-
公开(公告)号：CN117872731A
公开(公告)日：2024-04-12
申请号：CN202311623119.X
申请日：2023-11-30
Applicant: 北京航天自动控制研究所
IPC: G05B13/04
Abstract: 本申请提供一种飞行器减载制导方法、设备、存储介质，该方法包括：在飞行器飞行状态的坐标系下，建立飞行器减载制导律的训练环境；获取训练环境赋予的当前时刻的状态量；根据当前时刻的状态量和强化学习神经网络模型，采样得到当前时刻的动作输出量；根据当前时刻的动作输出量，确定训练环境赋予的奖励值和下一时刻的状态量；基于当前时刻的状态量，当前时刻的动作输出量，奖励值和下一时刻的状态量，形成训练样本；根据训练样本，对强化学习神经网络模型进行训练，得到飞行器上升段的减载制导律。本申请提供的方法可以解决飞行器上升段在未知风场下的减载制导问题。
-
公开(公告)号：CN114167748B
公开(公告)日：2024-04-09
申请号：CN202111247331.1
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05B17/02
Abstract: 本发明公开了一种飞行控制算法一体化训练平台，属于机器学习技术领域，能够保证飞行控制算法训练，以及验证设计的通用性和易用性，进而提高了飞行控制算法一体化训练和验证设计的效率。平台包括：控制器、机器学习框架模块和可视化飞行仿真环境；其中：所述可视化飞行仿真环境包括动力学模型、视景仿真模型和调用接口；所述可视化飞行仿真环境通过所述调用接口与所述机器学习框架模块相连接；所述机器学习框架模块用于实现所述控制器和所述可视化飞行仿真环境之间的数据交互；所述视景仿真模型用于展示飞行控制算法的一体化训练过程中的飞行状态信息；所述动力学模型与所述视景仿真模型之间建立通讯连接。
-
公开(公告)号：CN111221345B
公开(公告)日：2023-04-14
申请号：CN202010076008.1
申请日：2020-01-23
Applicant: 北京航天自动控制研究所
Abstract: 本发明涉及一种基于决策树的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、转速、姿态角、角速度等)进行数据融合生成，并生成决策树，采用训练好的决策树对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，生成决策树，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出发动机故障。
-
公开(公告)号：CN115936067A
公开(公告)日：2023-04-07
申请号：CN202211539305.0
申请日：2022-12-01
Applicant: 北京航天自动控制研究所
Inventor： 谢宇嘉 , 王晓峰 , 李悦 , 周辉 , 赵雄波 , 张辉 , 吴松龄 , 李晓敏 , 杨钧宇 , 路坤峰 , 张隽 , 丛龙剑 , 盖一帆 , 李山山 , 吴敏 , 林玉野 , 靳蕊溪
IPC: G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本公开涉及一种具有ECA通道注意力机制的神经网络，所述神经网络包括ECA通道注意力装置，所述ECA通道注意力装置包括：第一层级量化单元，对所述所输入数据进行层级量化，将浮点数输入数据转化为定点数输入数据；在所述第一层级量化模块中，整个输入张量共用一个量化步长和量化零点；通道级量化单元，对所述激活层的输出进行层级量化，所述通道级量化模块对每一个通道都单独计算一个量化步长和量化零点；通道乘法加权模块，所述第一层级量化输出数据与所述通道级量化输出数据进行通道加权乘法计算。本公开通过将一维卷积层级的结果进行无损精度输出，将激活层模块沿通道方向进行量化，其他数据使用层级量化操作的方案解决模型精度下降的问题。
-
公开(公告)号：CN115935888A
公开(公告)日：2023-04-07
申请号：CN202211552350.X
申请日：2022-12-05
Applicant: 北京航天自动控制研究所
Inventor： 周辉 , 王晓峰 , 谢宇嘉 , 李悦 , 赵雄波 , 吴松龄 , 盖一帆 , 路坤峰 , 李晓敏 , 张隽 , 弭寒光 , 董文杰 , 靳蕊溪 , 吴敏 , 赵冠杰 , 阳徽 , 费亚男 , 李洋 , 赵伟
IPC: G06F30/392 , G06N3/0464 , G06N3/063
Abstract: 本公开属于专用算法硬件电路设计技术领域，具体而言涉及一种神经网络加速系统包括：信息配置模块；和池化加速单元包括：控制模块，控制模块根据信息配置模块的参数信息得到张量块的信息以及地址信息；输入张量缓存模块，与控制模块相连，根据由控制模块得到的输入张量块地址信息缓存从外部存储模块的输入张量块；过程张量缓存模块，与控制模块相连，根据由控制模块得到的输出张量块地址信息缓存沿宽度方向池化的输出张量块，并提供沿高度方向池化的输入数据；池化器阵列模块，分别与输入张量缓存模块和过程张量缓存模块相连，进行宽度方向的池化和高度方向的池化，并沿通道方向进行并行计算，以缩短池化耗时。
-
Patent Agency Ranking
公开(公告)号：CN115906972A
公开(公告)日：2023-04-04
申请号：CN202211551893.X
申请日：2022-12-05
Applicant: 北京航天自动控制研究所
Inventor： 周辉 , 谢宇嘉 , 王晓峰 , 李悦 , 赵雄波 , 吴松龄 , 盖一帆 , 路坤峰 , 李晓敏 , 张隽 , 弭寒光 , 董文杰 , 靳蕊溪 , 吴敏 , 赵冠杰 , 阳徽 , 费亚男 , 李洋 , 赵伟
IPC: G06N3/063 , G06N3/0464
Abstract: 本公开属于神经网络技术领域，具体而言涉及一种神经网络池化层加速方法，包括：获取配置参数信息；根据所述配置参数信息得到张量块的信息数据；所述张量块包括输入张量块和输出张量块，所述信息数据包括张量块的缓存地址；基于所述缓存地址获取输入数据；根据所述配置参数信息对所述输入数据进行宽度方向的池化，并将过程数据缓存；基于所述过程数据进行高度方向的池化；重复池化步骤，直至遍历所有输入张量块。以缩短池化运算的耗时。
-
公开(公告)号：CN112781712A
公开(公告)日：2021-05-11
申请号：CN202011555354.4
申请日：2020-12-24
Applicant: 北京航天自动控制研究所
IPC: G01H9/00
Abstract: 本发明涉及一种基于自回归模型与光纤感知的弹性频率在线辨识方法，包括步骤如下：(1)将带有光栅的光纤传感器粘贴在火箭箭体表面，光纤传感器的光纤末端连接光纤解调仪；(2)控制光纤解调仪发出光信号，通过分析反射光的数据得到反射光的波长；(3)当箭体飞行过程中产生弹性振动时，使用光纤解调仪对箭体上光纤传感器发送的光栅波长变化数据进行采集；(4)根据波长数据和光栅固有特性，计算出应变数据，利用自回归模型对应变数据进行功率谱分析，辨识出箭体各阶弹性模态频率及对应的阻尼比。
-
公开(公告)号：CN111597702A
公开(公告)日：2020-08-28
申请号：CN202010390797.6
申请日：2020-05-11
Applicant: 北京航天自动控制研究所
IPC: G06F30/20 , B64G1/24 , B64G1/62 , G06F119/14
Abstract: 一种火箭着陆轨迹规划方法及装置，包括：根据火箭发动机推力调节能力，计算着陆段采用最大推力和最小推力两种状态完成着陆的最大纵向速度-高度剖面和最小纵向速度-高度剖面；计算不同高度下所述最大纵向速度-高度剖面和最小纵向速度-高度剖面对应的速度平均值，进而得到可行域最大的纵向速度-高度标准剖面；根据实际飞行高度变化趋势以及所述纵向速度-高度标准剖面，最小化飞行过程期望纵向速度与实际纵向速度的偏差，构建可行域最大化的优化目标函数；根据所述优化目标函数规划火箭着陆轨迹。采用本申请中的方案，提升了在线规划的着陆轨迹对偏差的适应能力，有利于火箭安全着陆。
-
公开(公告)号：CN111221345A
公开(公告)日：2020-06-02
申请号：CN202010076008.1
申请日：2020-01-23
Applicant: 北京航天自动控制研究所
Abstract: 本发明涉及一种基于决策树的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、转速、姿态角、角速度等)进行数据融合生成，并生成决策树，采用训练好的决策树对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，生成决策树，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出发动机故障。
-
公开(公告)号：CN111176263A
公开(公告)日：2020-05-19
申请号：CN202010076043.3
申请日：2020-01-23
Applicant: 北京航天自动控制研究所
IPC: G05B23/02
Abstract: 本发明涉及一种基于BP神经网络的飞行器推力故障在线辨识方法，针对控制系统飞行运动信息进行数据融合生成，并训练BP神经网络，采用训练好的BP神经网络对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，对BP神经网络进行训练，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出哪台发动机故障，以及故障程度。本发明所需计算资源小，可嵌入现有飞行控制计算机，进行飞行过程中的故障实时辨识。发挥控制系统作用，掌握新的核心技术，解决非致命动力故障导致的飞行失利问题。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.028 seconds)
