-
公开(公告)号：CN115879008B
公开(公告)日：2023-05-26
申请号：CN202310188273.2
申请日：2023-03-02
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F18/214 , G06F18/25
Abstract: 本申请公开了一种数据融合模型训练方法、装置、设备及存储介质，涉及气动数据融合技术领域，包括：获取包含三种来源气动数据的训练集；将训练集的输入传输至第一来源气动数据预测网络以得到第一预测结果；结合第一预测结果中第二和第三来源条件对应结果以及训练集传输至第二来源气动数据预测网络以得到第二预测结果；结合第一预测结果中第三来源条件对应结果、第二预测结果中第三来源条件对应结果以及第三来源条件传输至第三来源气动数据预测网络以得到第三预测结果，并根据三个预测结果确定损失函数以对三种来源气动数据预测网络中的当前网络参数进行训练。本申请利用深度网络可以实现对三种来源气动数据进行融合，最大限度提取数据之间的关系。
-
公开(公告)号：CN115879008A
公开(公告)日：2023-03-31
申请号：CN202310188273.2
申请日：2023-03-02
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F18/214 , G06F18/25
Abstract: 本申请公开了一种数据融合模型训练方法、装置、设备及存储介质，涉及气动数据融合技术领域，包括：获取包含三种来源气动数据的训练集；将训练集的输入传输至第一来源气动数据预测网络以得到第一预测结果；结合第一预测结果中第二和第三来源条件对应结果以及训练集传输至第二来源气动数据预测网络以得到第二预测结果；结合第一预测结果中第三来源条件对应结果、第二预测结果中第三来源条件对应结果以及第三来源条件传输至第三来源气动数据预测网络以得到第三预测结果，并根据三个预测结果确定损失函数以对三种来源气动数据预测网络中的当前网络参数进行训练。本申请利用深度网络可以实现对三种来源气动数据进行融合，最大限度提取数据之间的关系。
-
公开(公告)号：CN112016187B
公开(公告)日：2022-08-09
申请号：CN202010733500.1
申请日：2020-07-27
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/20 , G06F30/15 , B64G1/24 , G06F119/14 , G06F111/10 , G06F111/04 , G06F111/06
Abstract: 本发明涉及一种基于混合动力的近地小行星交会任务轨道优化方法，所述轨道优化方法包括以下内容：建立太阳光压和太阳光电混合推进动力的小行星探测器动力学模型；基于物理规划和高斯伪谱法设计了一种小行星探测轨道优化方法。本发明的优点在于：采用物理规划框架，多目标轨道优化问题可以转化为反应设计者偏好的单目标优化问题。基于高斯伪谱法的迭代优化策略，可以有效解决交会轨道优化中诸多变量的初值问题。多目标优化仿真结果表明，混合动力小行探测器能够生成不同轨道形式实现最小燃料消耗和最短飞行时间。仿真还表明混合动力探测器连续交会四个近地小行星的任务周期为五年左右，比太阳帆探测器完成同样交会任务节省一年半左右。
-
公开(公告)号：CN113313360B
公开(公告)日：2022-04-26
申请号：CN202110489830.5
申请日：2021-05-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明公开了一种基于模拟退火‑撒点混合算法的协同任务分配方法，包括以下步骤：在模拟退火算法的“判断新解是否被接受”的步骤中，若判断结果为“否”，则加入撒点算法，重新在全局搜索邻域方案，并以概率判断是否接受新的邻域方案产生的解作为新解。优选的，包括以下步骤：S1，计算目标函数值；S2，计算退火温度；S3，执行恒温迭代；S4，执行邻域搜索；S5，判断新解是否被接受；S6，执行撒点算法；S7，更新最优解；S8，输出最优任务分配方案。本发明解决了现有任务分配技术存在的易陷入局部最优、难以搜索全局最优解的问题，提高了效率。
-
公开(公告)号：CN114330115A
公开(公告)日：2022-04-12
申请号：CN202111566561.4
申请日：2021-12-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及空战机动决策技术领域，涉及一种基于粒子群搜索的神经网络空战机动决策方法，其包括以下步骤：一、建立红蓝双方空战战斗机运动学与动力学模型；二、建立空战态势优势函数，包括角度优势函数、速度优势函数、距离优势函数、高度优势函数；三、粒子群算法优化空战机动决策；四、生成空战双方轨迹与机动决策数据库；五、构建神经网络并训练；六、基于神经网络的机动决策。本发明的空战机动决策具有较佳地优越性和快速性。
-
Patent Agency Ranking
公开(公告)号：CN113777931B
公开(公告)日：2022-02-11
申请号：CN202111317075.9
申请日：2021-11-09
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05B13/04
Abstract: 本发明公开了结冰翼型气动模型构造方法、装置、设备及介质，该方法包括：从翼型数据库中选择任一翼型作为基准翼型并获取所述基准翼型的结冰翼型数据；根据结冰翼型数据生成相应翼型的非结构化网格并计算结冰翼型在预设马赫数和预设攻角条件下的气动系数；根据所述气动系数构建结冰翼型气动模型的训练集和测试集；搭建结冰翼型气动模型的网络，包括主干网络和分支网络；对搭建的网络进行网络训练，得到结冰翼型气动模型。本发明与现有的基于计算流体动力学的结冰翼型气动系数计算方法相比，所构造的结冰翼型气动模型具有更快的预测速度。本发明可以将飞行状态作为输入去预测气动系数，在测试数据集上具有更强的泛化能力。
-
公开(公告)号：CN113919194A
公开(公告)日：2022-01-11
申请号：CN202111040968.3
申请日：2021-09-07
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/23 , G06F119/10 , G06F119/14
Abstract: 本发明提供一种基于滤波误差法的非线性飞行动力学系统辨识方法，包括如下步骤：步骤S100，将飞行动力学方程转换为含有加性过程噪声和测量噪声的非线性动力学系统，待辨识的模型参数θ由系统参数、初始状态和滤波增益参数构成；步骤S200，对于给定的测量噪声协方差矩阵R，采用Gauss‑Newton法最小化负对数似然函数，获得参数θ的最大似然估计，其中状态估计采用线性化Kalman滤波器；步骤S300，估计测量噪声协方差矩阵R；步骤S400，重复执行步骤S200～S300，直至收敛，得到非线性飞行动力学系统辨识结果；步骤S500，计算非线性飞行动力学系统辨识结果的不确定度。本发明适用范围更广、实用性更强。
-
公开(公告)号：CN119760893B
公开(公告)日：2025-05-20
申请号：CN202510259277.4
申请日：2025-03-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种基于推力偏差修正的飞行器气动参数在线估计方法、设备和介质，涉及飞行器参数在线辨识技术领域。方法包括：采用扩展卡尔曼滤波器逐步迭代预测飞行器系统增广状态；采用遗忘递推最小二乘估计器估计给定时间窗口内的轴向气动力和法向气动力系数以及推力偏差比例系数，进而计算得到气动升、阻力系数和修正后的推力估计结果；对推力偏差比例系数估计结果的收敛性进行判断；若未收敛，则基于未修正的推力和升阻力气动系数开展气动导数估计；若已收敛，则将修正后的推力、修正后的升阻力气动系数带入一般递推最小二乘估计器，开展气动导数估计。本发明提出的在线估计方法能够有效提升推力测量偏差下的纵向气动导数估计精准度。
-
公开(公告)号：CN119760893A
公开(公告)日：2025-04-04
申请号：CN202510259277.4
申请日：2025-03-06
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G06F30/15 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种基于推力偏差修正的飞行器气动参数在线估计方法、设备和介质，涉及飞行器参数在线辨识技术领域。方法包括：采用扩展卡尔曼滤波器逐步迭代预测飞行器系统增广状态；采用遗忘递推最小二乘估计器估计给定时间窗口内的轴向气动力和法向气动力系数以及推力偏差比例系数，进而计算得到气动升、阻力系数和修正后的推力估计结果；对推力偏差比例系数估计结果的收敛性进行判断；若未收敛，则基于未修正的推力和升阻力气动系数开展气动导数估计；若已收敛，则将修正后的推力、修正后的升阻力气动系数带入一般递推最小二乘估计器，开展气动导数估计。本发明提出的在线估计方法能够有效提升推力测量偏差下的纵向气动导数估计精准度。
-
公开(公告)号：CN117270574B
公开(公告)日：2024-01-26
申请号：CN202311544575.5
申请日：2023-11-20
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
IPC: G05D1/46
Abstract: 本发明提供基于虚拟目标的固定翼无人机飞行编队试验方法，属于无人机飞行控制技术领域，解决了现有飞行编队试验风险高的问题；本发明中，通过设置单个或多个虚拟目标的飞行参数，建立虚拟目标运动模型，计算虚拟目标与真实无人机间距离等相关参数，来解算出真实无人机和虚拟无人机的编队状态指令和对应的控制指令，并将虚拟无人机的控制指令输入至虚拟目标的对应模型中，将真实无人机的控制指令发送至真实无人机的作动器，从而控制真实无人机在编队飞行过程中的速度、位置和姿态，实现其与(56)对比文件Moshu Qian;Zhu Wu;BinJiang.Cerebellar Model ArticulationNeural Network-Based Distributed FaultTolerant Tracking Control With ObstacleAvoidance for Fixed-Wing UAVs《.IEEETransactions on Aerospace and ElectronicSystems 》.2023,第6841-6852页.Yongran Zhi, Lei Liu , Bin Guan, BoWang, Zhongtao Cheng, HuijinFan.Distributed robust adaptive formationcontrol of fixed-wing UAVs with unknownuncertainties and disturbances《.AerospaceScience and Technology》.2022,第1-20页.
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.037 seconds)
