-
公开(公告)号：CN115329594A
公开(公告)日：2022-11-11
申请号：CN202211054694.8
申请日：2022-08-31
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F17/11 , G06F17/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/14
Abstract: 一种大规模导弹集群攻防对抗仿真加速方法及系统，涉及导弹集群攻防对抗仿真技术领域，用以解决传统的线性代理模型无法在保证模拟精度的同时有效加速大规模导弹集群攻防对抗仿真过程的问题。本发明的技术要点包括：建立进攻弹与拦截弹各自的动力学与制导模型，搭建导弹集群对抗仿真模拟器，以获取高维导弹集群对抗飞行数据；采用主成分分析法对高维数据进行压缩，获得低维数据；之后建立初始线性模型对低维导弹集群对抗飞行数据进行粗略拟合，并训练神经网络来拟合初始线性模型的残差，最终得到导弹集群对抗的代理模型。本发明通过使用主成分分析法和建立代理模型提高了仿真速度，可应用于大规模导弹集群攻防对抗的仿真加速过程中。
-
公开(公告)号：CN115328203A
公开(公告)日：2022-11-11
申请号：CN202211054695.2
申请日：2022-08-31
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种基于数据驱动的大规模无人机集群编队仿真加速方法及系统，涉及数字仿真技术领域，以解决传统线性代理模型无法在保证模拟精度的同时有效加速大规模无人机集群编队仿真过程的问题。本发明通过对原始高维无人机集群状态数据进行降维以及使用深度神经网络拟合线性代理模型误差，有效减小了大规模无人机集群编队仿真建模的复杂程度和仿真计算时所需的计算资源，并保证一定的仿真精度。本发明通过建立原始大规模无人机集群编队状态的低维特征子空间的方式显著提升大规模无人机集群编队行为动态过程的仿真模拟速度，且由线性初始模型与深度神经网络组合的复合代理模型可以在加速大规模无人机集群编队行为仿真速度的同时保持较高的模拟精度。
-
公开(公告)号：CN113848984A
公开(公告)日：2021-12-28
申请号：CN202111271065.6
申请日：2021-10-29
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种无人机集群控制方法及系统，涉及无人机控制技术领域，用以解决现有技术对于无人机集群控制效果差且避障能力弱的问题。本发明的技术要点包括：实时获取无人机集群中每个无人机采集的环境信息和其他无人机信息；将经过预处理后的环境信息和其他无人机信息输入预训练的深度神经网络，获得无人机集群控制指令；判断无人机当前飞行状态，若判断结果为没有碰撞风险，则根据无人机集群控制指令对无人机进行控制；若判断结果为有碰撞风险，则根据避碰指令进行避障。本发明可以在复杂多变的环境中实现无人机的集群控制且具有很强的泛化能力，提升了无人机集群在复杂环境中执行任务的能力。本发明可扩展到大规模的无人机集群应用场景中。
-
公开(公告)号：CN112068549A
公开(公告)日：2020-12-11
申请号：CN202010789469.3
申请日：2020-08-07
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 本发明是一种基于深度强化学习的无人系统集群控制方法。本发明涉及无人系统集群控制技术领域，本发明为了解决现有无人系统集群控制方法环境适应性差的问题。本发明包括：在无人系统集群中，每个无人系统分别探测环境信息；将环境信息分为目标信息、障碍信息以及其他无人系统状态信息；对获得的信息分别进行标准化处理；将标准化处理的信息通过深度神经网络处理，得到选择动作的概率值；根据得到的概率值选择动作，观测新的环境信息并获得动作评价值；收集所有无人系统与环境交互的数据训练深度神经网络；利用训练好的深度神经网络进行无人系统集群控制。本发明用于无人系统集群控制技术领域。
-
公开(公告)号：CN116400720B
公开(公告)日：2025-05-23
申请号：CN202310468734.1
申请日：2023-04-27
Applicant: 哈尔滨工业大学
IPC: G05D1/49 , G05D1/46 , G05D1/65 , G05D1/644 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种无副翼单主桨加尾旋翼的微小型直升机姿态控制方法及系统，涉及直升机姿态控制技术领域，以解决无副翼单主桨加尾旋翼构型的微小型直升机姿态稳定控制问题。本发明的技术要点包括：获取直升机的实时姿态角信息和期望姿态角，所述实时姿态角信息包括直升机姿态角和姿态角速度；对直升机姿态角进行处理，获取直升机姿态角速度指令；根据姿态角速度指令和姿态角速度计算姿态角速度偏差，并将姿态角速度偏差输入PID控制器中，获取直升机三轴控制力矩；将直升机三轴控制力矩转化分配为主旋翼斜盘舵机和尾旋翼舵机的控制信号，实现姿态控制。本发明可实现无副翼单主桨加尾旋翼微小型直升机的灵巧姿态控制。
-
Patent Agency Ranking
公开(公告)号：CN119835769A
公开(公告)日：2025-04-15
申请号：CN202411957388.4
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: H04W72/0453 , H04W72/0457 , H04W84/06 , H04B7/185
Abstract: 本发明一种基于数据驱动的无人系统集群通信频率自适应调整方法、系统及存储介质，涉及无人系统集群领域，为解决现有方法将通信频率的选择作为默认的固定值或将通信频率的限制作为前提，不能自适应地对通信频率进行调节的问题。包括：步骤一、获取无人机集群在不同飞行速度与通信频率下飞行状态数据；步骤二、基于无人机集群中各无人机在转弯段飞行状态数据的偏差定义集群飞行状态的评价指标；步骤三、计算集群飞行指标并进行降维处理；步骤四、将不同频率与集群飞行指标进行典型函数拟合，确定二者的定量关系；步骤五、确定不同飞行速度下的通信频率与集群飞行指标之间的定量函数关系，反解函数关系得到特定要求与条件下的最佳通信频率。
-
公开(公告)号：CN119610122A
公开(公告)日：2025-03-14
申请号：CN202411968570.X
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种基于零反作用空间和强化学习的空间漂浮机械臂运动规划方法及系统，涉及机械臂运动规划领域。本发明为是为了克服现有空间漂浮机械臂运动导致的基座姿态扰动的问题而提出来的。技术要点：本发明通过将空间机械臂的运动空间设计为零反作用空间，确保机械臂的运动不会对基座产生不希望的扰动，从而提高系统的稳定性和任务执行精度。此外，本文结合了强化学习算法，将其动作空间设定为零反作用运动空间。强化学习的高效搜索和优化能力使得机械臂能够在复杂任务空间中找到最优运动策略，同时有效避免了对基座的扰动。通过多轮训练，强化学习能够不断调整策略，以适应不同的任务需求，保证机械臂在执行空间抓取、维修等任务时，既能保持高精度操作，又能确保基座稳定。实验结果表明，该方法能够显著减少基座姿态的偏移，提高了任务执行的稳定性和效率，为未来空间机械臂在轨服务任务提供了一种可行的解决方案。
-
公开(公告)号：CN119129093A
公开(公告)日：2024-12-13
申请号：CN202411117192.4
申请日：2024-08-15
Applicant: 哈尔滨工业大学
IPC: G06F30/15 , G06F30/27 , B64F5/00 , G06F111/04 , G06F119/14
Abstract: 本发明一种针对具有多变量复杂飞行器系统的均衡优化方法，涉及复杂飞行器系统技术领域，为解决现有的具有多变量复杂飞行器系统的优化过程存在各子系统相互耦合、优化过程收敛速度慢、优化计算量大的问题。包括以下步骤：步骤一、以飞行器的性能为优化目标，根据飞行器的射程和飞行器的费用确定约束条件，确定多变量复杂飞行器优化模型；步骤二、构建飞行器系统的性能函数，对飞行器系统的射程和飞行器系统的费用进行估算；步骤三、对构建的多变量复杂飞行器优化模型进行逐系统迭代优化，对决策变量进行求解；步骤四、利用优化得到的飞行器系统参数设计飞行器，以对飞行器性能进行优化。
-
公开(公告)号：CN118411088A
公开(公告)日：2024-07-30
申请号：CN202410620079.1
申请日：2024-05-20
Applicant: 哈尔滨工业大学
IPC: G06Q10/067 , G06Q10/0631
Abstract: 一种基于MBSE的月面活动任务建模方法及系统，本发明涉及系统工程技术领域。本发明为了解决月面活动复杂度高、任务建模困难的问题。本发明包括基于月面活动任务“功能—需求”二元关系，进行“任务—子任务—元任务”月面活动任务建模；进行面向推演的月面活动事件标准制定，以月面人员装备实体或实体集为行为主体、以离散的时间和空间域为索引维度、以实体的行为或状态变化为基本事件，构建表征实体集动态过程的时空事件序列模型；将月面活动任务看作系统，采用自顶向下的方法，从需求出发，建立基于MBSE的月面活动模型。本发明用于月面活动任务建模。
-
公开(公告)号：CN114970819B
公开(公告)日：2024-05-03
申请号：CN202210581312.0
申请日：2022-05-26
Applicant: 哈尔滨工业大学
IPC: G06N3/0464 , G06N3/092
Abstract: 一种基于意图推理与深度强化学习的移动目标搜索跟踪方法及系统，涉及移动目标搜索跟踪技术领域，用以解决现有技术对复杂环境中运动的移动目标跟踪效果差、目标丢失之后搜索效率低的问题。本发明的技术要点包括：建立移动目标运动意图推理模型，根据观测到的移动目标运动状态推理目标的运动意图；基于推理的移动目标运动意图预测移动目标在丢失之后可能出现的位置；采用深度强化学习方法训练移动目标丢失之后的搜索策略；使用训练好的搜索策略对丢失的目标进行快速搜索，从而实现对目标的长期跟踪。本发明在移动目标运动模型未知时可以准确地预测出目标的运动轨迹，训练的搜索策略具有更好的泛化能力与鲁棒性，从而可快速搜索到丢失的目标。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.025 seconds)
