-
公开(公告)号：CN114563016B
公开(公告)日：2023-09-29
申请号：CN202111669593.7
申请日：2021-12-31
Applicant: 北京航天自动控制研究所
Abstract: 一种基于格兰杰因果分析的冗余惯组故障检测方法，(1)获取惯组标称值数据及多冗余惯组实测值数据；(2)利用惯组标称值构建TVAR模型，并进行模型参数辨识与模型重构；(3)针对多冗余惯组中的每一个惯组均执行如下处理：(a)针对当前惯组的测量值构建TVAR模型，并进行模型参数辨识与模型重构；(b)以惯组标称值为输出，当前惯组的测量值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(c)以当前惯组的测量值为输出，惯组标称值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(d)计算交互格兰杰因果指数以及每个惯组与惯组标称值之间交互格兰杰因果指数的误差；(4)设定评估原则，评估各个惯组是否出现故障。
-
公开(公告)号：CN115859580A
公开(公告)日：2023-03-28
申请号：CN202211450819.9
申请日：2022-11-18
Applicant: 北京航天自动控制研究所
Abstract: 一种基于多小波动态建模与脉冲神经网络的飞行器决策识别方法，获取多源传感数据、飞行轨道数据与对应的决策指令数据；进行预处理，提高多源传感数据的一致性；利用外生输入的时变自回归理论，构建面向飞行器轨道预测的多源数据时变动力学模型；针对多源数据时变动力学模型参数进行多小波基函数展开，获得多小波时变动力学模型；得到具有稀疏多小波时变优化模型；设计模型参数估计与辨识方法，并基于辨识参数进行模型重构；从辨识出的模型参数中提取其中的时域和频域信息并将其作为后续智能决策模型的输入；构建控制指令生成与智能决策模型，其输入为飞行状态的关键作用信息，输出为决策指令数据，训练后得到控制指令生成与智能决策模型。
-
Patent Agency Ranking
公开(公告)号：CN114563016A
公开(公告)日：2022-05-31
申请号：CN202111669593.7
申请日：2021-12-31
Applicant: 北京航天自动控制研究所
Abstract: 一种基于格兰杰因果分析的冗余惯组故障检测方法，(1)获取惯组标称值数据及多冗余惯组实测值数据；(2)利用惯组标称值构建TVAR模型，并进行模型参数辨识与模型重构；(3)针对多冗余惯组中的每一个惯组均执行如下处理：(a)针对当前惯组的测量值构建TVAR模型，并进行模型参数辨识与模型重构；(b)以惯组标称值为输出，当前惯组的测量值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(c)以当前惯组的测量值为输出，惯组标称值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(d)计算交互格兰杰因果指数以及每个惯组与惯组标称值之间交互格兰杰因果指数的误差；(4)设定评估原则，评估各个惯组是否出现故障。
-
公开(公告)号：CN111783942A
公开(公告)日：2020-10-16
申请号：CN202010514718.8
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
Abstract: 本发明涉及一种基于卷积循环神经网络的脑认知过程模拟方法，(1)被试人员按照预设的实验范式流程进行试验，并同步采集被试人员的多通道脑电信号数据；(2)对采集后得到的原始脑电信号进行有效成分提取；(3)确定相关刺激下脑电高效特征；(4)构建双通道检测模型，并获取所述相关刺激下提取的融合特征图；(5)构建区域推荐网络与回归网络；(6)将上述构建的双通道检测模型以及区域推荐网络与回归网络作为脑认知模型，将步骤(1)中所述的相关刺激以及步骤(3)确定的脑电高效特征组成训练数据集，对脑认知模型进行训练，逼近相关刺激信号到脑电信号的认知联系，从而模拟人体对相关刺激的处理能力。
-
公开(公告)号：CN111772629A
公开(公告)日：2020-10-16
申请号：CN202010513742.X
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
IPC: A61B5/0476 , A61B5/0484 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40
Abstract: 本发明涉及一种脑认知技能移植的方法，(1)设计脑电信号采集实验范式与一定相关刺激模式；(2)同步采集多通道脑电信号数据，并对采集后的原始脑电信号进行有效成分提取；(3)确定N个被试人员在相关刺激下的脑电高效特征；(4)构建N个基于卷积循环神经网络的脑认知子模型，并完成模型训练；(5)构建N个脑电信号分类子模型，并完成模型训练；(6)获得N个脑认知分类器；(7)验证N个脑认知分类器的准确度，如果满足要求，则送入后续步骤；否则，返回步骤(4)；(8)构建融合模型并进行测试，得到融合模型的性能属性值；(9)对所述的性能属性值进行判决，若符合要求，则实现脑认知技能移植；否则，返回步骤(8)重新执行，直至符合要求。
-
公开(公告)号：CN119917836A
公开(公告)日：2025-05-02
申请号：CN202411971385.6
申请日：2024-12-30
Applicant: 北京航天自动控制研究所
IPC: G06F18/213 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/044 , G06F18/24
Abstract: 一种基于生成对抗技术的脑电编码方法，(1)结合视觉刺激场景需求设计脑电信号采集实验范式，并按照实验范式流程，利用脑电信号采集设备完成被试脑电信号的采集，获取视觉刺激图像对应的原始脑电信号数据；(2)设计基于紧凑时空卷积神经网络的脑电特征提取模型，从原始脑电信号数据中提取脑电信号中与视觉刺激图像相关的脑电特征数据；(3)基于视觉刺激图像与脑电特征数据，构建基于深度残差‑循环回归网络的脑电映射模型，模拟脑视觉作用下脑电特征数据对视觉刺激图像的表征关联；(4)将生成对抗机制引入所述脑电映射模型，构建条件深度生成网络结构，并利用视觉刺激图像、提取的脑电特征数据进行训练，最终得到基于视觉‑脑电特征的脑电编码模型，所述脑电编码模型用于对输入的视觉刺激图像进行脑电编码。
-
公开(公告)号：CN113591575A
公开(公告)日：2021-11-02
申请号：CN202110728167.X
申请日：2021-06-29
Applicant: 北京航天自动控制研究所
Abstract: 针对飞机(或轮船)相互遮挡、由于背景环境复杂、拍摄距离过远等造成的飞机(或轮船)的尺寸较小、难以从背景中识别出目标等问题，提出了一个改进的YOLO v3网络架构。该网络在YOLO v3的Darknet‑53特征提取网络中增加了空洞卷积层；同时引入通道域注意力机制；通过线性衰减置信度的方式，对非极大值抑制NMS算法进行优化等，大大提高了模型对小目标检测的准确性，提升了模型对遮挡目标和复杂环境下的目标的检测能力。
-
-
-
-
-
-
Search Results
17
records
(took 0.041 seconds)
