-
公开(公告)号：CN115326052B
公开(公告)日：2025-03-18
申请号：CN202210930152.6
申请日：2022-08-04
Applicant: 西安爱生无人机技术有限公司 , 西安交通大学
IPC: G01C21/00 , H04N23/54 , H04N23/57 , H04N23/695
Abstract: 本发明涉及多无人机协同导航技术领域，具体地说，涉及基于多源融合定位技术的多无人机协同导航装置与方法。所述装置包括无人机机架，角度调控单元控制角度调节电机启动，角度调节电机带动转轴转动，带动摄像头进行角度调节，以对参考物不同位置进行监控拍摄，摄像头角度调整，使得摄像头能够拍摄到相邻无人机的支架，表示此时各个无人机处于同一水平线上，悬停控制单元控制无人机机桨处于悬停，使得各个无人机处于同一平面悬停，以对参考物同一水平面的不同参考点进行监控拍摄，从而能够增加参考物参考准确度，使得后期经过该路线人员能够从不同角度识别出参考物，防止因角度不同，导致经过该路线人员无法识别参考物。
-
公开(公告)号：CN111553118B
公开(公告)日：2023-10-27
申请号：CN202010340933.0
申请日：2020-04-26
Applicant: 西安交通大学
IPC: G06F30/27 , G06F18/2415 , G06N3/092 , G06F111/06
Abstract: 本发明公开了一种基于强化学习的多维连续型优化变量全局优化方法，该方法包括：强化学习环境的建立；利用强化学习方法在指定优化变量集中选择指定个数的优化变量，然后再对其取值利用连续型优化变量优化算法进行优化的顺序优化策略；优化总体流程以及约束的引入方法。该方法针对多维连续型优化变量全局优化问题，实现了智能优化的目的，并且可以突破传统全局优化方法对优化变量个数的限制，使人工智能技术在优化方面的广泛应用成为了可能。可以应用于具有极大规模设计变量的工业设计、制造加工、控制优化、投资决策、系统工程等场合；并且得益于深度强化学习强大的智能组合优化能力，对于变量间存在复杂耦合关系的系统也有很好的全局优化效果。
-
公开(公告)号：CN116305574A
公开(公告)日：2023-06-23
申请号：CN202310275615.4
申请日：2023-03-21
Applicant: 西安交通大学
IPC: G06F30/15 , G06F30/27 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 一种基于神经网络模型的试验设计方法，包括以下步骤；初始试验设计选择试验工况点，构建包含所有初始试验样本点处飞行工况参数和升阻力系数的试验数据集；构建神经网络气动模型，并使用所述试验数据进行训练；判断训练完成的神经网络气动模型预测精度是否满足要求；若预测精度不满足要求，则基于训练完成的神经网络气动模型构造信息矩阵；使用最优试验设计方法选择新增试验工况点，将新增试验点数据纳入试验数据集中；重复步骤，直至预测精度满足要求，则停止加点，当前神经网络模型作为预测模型预测所有飞行工况下的升阻力系数。本发明基于神经网络模型进行序贯采样，逐步增加样本量以提高神经网络建模精度。提高了试验效率，节约建模成本。
-
公开(公告)号：CN111553118A
公开(公告)日：2020-08-18
申请号：CN202010340933.0
申请日：2020-04-26
Applicant: 西安交通大学
IPC: G06F30/27 , G06K9/62 , G06F111/06
Abstract: 本发明公开了一种基于强化学习的多维连续型优化变量全局优化方法，该方法包括：强化学习环境的建立；利用强化学习方法在指定优化变量集中选择指定个数的优化变量，然后再对其取值利用连续型优化变量优化算法进行优化的顺序优化策略；优化总体流程以及约束的引入方法。该方法针对多维连续型优化变量全局优化问题，实现了智能优化的目的，并且可以突破传统全局优化方法对优化变量个数的限制，使人工智能技术在优化方面的广泛应用成为了可能。可以应用于具有极大规模设计变量的工业设计、制造加工、控制优化、投资决策、系统工程等场合；并且得益于深度强化学习强大的智能组合优化能力，对于变量间存在复杂耦合关系的系统也有很好的全局优化效果。
-
公开(公告)号：CN108763718B
公开(公告)日：2020-08-14
申请号：CN201810499129.X
申请日：2018-05-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种绕流物体和工况改变时流场特征量的快速预测方法，该方法包括：生成深度学习网络输入数据，该生成方法适用于任何二维或三维几何模型；基于该输入数据及流场初始条件和工况条件，构建用于流场预测的深度学习网络结构；对该深度学习网络进行训练，以得到流场预测模型；该方法实现了深度学习对任意的复杂几何物体进行流场预测的要求，并且可以同时考虑到不同工况条件的影响，使深度学习在流场方面的广泛应用成为了可能；并且可以应用于流固耦合系统降阶模型的建立等场合中。
-
Patent Agency Ranking
公开(公告)号：CN108763718A
公开(公告)日：2018-11-06
申请号：CN201810499129.X
申请日：2018-05-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种绕流物体和工况改变时流场特征量的快速预测方法，该方法包括：生成深度学习网络输入数据，该生成方法适用于任何二维或三维几何模型；基于该输入数据及流场初始条件和工况条件，构建用于流场预测的深度学习网络结构；对该深度学习网络进行训练，以得到流场预测模型；该方法实现了深度学习对任意的复杂几何物体进行流场预测的要求，并且可以同时考虑到不同工况条件的影响，使深度学习在流场方面的广泛应用成为了可能；并且可以应用于流固耦合系统降阶模型的建立等场合中。
-
公开(公告)号：CN105445616A
公开(公告)日：2016-03-30
申请号：CN201510784092.1
申请日：2015-11-16
Applicant: 西安交通大学
Inventor： 陈刚
IPC: G01R31/08
CPC classification number: G01R31/085
Abstract: 一种基于受控零序电流的小电流接地选线系统及方法，系统包括位于非直接接地的三相交流输配电系统的各个出线线路上的电流互感器，以及一个与所述三相交流输配电系统的非直接接地系统的中性点连接的脉冲零序电流生成电路，非直接接地系统中性点通过消弧线圈接地，脉冲零序电流生成电路与所述消弧线圈并联，通过控制生成脉冲零序电流，采集各个出线线路上零序电流的波形，出现明显变化的波形所对应的出线线路即为接地出线，当所有的出线线路均未判断为接地，而又出现中性点电压上升，即单相接地特征时，判定接地在进线、母线范围；本发明可实现准确有效判定接地线路。
-
公开(公告)号：CN102571518B
公开(公告)日：2015-01-21
申请号：CN201110444921.3
申请日：2011-12-19
Applicant: 西安交通大学
Abstract: 本发明公开一种基于现场总线的电子式互感器数据传输方法，包括：基于CAN总线的主从单元连接方法、传输数据编码方法、主从单元数据采样同步方法、时间触发机制的数据传输方法。本发明采用基于反馈自适应量化算法和差分脉冲编码算法实现的数据无损编码。以供电间隔划分的一主多从系统连接方法，在较低的传输速率下保证了三相系统电压、电流交流信号实时采样点数据传输和共享，间隔数量与传输速率无关。各从单元精确跟踪主站数据帧起始时刻，以此实现系统内各单元的同步，在无需硬件同步线情况下，保证了系统级交流信号采样的同步和相位关系。
-
公开(公告)号：CN102435994A
公开(公告)日：2012-05-02
申请号：CN201110389473.1
申请日：2011-11-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种激光主动探测装置，脉冲激光器发射高频率脉冲激光经光学透镜组输出为一组平行光，该平行光照射目标反射光经接收透镜聚焦后照射到APD整列上，APD整列输出的电流信号经信号转换与放大模块转化为电压信号并放大，输入给时间间隔测量模块，时间间隔测量模块输出目标的距离信息给信号处理计算机。本发明使用这种探测器可以实现无扫描激光探测，从而大大减小系统的体积和功耗，简化系统结构。
-
公开(公告)号：CN116484495A
公开(公告)日：2023-07-25
申请号：CN202310274799.2
申请日：2023-03-21
Applicant: 西安交通大学
IPC: G06F30/15 , G06F30/27 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于试验设计的气动数据融合建模方法，包括以下步骤；步骤一：确定气动模型的形式与参数；步骤二：使用数值模拟数据训练神经网络模型；步骤三：最优试验设计方法选择风洞试验点；步骤四：使用风洞试验数据再训练神经网络模型，优化部分模型参数，提高模型整体精度。本发明能够有效降低气动融合建模对风洞数据的需求量，提高建模效率，节约风洞试验成本。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.028 seconds)
