-
公开(公告)号：CN104950875A
公开(公告)日：2015-09-30
申请号：CN201510329213.3
申请日：2015-06-15
Applicant: 西北工业大学 , 中国西安卫星测控中心
IPC: G05B23/02
CPC classification number: G05B23/024
Abstract: 本发明公开了一种结合关联分析和数据融合的故障诊断方法，用于解决现有故障诊断方法故障诊断结果精确度低的技术问题。技术方案是将来自不同测量来源的设备信息进行提取，对多源信息与已知故障模式对应的同源信息进行关联性分析，得到的关联度作为待诊断故障中测得的多源数据与已知故障模式之间的相关系数，通过数据融合的方法对多个来源的信息进行综合，计算出待诊断故障属于各已知故障模式的信度，从中选择最大信度对应的故障模式。由于采用将待诊断故障过程中单一物理量与已知故障类型中的同一物理量之间的灰色关联度代替多源数据融合过程中的相关系数的方法，有效的衔接了单一物理量与多元信息融合的过程，提高了故障诊断结果的精确度。
-
公开(公告)号：CN104899457B
公开(公告)日：2017-07-25
申请号：CN201510329302.8
申请日：2015-06-15
Applicant: 西北工业大学 , 中国西安卫星测控中心
IPC: G06F19/00
Abstract: 本发明公开了一种基于改进无偏GM(1,1)模型的卫星数据预测方法，用于解决现有卫星数据预测方法预测结果精确度差的技术问题。技术方案是首先对卫星原始遥测数据的预处理，进行卫星原始遥测数据的缺失位补齐和野值数据剔除；其次对预处理后的数据进行归一化处理和平滑性处理；然后建立无偏GM(1,1)模型，并将上述步骤处理的数据作为输入数据进行预测，将获取的新预测结果作为信息带入无偏GM(1,1)模型对数据进行更新预测，最后将得到的预测数据进行反平滑处理和反归一化处理得到最终的预测结果。该方法通过对卫星遥测数据预处理，利用新获得的数据对输入无偏GM(1,1)模型的数据进行更新，获取了更精确的预测结果。
-
公开(公告)号：CN104899457A
公开(公告)日：2015-09-09
申请号：CN201510329302.8
申请日：2015-06-15
Applicant: 西北工业大学 , 中国西安卫星测控中心
IPC: G06F19/00
Abstract: 本发明公开了一种基于改进无偏GM(1,1)模型的卫星数据预测方法，用于解决现有卫星数据预测方法预测结果精确度差的技术问题。技术方案是首先对卫星原始遥测数据的预处理，进行卫星原始遥测数据的缺失位补齐和野值数据剔除；其次对预处理后的数据进行归一化处理和平滑性处理；然后建立无偏GM(1,1)模型，并将上述步骤处理的数据作为输入数据进行预测，将获取的新预测结果作为信息带入无偏GM(1,1)模型对数据进行更新预测，最后将得到的预测数据进行反平滑处理和反归一化处理得到最终的预测结果。该方法通过对卫星遥测数据预处理，利用新获得的数据对输入无偏GM(1,1)模型的数据进行更新，获取了更精确的预测结果。
-
公开(公告)号：CN118259695A
公开(公告)日：2024-06-28
申请号：CN202410322702.5
申请日：2024-03-20
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及一种基于PID控制和反步法改进的编队保持控制方法，属于智能体编队控制领域；首先建立四旋翼无人机的动力学模型；接下来根据三维空间中追逐者与逃避者的编队保持问题，建立编队追逐者与逃避者的相对运动学模型；然后根据已建立的模型，设计编队保持控制器。本发明可以应用于智能体编队控制领域中，根据设计的四旋翼无人机在追逃模型下追逐者与逃避者的编队保持控制律，得到稳定的飞行轨迹。
-
公开(公告)号：CN118244625A
公开(公告)日：2024-06-25
申请号：CN202410301875.9
申请日：2024-03-17
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G05B13/02
Abstract: 本发明涉及一种基于正余弦算法改进的智能体路径优化方法，属于智能体和优化算法领域；首先根据正余弦算法正弦和余弦机制，对初始参数选择困难的问题，使用线性微分递减策略和混沌初始化，实时更新坐标；然后利用差分进化中变异、交叉、选择，根据全局和局部搜索，确定每个智能体的最终位置。本发明可以应用于智能体的路径搜索的算法中，在原路径搜索算法易陷入局部最优的问题下，寻找全局最优解。
-
Patent Agency Ranking
公开(公告)号：CN116592886A
公开(公告)日：2023-08-15
申请号：CN202310491161.4
申请日：2023-04-29
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G01C21/20
Abstract: 本发明涉及一种改进的混沌差分鲸鱼算法的智能体路径优化方法，首先根据鲸鱼算法包围和攻击机制，对初始参数选择困难的问题，进行混沌初始化，实时更新坐标；接下来采用反向搜索提高搜索效率；然后利用差分进化中变异、交叉、选择，根据全局和局部搜索，确定每个智能体的最终位置。本发明可以应用于智能体的路径搜索的算法中，在原路径搜索算法易陷入局部最优的问题下，寻找全局最优解。本发明可以应用于智能体的路径搜索的算法中，在原路径搜索算法易陷入局部最优的问题下，寻找全局最优解。
-
公开(公告)号：CN119128357A
公开(公告)日：2024-12-13
申请号：CN202410919385.5
申请日：2024-07-10
Applicant: 西北工业大学深圳研究院 , 西北工业大学
Abstract: 本发明涉及一种基于多智能体随机追逃博弈的概率可达集计算方法，属于多智能体追逃博弈领域。包括：根据攻击者和防御者的速度分别建立攻击者和防御者的动力学方程；基于攻击者和防御者的动力学方程构建值函数；采用伊藤积分对值函数进行泰勒展开，得到概率可达集结果。本发明将当前的追逃博弈的解决方法扩展到一个更一般的框架中，并考虑了系统动力学的随机部分；建立随机追逃博弈问题与涉及不连续收益函数的随机最优控制问题之间的联系，并考虑博弈中多个智能体之间的互动；利用概率可达性分析来解决多智能体随机追逃博弈的问题。
-
公开(公告)号：CN118259694A
公开(公告)日：2024-06-28
申请号：CN202410322701.0
申请日：2024-03-20
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及一种基于积分法和反步法改进的非线性轨迹跟踪控制方法，属于智能体轨迹跟踪领域；首先建立四旋翼无人机的动力学模型；接下来根据三维空间中编队对其期望轨迹跟踪的问题转化为逃避者的轨迹跟踪问题，建立编队逃避者跟踪其期望轨迹的运动学模型；然后根据已建立的模型，设计轨迹跟踪控制器。本发明可以应用于智能体轨迹跟踪领域中，根据设计的四旋翼无人机在追逃模型下追逐者与逃避者的轨迹跟踪控制律，得到稳定的飞行轨迹。
-
公开(公告)号：CN116956705A
公开(公告)日：2023-10-27
申请号：CN202310692675.6
申请日：2023-06-12
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06F30/27 , G06F18/20 , G06N20/00 , G06F111/08
Abstract: 本发明涉及一种基于多智能体强化学习的动态空中多目标分配、打击方法，基于多智能体强化学习的多目标分配技术针对多目标打击方案进行智能生成。基于Q值强化学习网络设计了一种新的近似动态结构实现规模适应性目标分配；同时，利用动作结构中的反馈机制提升网络分配的稳定性。与现有方法相比，算法在满足一定打击成功率基础上实现分配方法对目标数量动态变化适应性和分配结果的及时更新。本发明实现了对目标数量动态变化情况中稳定实时的打击分配策略生成和更新；智能体之间的动作信息共享和与目标覆盖率关联的奖励函数共同作用，保证了所有空中目标被能够被均匀选择并打击，提升了本发明对于空中多目标打击任务的执行能力和执行效果。
-
公开(公告)号：CN118760226A
公开(公告)日：2024-10-11
申请号：CN202410914905.3
申请日：2024-07-09
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明涉及一种基于随机蒸馏网络的无人机机动目标跟踪方法，属于无人机机动目标跟踪领域。包括：根据三维无人机机动目标跟踪场景构建动力学模型；将动力学模型抽象建模为马尔科夫决策过程，设计状态空间、动作空间及奖励函数；基于随机蒸馏网络的强化学习算法对马尔科夫决策过程求解奖励回报最大化的策略，使得无人机以最优轨迹跟踪机动目标。本发明针对三维目标跟踪场景，相比于二维场景更加真实，符合实际情况，能够更好地用于无人机系统中；在随机蒸馏网络的基础上增加一个预测器网络，进一步增大无人机的探索效率，使无人机能够更快地找到最优或次优解，加快收敛效率。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.05 seconds)
