-
公开(公告)号：CN110715656B
公开(公告)日：2021-07-09
申请号：CN201911058244.4
申请日：2019-11-01
Applicant: 北京航天自动控制研究所
Abstract: 一种基于降维星表的自主星图识别方法，通过建立观测星特征向量，建立星表匹配星表，将观测星o的特征向量与导航星特征向量一一进行比较，特征向量中的元素匹配成功的数量最多且大于一定的门限的导航星特征即作为成功的匹配。若匹配失败，则选取距离观测星o次近邻星为星间几何角度计算基准，重新获得观测星的特征向量，再与星表中的特征向量匹配。
-
公开(公告)号：CN106767844A
公开(公告)日：2017-05-31
申请号：CN201710008041.9
申请日：2017-01-05
Applicant: 北京航天自动控制研究所
IPC: G01C21/24
CPC classification number: G01C21/24
Abstract: 本发明公开了一种提高地球敏感器体地心矢量精度的方法，包括步骤有：步骤(1)定义B坐标系，使B坐标系方向与地球敏感器体坐标系方向相同，B坐标系的坐标原点与地心惯性系相同；步骤(2)将天文导航的位置矢量和惯性导航的位置矢量均转化到某一时刻的B坐标系下；步骤(3)将B坐标系的惯性导航位置增量与所述天文导航的位置增量做差，计算得到地心矢量偏差估计值；步骤(4)补偿地心矢量偏差估计值，得到补偿后的天文导航的位置矢量。本发明利用惯性导航信息，通过地球敏感器体地心矢量偏差的在线估计与补偿，降低了对地球敏感器体测量精度和地球模型的要求，提高了地球敏感器体的位置精度。
-
公开(公告)号：CN114200950B
公开(公告)日：2023-06-02
申请号：CN202111248696.6
申请日：2021-10-26
Applicant: 北京航天自动控制研究所
IPC: G05D1/08
Abstract: 本发明公开了飞行姿态控制方法，属于机器学习技术领域，方法包括：构建飞行姿态控制律的学习所需的探索环境；根据所述探索环境输出的姿态角、姿态角速度，以及期望姿态角指令，构建所述飞行姿态控制律的学习所需的输入信号；将从所述飞行姿态控制律得到的舵机理论输出指令输入至舵机限幅单元，获取所述舵机限幅单元的输出结果，并将所述输出结果输入至所述探索环境；构建奖励回报单元，所述奖励回报单元反馈所述探索环境的姿态角的当前时刻奖励至所述飞行姿态控制律，并通过最大化总奖励优化所述飞行姿态控制律的学习；对所述飞行姿态控制律进行学习，获取最终的飞行姿态控制律，基于所述飞行姿态控制律对飞行姿态进行控制。
-
Patent Agency Ranking
公开(公告)号：CN109343341B
公开(公告)日：2021-10-01
申请号：CN201811393548.1
申请日：2018-11-21
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Abstract: 一种基于深度强化学习的运载火箭垂直回收智能控制方法，研究实现运载火箭自主智能控制的方法。主要研究解决利用智能控制实现运载火箭垂直回收姿态控制和轨迹规划问题。对航天事业而言，无论在人工成本的节约上，还是在人工失误的减少上，航天器自主智能化无疑都是具有重大意义的。建立运载火箭垂直回收仿真模型，并建立相应的马尔科夫决策过程，包括状态空间、动作空间、状态转移方程、回报函数，使用神经网络拟合环境和智能体行为间的映射关系，并对其进行训练，使得运载火箭能够使用训练好的神经网络自主可控回收。本项目不仅能为航天飞行器轨道智能规划技术提供技术支撑，同时也能为基于深度强化学习的航天飞行器间攻防对抗提供仿真验证平台。
-
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：CN111240304A
公开(公告)日：2020-06-05
申请号：CN202010076010.9
申请日：2020-01-23
Applicant: 北京航天自动控制研究所
IPC: G05B23/02
Abstract: 本发明涉及一种用于飞行器推力故障在线辨识的机器学习样本生成方法，适用于飞行器飞行过程中典型动力系统故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、姿态角、角速度等)进行数据融合生成，并按照本发明设计方法截取相应的数据作为机器学习训练与测试样本。本发明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，通过在仿真模型中引入偏差组合循环生成数据，数据更加真实可信，有利于实际故障辨识精度的提高。本发明对故障模式进行了细化，生成了故障模式颗粒度较细的相关数据，有利于辨识精度的提高。
-
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：CN109343341A
公开(公告)日：2019-02-15
申请号：CN201811393548.1
申请日：2018-11-21
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Abstract: 一种基于深度强化学习的运载火箭垂直回收智能控制方法，研究实现运载火箭自主智能控制的方法。主要研究解决利用智能控制实现运载火箭垂直回收姿态控制和轨迹规划问题。对航天事业而言，无论在人工成本的节约上，还是在人工失误的减少上，航天器自主智能化无疑都是具有重大意义的。建立运载火箭垂直回收仿真模型，并建立相应的马尔科夫决策过程，包括状态空间、动作空间、状态转移方程、回报函数，使用神经网络拟合环境和智能体行为间的映射关系，并对其进行训练，使得运载火箭能够使用训练好的神经网络自主可控回收。本项目不仅能为航天飞行器轨道智能规划技术提供技术支撑，同时也能为基于深度强化学习的航天飞行器间攻防对抗提供仿真验证平台。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.025 seconds)
