-
公开(公告)号：CN112596373B
公开(公告)日：2023-05-23
申请号：CN202011167531.1
申请日：2020-10-27
Applicant: 西北工业大学 , 北京电子工程总体研究所
Abstract: 本发明提供了一种基于量子萤火虫算法的无人机姿控参数智能整定方法，属于自动控制领域，建立无人机姿态运动模型，设计分数阶PID控制器，确定待整定参数，选择误差指标函数为目标函数；设置量子萤火虫算法参数；执行量子萤火虫算法进行控制器参数整定优化，获得本次整定最优控制器参数和目标函数值；判断目标函数值是否满足要求；若目标函数值满足需求，则萤火虫位置为最优姿态控制器参数，整定结束；否则，返回步骤2，重新设置量子萤火虫算法参数，执行步骤2‑4。该方法在标准萤火虫算法的基础上，利用量子理论、精英保留和变异行为进行改进，克服现有技术中标准萤火虫算法存在的后期收敛速度严重降低、收敛精度不高和易陷入局部最优的缺陷。
-
公开(公告)号：CN112596373A
公开(公告)日：2021-04-02
申请号：CN202011167531.1
申请日：2020-10-27
Applicant: 西北工业大学 , 北京电子工程总体研究所
Abstract: 本发明提供了一种基于量子萤火虫算法的无人机姿控参数智能整定方法，属于自动控制领域，建立无人机姿态运动模型，设计分数阶PID控制器，确定待整定参数，选择误差指标函数为目标函数；设置量子萤火虫算法参数；执行量子萤火虫算法进行控制器参数整定优化，获得本次整定最优控制器参数和目标函数值；判断目标函数值是否满足要求；若目标函数值满足需求，则萤火虫位置为最优姿态控制器参数，整定结束；否则，返回步骤2，重新设置量子萤火虫算法参数，执行步骤2‑4。该方法在标准萤火虫算法的基础上，利用量子理论、精英保留和变异行为进行改进，克服现有技术中标准萤火虫算法存在的后期收敛速度严重降低、收敛精度不高和易陷入局部最优的缺陷。
-
公开(公告)号：CN119625478A
公开(公告)日：2025-03-14
申请号：CN202510162058.4
申请日：2025-02-14
Applicant: 西北工业大学 , 中国船舶重工集团公司第七0五研究所
IPC: G06V10/80 , G06V10/77 , G06V10/44 , G06V10/771 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/082 , G06N3/084 , G06N3/048
Abstract: 本发明为一种基于深度学习的数据融合方法及系统，涉及深度学习技术领域，包括根据设定的分类规则对获取无人系统中的多种传感器数据进行分类，获得分类数据；基于分类数据的基本属性分别进行预处理，获得预处理后分类数据；将预处理后的分类数据进行数据级融合，获得多个分类融合数据；基于深度递归神经网络DRNN，结合双向长短时记忆单元Bi‑LSTM和稀疏注意力机制，构建数据融合模型，通过模型剪枝对数据融合模型优化，获得优化后的数据融合模型；将多个分类融合数据输入至优化后的数据融合模型中进行二次融合，获得最终融合特征。充分挖掘多源信息的潜力，提高在复杂环境中决策的准确性和有效性。
-
公开(公告)号：CN119582802A
公开(公告)日：2025-03-07
申请号：CN202510142604.8
申请日：2025-02-10
Applicant: 西北工业大学 , 中国船舶重工集团公司第七0五研究所
Abstract: 本发明公开了一种基于深度学习的智能滤波方法及系统，涉及数据滤波技术领域。以解决使用智能优化算法进行滤波器参数寻优时，寻优性能和计算效率相互冲突这一技术问题。获得干扰控制指令数据；提取每个数据在寻优后期阶段所经过的个体；对数据分类后将同一类数据所对应的寻优后期个体组合获得各类子搜索空间；待滤波控制指令数据归类后调取该类子搜索空间进行滤波器参数寻优。本发明通过提取寻优后期个体聚焦于对干扰控制指令数据滤波效果接近最优的部分滤波参数；将寻优后期个体组合获得了独属于各类数据的子搜索空间，对待滤波控制指令数据进行处理时仅在对应的子搜索空间进行搜索，降低了搜索范围还提高了搜索性能。
-
公开(公告)号：CN107491081B
公开(公告)日：2020-10-27
申请号：CN201710564006.5
申请日：2017-07-12
Applicant: 西北工业大学
IPC: G05D1/08
Abstract: 本发明涉及一种通过设计径向基神经网络补偿器估计通道间耦合、模型不确定性部分及外部干扰，采用极点配置法确定分数阶比例微分控制器的增益初值，通过微调分数阶微分阶数进一步提高控制性能，增强系统灵活性，最后设计反馈线性化控制器得出控制量，实现对四旋翼无人机具有强抗干扰性的稳定姿态控制。有益效果：考虑了系统未建模部分、通道之间的耦合作用和外部干扰，提高了姿态控制方法的普适性。通过设计径向基神经网络估计器对系统的未建模部分、通道之间的耦合作用和外部干扰进行估计用于补偿，使系统具有良好的抗干扰能力。在传统比例微分控制的基础上，引入分数阶微分提高了系统的控制性能和灵活性。
-
Patent Agency Ranking
公开(公告)号：CN107300925B
公开(公告)日：2020-05-12
申请号：CN201710564001.2
申请日：2017-07-12
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于改进鱼群算法的四旋翼无人机姿控参数整定方法，在标准人工鱼群算法的基础上，提出了一种动态调整人工鱼移动步长的策略，引入精英保留、繁殖行为和外部捕鱼行为，克服现有技术中标准人工鱼群算法存在的后期收敛速度严重降低、收敛精度不高和易陷入局部最优的缺陷。该方法可用于解决飞行器设计、飞控参数整定和路径规划等问题，并具有较好的问题求解精度和效率。
-
公开(公告)号：CN107491081A
公开(公告)日：2017-12-19
申请号：CN201710564006.5
申请日：2017-07-12
Applicant: 西北工业大学
IPC: G05D1/08
Abstract: 本发明涉及一种通过设计径向基神经网络补偿器估计通道间耦合、模型不确定性部分及外部干扰，采用极点配置法确定分数阶比例微分控制器的增益初值，通过微调分数阶微分阶数进一步提高控制性能，增强系统灵活性，最后设计反馈线性化控制器得出控制量，实现对四旋翼无人机具有强抗干扰性的稳定姿态控制。有益效果：考虑了系统未建模部分、通道之间的耦合作用和外部干扰，提高了姿态控制方法的普适性。通过设计径向基神经网络估计器对系统的未建模部分、通道之间的耦合作用和外部干扰进行估计用于补偿，使系统具有良好的抗干扰能力。在传统比例微分控制的基础上，引入分数阶微分提高了系统的控制性能和灵活性。
-
公开(公告)号：CN103440416A
公开(公告)日：2013-12-11
申请号：CN201310376765.0
申请日：2013-08-27
Applicant: 西北工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于扩展误差流的叶片加工过程误差预测方法，用于解决现有误差流方法以刚体零件装配多工序过程或者加工多工序过程为研究对象仅考虑几何误差源的技术问题。技术方案是采用模型驱动进行过程监控，对几何定位误差源与受力变形误差源产生的误差及时进行预测，对误差耦合和传递机理进行了研究，对加工过程误差耦合建模方案进行了设计；通过网格划分的思想对叶片零件进行了微元划分，将变形分析转换为微元坐标系的坐标变换；建立了基于扩展误差流的多源多工序误差耦合模型，在此基础上给出了基于误差耦合模型的综合误差预测模型。帮助工作人员及时发现叶片的制造缺陷，进行校正和调整，减少返工次数，提高了加工质量和效率。
-
公开(公告)号：CN102521694A
公开(公告)日：2012-06-27
申请号：CN201110401722.4
申请日：2011-12-07
Applicant: 西北工业大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于组合赋权法的多工艺方案规划方法，分析影响工艺方案质量的各种因素，建立两层评价体系；采用隶属度函数对各评价指标数据进行标准化处理；采用基于工艺知识数据的模糊综合评价法和变异系数法分别对各个评价指标进行赋权；结合模糊综合评价法和变异系数法两种赋权的结果，以权重误差平方和最小为目标函数，采用拉格朗日乘子法计算组合权重；基于组合权重结合灰色关联分析法，根据设计两层评价结构建立两层灰色关联分析模型，通过求解模型得到的各候选工艺方案的关联度大小选择最佳工艺方案。本发明减小了各优化目标权重分配的偏差，提高了工艺方案的可执行性。
-
公开(公告)号：CN119625478B
公开(公告)日：2025-05-13
申请号：CN202510162058.4
申请日：2025-02-14
Applicant: 西北工业大学 , 中国船舶重工集团公司第七0五研究所
IPC: G06V10/80 , G06V10/77 , G06V10/44 , G06V10/771 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/082 , G06N3/084 , G06N3/048
Abstract: 本发明为一种基于深度学习的数据融合方法及系统，涉及深度学习技术领域，包括根据设定的分类规则对获取无人系统中的多种传感器数据进行分类，获得分类数据；基于分类数据的基本属性分别进行预处理，获得预处理后分类数据；将预处理后的分类数据进行数据级融合，获得多个分类融合数据；基于深度递归神经网络DRNN，结合双向长短时记忆单元Bi‑LSTM和稀疏注意力机制，构建数据融合模型，通过模型剪枝对数据融合模型优化，获得优化后的数据融合模型；将多个分类融合数据输入至优化后的数据融合模型中进行二次融合，获得最终融合特征。充分挖掘多源信息的潜力，提高在复杂环境中决策的准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.058 seconds)
