各参数区域的注视点个数比例平均值，以确定飞行员关键决策行为指标；S3：针对飞行员关键决策行为指标进行定量分析，确定各指标的分布特征，构建飞行员个性化行为模型。
-
公开(公告)号：CN116579250A
公开(公告)日：2023-08-11
申请号：CN202310614511.1
申请日：2023-05-29
Applicant: 复旦大学
IPC: G06F30/27 , G06F17/11 , G06N3/048 , G06N3/08 , G06F119/14
Abstract: 本发明提供一种基于NARX神经网络的飞行器动力学建模方法及装置，所述方法包括：基于Simulink仿真得到飞行器动力学模型的输入输出数据，并对数据进行预处理生成训练数据和测试数据；采用NARX神经网络进行飞行器动力学模型的训练及测试；基于训练和测试好的NARX神经网络结构，建立飞行器纵向动力学模型。本发明基于NARX神经网络模型，实现随机升降舵及油门杆量等输入条件下的飞行器迎角和俯仰角速度参数预测，建立了飞行器动力学模型。
-
公开(公告)号：CN117217395A
公开(公告)日：2023-12-12
申请号：CN202311130937.6
申请日：2023-09-01
Applicant: 复旦大学
IPC: G06Q10/047 , G06Q50/30
Abstract: 本发明涉及一种考虑多约束和多优化目标的民航客机航迹优化方法，包括以下步骤：S1、初始化优化目标和飞行航线；S2、在约束模型下，根据飞行航线进行从起始点到目标点的节点扩展，并根据优化目标选取节点；S3、基于选取的节点进行节点连接，生成满足动力学约束的曲线，得到从出发点到目标点的航线；S4、建立飞机的动力学模型、飞行构型模型、推力模型、阻力模型和油耗模型；S5、根据S3确定的航线和S4构建的模型计算飞机单次飞行的飞行时间和飞行油耗；返回步骤S2，在已生成航线的基础上进行航线进一步优化，迭代确定满足最小飞行时间和最低油耗的最优航线。与现有技术相比，本发明具有规划的航迹飞行时间短、油耗低等优点。
-
公开(公告)号：CN114757332A
公开(公告)日：2022-07-15
申请号：CN202210255247.2
申请日：2022-03-15
Applicant: 复旦大学
Inventor： 董一群
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G01P21/00 , G01P21/02
Abstract: 本发明公开一种航空器气动传感器故障智能检测方法，包括以下步骤：S1、获取多种航空器不同飞行状态下气动传感器故障的飞行数据；S2、采用对照性数值试验，在飞行数据中选定与航空器气动传感器故障检测直接相关的数据；S3、将选定的数据进行预处理，预处理后的数据堆叠成型为“图像”；本发明公开一种航空器气动传感器故障智能检测方法，可以准确地检测不同航空器或同一航空器在不同飞行状态下的气动传感器故障，并且相关检测结果具备良好的可解释性和可信度；采用深度神经网络方法，实现了无需调参即可适用于不同航空器或同一航空器不同飞行状态下的气动传感器故障智能检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.013 seconds)
