-
公开(公告)号：CN116363531A
公开(公告)日：2023-06-30
申请号：CN202310298128.X
申请日：2023-03-24
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V20/17 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G01C21/12
Abstract: 本发明提供了一种基于KDSR‑CNN的轻量化导航标志物检测方法，包括以下步骤：S1、在巡航范围内获取无人机视角的航拍视频；S2、制备视觉导航数据集并进行数据增强；S3、构建轻量化KDSR‑CNN网络模型；S4、知识蒸馏训练轻量化网络从而提高模型精度；S5、在嵌入式平台上部署进行推理验证。本发明显著降低了模型的参数量和计算量，更易部署在嵌入式平台，同时提高了导航标志物的检测精度，从而可以有效提高视觉导航的定位精度，有效实现了飞行器的实时航空目标检测。
-
公开(公告)号：CN113051743B
公开(公告)日：2023-05-26
申请号：CN202110292960.X
申请日：2021-03-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G06F30/20 , G06F30/17 , F41G3/22 , G06F111/06
Abstract: 本发明属于制导技术领域，公开了一种基于轨迹在线规划的末制导系统，通过实时位置坐标与历史坐标对历史轨迹进行绘制；基于平面大地模型在线建立飞行器的RLV三自由度质点运动方程，得出飞行器的飞行速度、弹道倾角和航向角数据；建立飞行器与目标的相对运动关系模型；建立飞行器末段的理想移动轨迹；根据飞行器末段的理想移动轨迹得到飞行器水平面内的制导指令和纵向平面内的制导指令。本发明在RLV末端能量管理段轨迹在线规划中引入弹道预测，结合飞行器原轨迹信息对末段轨迹进行预测，并对理想飞行轨迹进行计算，能够直接获得需要进行调整的水平面内的制导指令和纵向平面内的制导指令，大大提高了制导精度，减小了误差。
-
公开(公告)号：CN116129263A
公开(公告)日：2023-05-16
申请号：CN202211725328.0
申请日：2022-12-30
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于拓扑结构相似度的集群舰船队形识别方法，包括以下步骤，步骤一，构建单阶段无锚框的舰船目标关键点检测模型，利用中心点估计任意方向集群舰船目标，获取舰船中心点的坐标位置；步骤二，利用德洛内三角网实现对集群舰船目标外围轮廓的表达，绘制集群舰船编队外围轮廓的拓扑结构；步骤三，利用待识别编队的拓扑结构信息，计算与公开的标准舰船编队的相似度，从而实现集群舰船队形识别；过程中使用拓扑结构、距离关系、分布范围、分布密度以及集群舰船目标来计算相似度。本发明能有效识别集群舰船队形。
-
公开(公告)号：CN116067232A
公开(公告)日：2023-05-05
申请号：CN202310233147.4
申请日：2023-03-13
Applicant: 中国人民解放军火箭军工程大学
IPC: F41H11/02
Abstract: 本发明提出一种基于“引领式”群驱离的无人机群诱导反制方法与系统，属于反制无人机群技术领域。针对现有技术中选定对抗目标时主观性较强会出现误判对抗目标的问题，本发明的方法针对多领航分簇结构无人机群，通过提取机群可对抗关键特征，经过分析其运动轨迹曲线的平滑度识别机群中的可对抗关键个体，针对簇首领航机和簇内跟随机设定相应对抗策略并建立诱骗信号模型，将卫星导航诱骗信号注入机群中的部分簇首无人机，利用无人机群分布式体系结构特性，在簇内交互传播与簇间牵引作用下，将诱骗信号传播至整个机群，从而实现无人机群的整体驱离，与传统方式相比，具有反制效费比高、反制效果可控的特点。
-
公开(公告)号：CN115900762A
公开(公告)日：2023-04-04
申请号：CN202211449574.8
申请日：2022-11-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G01C25/00
Abstract: 本发明公开了基于横法向速度的车载航姿系统误差自主在线补偿方法，包括步骤一：建立航姿系统的误差模型；步骤二：建立车载航姿系统误差在线估计状态空间模型；步骤三：进行航姿系统误差在线滤波估计，根据估计结果修正载车姿态矩阵步骤四：利用修正后的载车姿态矩阵计算载车的航向、姿态角；本方法研究捷联航姿系统的误差模型；根据航姿系统的速度输出构造量测，建立航姿误差在线估计的状态空间模型；采用改进滤波算法算法设计航姿误差在线估计滤波算法，利用滤波估计结果对车载航姿系统进行误差在线补偿，从而自主有效地提高车载捷联航姿系统的长航时运动定姿精度，具有抗干扰性、自主性和实用性强，以及定姿精度高的特点。
-
Patent Agency Ranking
公开(公告)号：CN115841048A
公开(公告)日：2023-03-24
申请号：CN202310101478.2
申请日：2023-02-13
Applicant: 中国人民解放军火箭军工程大学
IPC: G06F30/20
Abstract: 本发明提供了一种基于目标机理模型的多模仿真数据集制备方法，包括：步骤1，基于时敏目标模型的目标环境场景构建；步骤2，基于传感器参数的多波段成像仿真；步骤3，进行视频与图像数据集采集；步骤4，图像显著性检测的半自动数据标注。本发明的方法在分析大量多种公开的现役武器装备相关信息数据的基础上构建军事时敏目标模型库以及多种模拟背景环境，然后通过多模传感器虚拟成像仿真建模，实现可见光、夜视、中波红外和长波红外仿真功能，最后在数据采集的基础上进行半自动数据标注从而实现数据集制备。
-
公开(公告)号：CN113743565B
公开(公告)日：2022-09-30
申请号：CN202110897444.X
申请日：2021-08-05
Applicant: 中国人民解放军火箭军工程大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于群体体系结构的无人机蜂群反制方法，包括步骤Step1.蜂群状态信息获取；Step2.蜂群体系结构判别；Step3.可反制关键无人机设定；Step4.导航诱骗信号作用；Step5.反制效果确定；本发明上述方法通过分析蜂群空间分布和运动轨迹特征对蜂群体系结构分类，针对不同体系结构选定相应可反制关键无人机，利用蜂群分布式体系结构特性，通过导航诱骗部分无人机实现无人机蜂群的整体反制，以局部带动整体，有效提升分布式无人机蜂群反制效费比，具有反制效果好、反制效费比高的特点。
-
公开(公告)号：CN112947088B
公开(公告)日：2022-08-16
申请号：CN202110287254.6
申请日：2021-03-17
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于密闭空间的温湿度系统的建模和控制方法，包括以下步骤，S1：基于机理分析法与阶跃响应系统辨识法，建立密闭空间的温湿度系统模型；S2：利用前馈补偿解耦方法，设计温湿度系统的控制系统解耦器；S3：基于模糊控制和PID控制，设计温湿度系统的模糊自适应PID控制系统；S4：设置模糊控制规则MATLAB仿真和控制系统Simulink仿真。本发明提出的密闭空间温湿度系统建模和控制方法，弥补了传统的PID算法抗干扰能力的不足以及常规解耦方法效果不佳的问题，并且通过实验验证了本发明对温湿度控制器的控制精度和系统稳定性都有着比较好的效果，同时也提高了系统的抗干扰性能。
-
公开(公告)号：CN110597061B
公开(公告)日：2022-04-26
申请号：CN201910881781.2
申请日：2019-09-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种多智能体完全分布式自抗扰时变编队控制方法，该方法基于的多智能体系统由N个自治的二阶同构智能体组成，该方法借鉴自抗扰控制的思想，首先根据智能体相互作用权重和编队状态误差，基于自适应控制和误差反馈控制策略，构建自抗扰时变编队控制器和作用权重自适应更新律，采用扩张状态观测器确定扰动补偿，采用跟踪微分器生成时变编队指令，进而给出完全分布式的控制增益设计方法，最后给出多智能体完全分布式自抗扰时变编队控制方法。本发明实现了如何以完全分布式的方式对受到外部扰动影响的多智能体系统实施自抗扰时变编队控制，使系统在实现时变编队的同时具备扰动抑制的鲁棒性。
-
公开(公告)号：CN113743565A
公开(公告)日：2021-12-03
申请号：CN202110897444.X
申请日：2021-08-05
Applicant: 中国人民解放军火箭军工程大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于群体体系结构的无人机蜂群反制方法，包括步骤Step1.蜂群状态信息获取；Step2.蜂群体系结构判别；Step3.可反制关键无人机设定；Step4.导航诱骗信号作用；Step5.反制效果确定；本发明上述方法通过分析蜂群空间分布和运动轨迹特征对蜂群体系结构分类，针对不同体系结构选定相应可反制关键无人机，利用蜂群分布式体系结构特性，通过导航诱骗部分无人机实现无人机蜂群的整体反制，以局部带动整体，有效提升分布式无人机蜂群反制效费比，具有反制效果好、反制效费比高的特点。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.036 seconds)
