-
公开(公告)号：CN119544139B
公开(公告)日：2025-05-09
申请号：CN202510083995.0
申请日：2025-01-20
Applicant: 中南大学
Abstract: 本申请涉及时间同步技术领域，提供了一种参数自适应的多传感器网络时间同步方法及相关设备，该方法包括：基于每个传感器的本地时间相对当前时刻的偏差和偏移构建时钟模型；构建对每个传感器的本地时间的漂移和偏移量进行更新的更新公式；基于更新公式和所有时钟模型构建时间同步参数自适应模型，并利用优化算法对时间同步参数自适应模型进行求解，得到最优参数集；利用最优参数集和更新公式对每个传感器的漂移和偏移量进行更新，得到在当前时刻每个传感器的最终漂移和最终偏移量；分别针对每个传感器，根据传感器的最终漂移和最终偏移量对传感器的本地时间进行调整，使所有传感器的本地时间同步。本申请的方法能够提高时间同步的准确性。
-
公开(公告)号：CN118816896B
公开(公告)日：2025-02-11
申请号：CN202411300997.2
申请日：2024-09-18
Applicant: 中南大学
IPC: G01C21/20
Abstract: 本发明实施例中提供了一种基于时空双层规划算法的无人运输机实时航迹规划方法，属于控制技术领域，具体包括：步骤1，建立大型无人运输机飞行环境模型；步骤2，根据大型无人运输机飞行动力学约束和过程约束模型建立其轨迹优化的最优控制模型；步骤3，根据大型无人运输机飞行环境模型与最优控制模型，采用时空双层规划算法实时求解大型无人运输机航迹规划问题；步骤4，针对航迹节点的目标范围邻域内航迹突变问题，采用B样条曲线法来对目标范围内航迹进行平滑化。通过本发明的方案，提高了无人运输机的规划效率、适应性和安全性。
-
Patent Agency Ranking
公开(公告)号：CN119323130A
公开(公告)日：2025-01-17
申请号：CN202411424253.1
申请日：2024-10-12
Applicant: 中南大学
IPC: G06F30/20 , B64C25/58 , G06F30/15 , G06F30/17 , G06F18/24 , G06F119/14 , G06F119/12 , G06F119/02
Abstract: 本公开实施例中提供了一种飞机起落架主动减震装置的故障隔离方法，属于航空技术领域，具体包括：对单起落架建模得到垂直方向动力学方程并据此构建单起落架模型的状态空间方程；将单起落架模型的状态空间方程拓展到整机，得到整机起落架的状态空间方程；对执行器和传感器建立不同故障类型的故障模型；根据执行器的故障模型和传感器的故障模型，将整机起落架的状态空间方程改写为包含故障的状态空间方程并据此设计未知输入观测器；根据未知输入观测器的输出残差，采用垂直位移分量残差均方根值进行执行器故障隔离的判定；根据n个子观测器的输出残差值进行传感器故障隔离的判定。通过本公开的方案，提高了故障隔离效率、精准度和适应性。
-
公开(公告)号：CN118797483A
公开(公告)日：2024-10-18
申请号：CN202411293081.9
申请日：2024-09-14
Applicant: 中南大学
IPC: G06F18/2415 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/213 , B64D45/00
Abstract: 本申请适用于无人机控制技术领域，提供了一种基于深度学习的无人机数据故障识别方法及相关设备。该方法包括获取目标无人机的飞行数据；构建用于将数据信号分解为多个子信号的子信号提取模型，并利用秃鹫算法对子信号提取模型中的模型参数进行优化，得到优化后的子信号提取模型；利用优化后的子信号提取模型，提取数据信号的多个最优子信号；构建用于进行无人机故障识别的故障识别模型，并将所有最优子信号输入故障识别模型，得到目标无人机的数据信号的故障识别结果。本申请能提高无人机数据故障识别的准确性。
-
公开(公告)号：CN119544139A
公开(公告)日：2025-02-28
申请号：CN202510083995.0
申请日：2025-01-20
Applicant: 中南大学
Abstract: 本申请涉及时间同步技术领域，提供了一种参数自适应的多传感器网络时间同步方法及相关设备，该方法包括：基于每个传感器的本地时间相对当前时刻的偏差和偏移构建时钟模型；构建对每个传感器的本地时间的漂移和偏移量进行更新的更新公式；基于更新公式和所有时钟模型构建时间同步参数自适应模型，并利用优化算法对时间同步参数自适应模型进行求解，得到最优参数集；利用最优参数集和更新公式对每个传感器的漂移和偏移量进行更新，得到在当前时刻每个传感器的最终漂移和最终偏移量；分别针对每个传感器，根据传感器的最终漂移和最终偏移量对传感器的本地时间进行调整，使所有传感器的本地时间同步。本申请的方法能够提高时间同步的准确性。
-
公开(公告)号：CN118797483B
公开(公告)日：2024-11-22
申请号：CN202411293081.9
申请日：2024-09-14
Applicant: 中南大学
IPC: G06F18/2415 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/213 , B64D45/00
Abstract: 本申请适用于无人机控制技术领域，提供了一种基于深度学习的无人机数据故障识别方法及相关设备。该方法包括获取目标无人机的飞行数据；构建用于将数据信号分解为多个子信号的子信号提取模型，并利用秃鹫算法对子信号提取模型中的模型参数进行优化，得到优化后的子信号提取模型；利用优化后的子信号提取模型，提取数据信号的多个最优子信号；构建用于进行无人机故障识别的故障识别模型，并将所有最优子信号输入故障识别模型，得到目标无人机的数据信号的故障识别结果。本申请能提高无人机数据故障识别的准确性。
-
公开(公告)号：CN118816896A
公开(公告)日：2024-10-22
申请号：CN202411300997.2
申请日：2024-09-18
Applicant: 中南大学
IPC: G01C21/20
Abstract: 本发明实施例中提供了一种基于时空双层规划算法的无人运输机实时航迹规划方法，属于控制技术领域，具体包括：步骤1，建立大型无人运输机飞行环境模型；步骤2，根据大型无人运输机飞行动力学约束和过程约束模型建立其轨迹优化的最优控制模型；步骤3，根据大型无人运输机飞行环境模型与最优控制模型，采用时空双层规划算法实时求解大型无人运输机航迹规划问题；步骤4，针对航迹节点的目标范围邻域内航迹突变问题，采用B样条曲线法来对目标范围内航迹进行平滑化。通过本发明的方案，提高了无人运输机的规划效率、适应性和安全性。
-
-
-
-
-
-
Search Results
7
records
(took 0.094 seconds)
