基于神经网络的常用飞行器表面材质识别方法

    公开(公告)号:CN108872130B

    公开(公告)日:2019-08-23

    申请号:CN201810662092.8

    申请日:2018-06-25

    Inventor: 贺东雷 李怀峰

    Abstract: 本发明涉及一种基于神经网络的常用飞行器表面材质识别方法,包括如下步骤:步骤1:采集多种常用飞行器表面材料的大量漫反射红外光谱;步骤2:对采集的光谱进行预处理;步骤3:按照传统材质检测法对材质进行检测,并对相应材质红外光谱进行标定,建立红外光谱数据与材质匹配模型;步骤4:对数据库红外光谱进行分类;步骤5:将光谱数据进行格式转换,利用神经网络对数据库进行深度学习和训练,建立其神经网络模型;所述神经网络分为输入层和竞争层,网络竞争层的各神经元通过竞争来获取对输入模式的响应机会,最后只有一个神经元成为胜利者;该方法无需样品制备即可外场对样品进行分析,识别的准确率平均达到85%以上。

    一种空间碎片关联方法及介质

    公开(公告)号:CN110002014A

    公开(公告)日:2019-07-12

    申请号:CN201910218740.5

    申请日:2019-03-21

    Abstract: 一种空间碎片关联方法,包括如下步骤:步骤一、根据空间碎片的两组轨道参数,选取一个公共时刻;步骤二、将步骤一中所述的两组轨道参数分别传播至所述公共时刻;计算所述两组轨道参数在所述公共时刻的长半径之差和轨道面夹角;步骤三、当步骤二中所述的长半径之差和轨道面夹角均小于相应阈值时,转入步骤四;否则判定所述两组轨道参数为不同空间碎片;步骤四、调整所述两组轨道参数在所述公共时刻的长半径,当所述两组轨道参数在所述公共时刻的径向偏差、沿轨方向偏差、轨道面法向方向偏差均小于相应阈值时,判定所述两组轨道参数为同一空间碎片;否则判定所述两组轨道参数为不同空间碎片。本发明方法的正确率、计算效率均高于CBTA方法。

    基于神经网络的常用飞行器表面材质识别方法

    公开(公告)号:CN108872130A

    公开(公告)日:2018-11-23

    申请号:CN201810662092.8

    申请日:2018-06-25

    Inventor: 贺东雷 李怀峰

    Abstract: 本发明涉及一种基于神经网络的常用飞行器表面材质识别方法,包括如下步骤:步骤1:采集多种常用飞行器表面材料的大量漫反射红外光谱;步骤2:对采集的光谱进行预处理;步骤3:按照传统材质检测法对材质进行检测,并对相应材质红外光谱进行标定,建立红外光谱数据与材质匹配模型;步骤4:对数据库红外光谱进行分类;步骤5:将光谱数据进行格式转换,利用神经网络对数据库进行深度学习和训练,建立其神经网络模型;所述神经网络分为输入层和竞争层,网络竞争层的各神经元通过竞争来获取对输入模式的响应机会,最后只有一个神经元成为胜利者;该方法无需样品制备即可外场对样品进行分析,识别的准确率平均达到85%以上。

Patent Agency Ranking