一种基于冗余管理的惯性系统的异常处理方法

    公开(公告)号:CN114166213B

    公开(公告)日:2024-02-20

    申请号:CN202111277546.8

    申请日:2021-10-29

    Abstract: 本发明涉及一种基于冗余管理的惯性系统的异常处理方法,包括:判断八表捷联惯组加速度计输出是否异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断八表捷联惯组陀螺输出是否异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断惯性平台加速度计输出是否为异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断惯性平台姿态输出是否为异常数据;否,则惯性系统的输出正常;是,则生成异常类型标志,并根据异常类型进行异常数据替换。本发明避免了导航数据的跳变和波动,改善惯性器件输出异常条件下的飞行控制品质。

    一种大数据处理系统的数据预处理守护方法

    公开(公告)号:CN114327999A

    公开(公告)日:2022-04-12

    申请号:CN202111676194.3

    申请日:2021-12-31

    Abstract: 本发明涉及一种大数据处理系统的数据预处理守护方法,属于大数据处理技术领域,解决了现有大数据预处理方法造成的后续数据处理精度低、效率低以及界面无法展示全部数据点的问题。方法包括:对数据进行过滤、时间对齐处理,得到过滤对齐后的数据;对过滤对齐后的数据进行分级采样,形成多级采样数据;对采样失败的数据,重新进行采样,获取多级采样数据;对所述多级采样数据进行压缩,获得压缩后的多级采样数据;创建数据导入进程,将压缩后的多级采样数据批量导入数据库中。本发明的数据预处理方法能够保证数据的完整性,提高后续大数据处理的处理精度和效率,同时能够不失真的显示多级采样数据,能够广泛应用于大数据处理领域。

    一种基于冗余管理的惯性系统的异常处理方法

    公开(公告)号:CN114166213A

    公开(公告)日:2022-03-11

    申请号:CN202111277546.8

    申请日:2021-10-29

    Abstract: 本发明涉及一种基于冗余管理的惯性系统的异常处理方法,包括:判断八表捷联惯组加速度计输出是否异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断八表捷联惯组陀螺输出是否异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断惯性平台加速度计输出是否为异常;否,则进入下一步判断;是,则生成异常类型标志,并根据异常类型进行异常数据替换;判断惯性平台姿态输出是否为异常数据;否,则惯性系统的输出正常;是,则生成异常类型标志,并根据异常类型进行异常数据替换。本发明避免了导航数据的跳变和波动,改善惯性器件输出异常条件下的飞行控制品质。

    无线供电系统和飞行器
    36.
    发明公开

    公开(公告)号:CN111049243A

    公开(公告)日:2020-04-21

    申请号:CN202010008190.7

    申请日:2020-01-06

    Abstract: 本公开实施例提供了一种无线供电系统和飞行器。其中,该无线供电系统用于向用电设备无线供电;该系统可以包括:充电监测设备、电磁耦合机构和三元锂电池单元;该电磁耦合机构包括原边线圈;该三元锂电池单元包括副边线圈。其中,充电监测设备用于为所述电磁耦合机构供电。原边线圈用于在靠近所述副边线圈时,通过电磁耦合对所述三元锂电池单元进行充电。三元锂电池单元用于向所述用电设备无线供电。本公开实施例通过该技术方案解决了如何避免在使用过程中进行反复离线充电的技术问题,避免了在使用过程中进行反复离线充电的缺陷,可以循环反复充电,工作时间长,而且在使用过程中无需离线充电。

    基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统

    公开(公告)号:CN119247759A

    公开(公告)日:2025-01-03

    申请号:CN202410423822.4

    申请日:2024-04-10

    Abstract: 本发明属于自动测试技术领域,具体涉及一种基于图模型与深度强化学习的控制系统的测试任务调度方法及其系统。对测试任务需求进行分析,再构建Single‑rate DAG任务调度模型;依据Single‑rate DAG任务调度模型,生成有向图作为GNN的输入;基于有向图和GNN建立关于边的热图;依据热图生成任务调度排序,根据任务调度排序规划调度方案;计算损失函数,并依据损失函数更新图神经网络;重复建热图至计算损失函数,直至可规划出符合预期目标的高质量解或在规划出的测试方案makespan的均值和最小值的差值小于一定阈值,迭代结束;步骤7:输出优化后的解。本发明用以解决缺乏对高相关性的测试任务调度过程的规划结果往往随机性较大,难以适用于实际需求的问题。

Patent Agency Ranking