-
公开(公告)号:CN115291526A
公开(公告)日:2022-11-04
申请号:CN202211207671.6
申请日:2022-09-30
Applicant: 北京航天自动控制研究所
IPC: G05B13/04
Abstract: 一种基于滚动时域的最优跟踪制导方法,属于飞行器制导与控制领域,解决了解决飞行器非线性最优在线弹道跟踪问题。最优跟踪制导方法包括:基于运动学模型进行轨迹跟踪,获得状态量偏差、控制矢量偏差;利用状态量偏差、控制矢量偏差,对运动学模型线性化;基于线性化后的运动学模型,在满足终端约束的情况下,求解最优控制目标函数使其最小,即获得制导指令。本发明通过小扰动线性化处理,将轨迹跟踪问题构建为一个凸二次规划问题,以轨迹跟踪误差最小为性能质保,能够实时生成最优跟踪指令,提升轨迹跟踪精度。
-
公开(公告)号:CN115268276A
公开(公告)日:2022-11-01
申请号:CN202211170921.3
申请日:2022-09-26
Applicant: 北京航天自动控制研究所
IPC: G05B13/04
Abstract: 本发明涉及一种基于梯度下降的制导参数在线修正方法及系统,该方法步骤如下:根据飞行器当前状态与目标状态,利用在线轨迹方法得到后续的飞行轨迹与当前的制导指令;确定制导指令在线修正的最优指标,最优指标为按当前的制导指令执行若干制导周期后,得到的实际轨迹与在线轨迹方法得到的后续飞行轨迹最接近;利用梯度下降法对在线轨迹规划输出的制导指令进行修正,得到修正量;利用修正量确定制导程序角指令,完成制导参数的在线修正。本发明可使飞行器在受到本体和环境不确定影响下,实时对在线规划得到的制导程序角进行修正,从而获得最佳制导程序角,实现飞行器对不确定性的适应性提升,保证落点精度。
-
公开(公告)号:CN116048782A
公开(公告)日:2023-05-02
申请号:CN202211589824.8
申请日:2022-12-10
Applicant: 北京航天自动控制研究所
Inventor: 王晓峰 , 路坤锋 , 周辉 , 谢宇嘉 , 赵雄波 , 盖一帆 , 蒋彭龙 , 李晓敏 , 李超然 , 吴松龄 , 林平 , 董文杰 , 弥寒光 , 黄鹂 , 吴敏 , 赵冠杰 , 李杰 , 李杨珺 , 王森 , 杨庆军 , 靳蕊溪 , 林玉野 , 徐天运
IPC: G06F9/50 , G06N3/063 , G06N3/0464
Abstract: 本公开属于人工智能处理器技术领域,具体而言涉及一种基于Winograd的深度学习处理器核心模组,包括:控制模块,接收外部控制单元传递的指令,并产生控制信号;d‑Buffer模块,缓存来及外部的输入特征,所述d‑Buffer模块与所述控制模块相连,所述控制模块控制d‑Buffer模块每个时钟周期的动作;和PE阵列,包括n个独立的计算单元,每个计算单元与d‑Buffer模块相连,所述计算单元计算每个输出通道的卷积,PE阵列进行n个输出通道的并行计算,所述控制模块控制PE阵列每个时钟周期的动作。本公开通过Winograd快速卷积方法解决基于FPGA的深度学习处理器的性能普遍受限于FPGA片上DSP资源数量的限制的问题,降低DSP数量对深度学习处理器性能的限制。
-
公开(公告)号:CN115878956A
公开(公告)日:2023-03-31
申请号:CN202211584551.8
申请日:2022-12-10
Applicant: 北京航天自动控制研究所
Inventor: 王晓峰 , 盖一帆 , 周辉 , 赵雄波 , 路坤锋 , 蒋彭龙 , 李晓敏 , 李超然 , 谢宇嘉 , 赵冠杰 , 林平 , 董文杰 , 吴松龄 , 弥寒光 , 黄鹂 , 吴敏 , 靳蕊溪 , 李杨珺 , 王森 , 李杰 , 杨庆军 , 林玉野
Abstract: 本公开属于专用算法硬件电路技术领域,具体而言涉及一种基于Winograd的相关算法加速器计算系统,包括:张量变换单元,包括基准图变换单元,对基准图张量块进行Winograd变换,得到第一张量块;实时图变换单元,对实时图张量块进行Winograd变换,得到第二张量块;和结果变换单元,对第一矩阵进行Winograd反变换,得到第二矩阵;逐点相乘单元,将所述第一张量块和所述第二张量块进行逐点相乘,得到第三张量块;通道累加单元,将所述第三张量块沿通道方向进行累加,得到第一矩阵;以及偏置累加单元,将所述第二矩阵与偏置矩阵逐点相加,得到过程矩阵。通过上述设置以提高计算速率和计算连续性。
-
公开(公告)号:CN114265696A
公开(公告)日:2022-04-01
申请号:CN202111632969.7
申请日:2021-12-28
Applicant: 北京航天自动控制研究所
Abstract: 本发明涉及一种针对卷积神经网络最大池化层的池化器及池化加速电路,池化器包括第一选择器、第二选择器、比较器、常数寄存器和池化寄存器;比较器的第一输入端输入池化窗口中的特征数据,第二输入端接入第一选择器的输出数据,输出端连接到第二选择器;第一选择器的第一输入端连接常数寄存器,第二输入端连接外部的池化缓存从中读取数据,第三输入端连接池化寄存器输出端;第二选择器的第一输出端作为池化最终结果输出端,第二输出端连接外部的池化缓存向其写入数据,第三输出端连接池化寄存器的输入端。本发明以尽可能小的FPGA资源消耗量,实现常见CNN中最大池化层的高效计算,进而解决将CNN部署到嵌入式设备中遇到的实时性问题和功耗问题。
-
公开(公告)号:CN111017727A
公开(公告)日:2020-04-17
申请号:CN201911204265.2
申请日:2019-11-29
Applicant: 北京航天自动控制研究所
Inventor: 张伯川 , 唐波 , 刘燕欣 , 高仕博 , 张聪 , 肖利平 , 郑智辉 , 邵学辉 , 龚任杰 , 郭宸瑞 , 李钊 , 赵玲 , 苏晓静 , 朱泽林 , 司文杰 , 杨庆军 , 聂鹏 , 刘国明
Abstract: 本发明涉及一种轮胎吊自动纠偏控制停机判断方法,通过下述方式实现:根据轮胎吊行进时的车轮与地面安全区域和危险区域的关系,确定出轮胎吊行进时角度最大偏差Δαmax及制动期间轮胎吊位置偏差最大值D制动max;根据轮胎吊行进时角度最大偏差确定图像处理延时对轮胎吊行进位置偏差影响,确定影响距离Ddelay;根据制动期间轮胎吊位置偏差最大值及影响距离,确定轮胎吊制动保护距离阈值YZ;根据轮胎吊运动轨迹的解析表达式,根据给定的位置偏差,结合两种探测器可能的角度偏差,使用K-S检测方法确定轮胎吊行进实际轨迹;根据实际轨迹确定轮胎吊行进过程中的最大偏差,根据该最大偏差与轮胎吊制动保护距离阈值的关系结合行进过程中的车速确定轮胎吊是否停机。
-
-
-
-
-