-
公开(公告)号：CN113837237B
公开(公告)日：2024-02-20
申请号：CN202111022948.3
申请日：2021-09-01
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于证据置信熵与相似性的多传感器融合目标识别方法，包括：获取目标所属的多种预设类型；各传感器确定当前目标属于各个预设类型的第一概率，获得当前目标的多个目标识别证据；各传感器计算当前目标的多个目标识别证据的相似性及不确定度，并确定不确定度权重和相似性权重；根据不确定度权重和相似性权重对第一概率进行加权，得到当前目标属于各个预设类型的第二概率；获取每个传感器对应的当前目标属于各个预设类型的第二概率之后，对N个传感器进行K次融合，第k次融合时按照预设顺序选取(k+1)个传感器，并确定当前目标所属的预设类型。对于多传感器多源信息融合的目标识别问题，本发明有效提高了目标识别的正确率。
-
公开(公告)号：CN115204286A
公开(公告)日：2022-10-18
申请号：CN202210810491.0
申请日：2022-07-11
Applicant: 西北工业大学
Abstract: 本发明涉及一种模拟环境中基于深度学习的目标战术意图在线识别方法，包括：步骤1：获取模拟环境中的实时战场信息，战场信息包括己方和对抗方的双方态势特征信息以及传感器状态信息；步骤2：对战场信息进行多种归一化处理，将多种归一化处理后的战场信息输入至训练完成的目标战术意图识别模型，得到目标战术意图的识别结果。本发明的模拟环境中基于深度学习的目标战术意图在线识别方法，针对难以根据现有态势信息从任务层面对目标意图进行识别的问题，提出目标战术行为意图识别这一概念，基于空战对抗角度去识别目标战术行为，其结果更具实际意义，相比于传统任务意图，战术意图特征更为明显，其识别结果更具可靠性和实用性。
-
公开(公告)号：CN115145295A
公开(公告)日：2022-10-04
申请号：CN202210824286.X
申请日：2022-07-13
Applicant: 西北工业大学
Abstract: 本发明提供了一种动态环境下无人机在线自主航迹优化控制方法，通过在传统方法基础上，考虑无人机多种约束条件，构建无人机非线性最优控制模型；利用滚动时域控制策略，将无人机整个自主轨迹控制区间分为多个滚动优化时间窗口，合理优化每一段轨迹；其间以无人机到达目标区域的飞行时间和受到威胁概率建立目标函数，通过自适应Radau伪谱法连续在线计算，实现无人机在线轨迹的实时控制优化。本发明能够在包含复杂地形障碍、动态威胁源、时敏目标等因素的不确定复杂战场环境下遂行对地突防作战任务，对无人机突防航迹控制的时效性、精确性以及自主化程度有极大提升；同时保证突防任务中无人机较低的飞行成本以及较高的生存概率与任务完成概率。
-
公开(公告)号：CN114399161A
公开(公告)日：2022-04-26
申请号：CN202111517926.4
申请日：2021-12-13
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于离散映射差分进化算法的多无人机协同任务分配方法，包括：S1：对多无人机和多目标进行参数初始化；S2：进行多机航程代价估算，获得每个无人机与每个目标之间的真实航程代价值；S3：将初代种群中的个体代入目标函数中，记录初代种群中适应度最优的个体；S4：对初代种群中的个体依次进行差分变异操作、反映射操作和选择评优操作，利用变异后适应度更好的个体代替原始个体，以完成一次进化；S5：利用新的种群重复步骤S4，判断是否到达最大迭代次数，若满足，则结束迭代，输出最后一代种群中的最优个体作为最终任务分配结构；否则，返回步骤S4。本发明能够快速求解最优的无人机任务分配方案，提升无人机群对任务的完成效率。
-
公开(公告)号：CN113961014A
公开(公告)日：2022-01-21
申请号：CN202111034322.4
申请日：2021-09-03
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于规则库的多意外事件下无人机调度处理系统及方法，所述系统包括规则库模块、意外事件检测模块、冲突消解模块和调度策略模块，其中，规则库模块用于预先设定和存储各类意外事件条件下无人机的调度规则；意外事件检测模块用于在无人机任务执行过程中获取多个意外事件信息并判断意外事件的类型；冲突消解模块用于根据航路安全性代价、任务完成度代价以及当前任务使命规则对多个意外事件进行动态优先级规划，得到多个意外事件的处理排序；调度策略模块用于根据多个意外事件的处理排序生成多个意外事件的调度策略。本发明利用规则库，可针对无人机面对的绝大部分意外事件进行处理，具有高度自适应性。
-
Patent Agency Ranking
公开(公告)号：CN111888767A
公开(公告)日：2020-11-06
申请号：CN202010639747.7
申请日：2020-07-06
Applicant: 西北工业大学
IPC: A63F13/573
Abstract: 本发明提供了一种模拟环境中的导弹灰盒仿真器弹道配准方法，采集发射时刻的导弹与敌方飞机初始位置，得到N组典型设计点；将待辨识的导弹仿真系统作为灰盒仿真器，将已知的导弹模型视为白盒仿真器，采集其输出的弹道数据，对每个待辨识参数采用随机方式进行初始化，利用灰盒所生成的弹道轨迹数据，对每条染色体下的白盒仿真器的输出进行评估，并不断优化种群。本发明简单易行，不但避免了繁琐的灵敏度求解，也避免了可能出现的数值问题，而且能使辨识准确性明显增强，从而能够有效地提高参数辨识的可靠性和准确性。
-
公开(公告)号：CN116229135B
公开(公告)日：2025-02-14
申请号：CN202211557960.9
申请日：2022-12-06
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于高低层特征融合的小目标检测方法，包括：获取待进行小目标检测的目标图像；利用预设的基于多尺度融合策略的目标检测神经网络对目标图像进行小目标检测；其中，目标检测神经网络中基于一高低层特征融合模块实现对低层特征和高层特征的融合；高低层特征融合模块，用于分别对低层特征和高层特征进行预处理，以使低层特征和高层特征的维度相同；对预处理后低层特征先进行通道压缩再进行通道扩展，以保留小目标的有用信息以及过滤无用信息，得到通道压缩扩展特征；将通道压缩扩展特征与预处理后的高层特征进行相乘，并将乘积结果与预处理后的高层特征进行相加，作为高低层融合特征。本发明进一步提高了小目标检测的准确性。
-
公开(公告)号：CN115480493B
公开(公告)日：2024-04-30
申请号：CN202211116470.5
申请日：2022-09-14
Applicant: 西北工业大学
IPC: G05B17/02
Abstract: 本发明公开了空战模拟环境中隐蔽接近目标的机动控制方法，包括：获取当前我机和目标的态势参数和配置参数；根据态势参数确定相对态势参数；根据目标的态势参数和配置参数，确定目标的雷达主瓣盲区的频率范围，根据频率范围和目标的配置参数和态势参数确定径向速度范围；该范围是我机处于目标的雷达扫描盲区时的速度范围；在确定我机处于目标雷达扫描区域时，通过滑模控制方式计算过载值；过载值是我机相对于目标的雷达波束的径向速度达到目标速度值时所需的机动性能指标值；根据过载值控制我机驶入雷达扫描盲区。本发明可提高我机自身的隐蔽性和安全性。
-
公开(公告)号：CN117850450A
公开(公告)日：2024-04-09
申请号：CN202311867559.X
申请日：2023-12-29
Applicant: 西北工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明公开了一种基于强化学习的时空约束下多飞行器协同制导方法，包括：构建多飞行器相对目标的运动关系模型；基于强化学习训练得到满足视场角约束的期望攻击角度制导阶段的飞行时间，并据此计算虚拟命中点；基于多飞行器相对目标的运动关系模型制定第一阶段制导律和第二阶段制导律；将虚拟命中点作为制导切换点，并结合第一阶段制导律和第二阶段制导律生成制导指令，以控制飞行器的飞行，从而实现时空约束下多飞行器的协同制导。该方法避免了复杂环境与模型的影响以及使用计算公式对剩余飞行时间的估计，且不需要飞行器之间进行通信，减少了对飞行器的通讯带宽等弹载资源的需求，降低了飞行器成本。
-
公开(公告)号：CN117709678A
公开(公告)日：2024-03-15
申请号：CN202311867543.9
申请日：2023-12-29
Applicant: 西北工业大学
IPC: G06Q10/0631 , G06N3/006 , G06N3/092 , G06N3/045
Abstract: 本发明公开了一种基于多智能体强化学习的多机协同雷达搜索资源优化方法，包括：获取载机参数、雷达参数和目标相关信息，并且确定强化学习相关参数；建立基于目标最大期望发现距离的多机协同雷达搜索资源优化模型；基于所述多机协同雷达搜索资源优化模型，构建多智能体强化学习模型，并对所述多智能体强化学习模型进行训练；将待处理的双重观测信息输入至经训练的多智能体强化学习模型，输出连续动作值作为各机载雷达权值和对应子空域搜索资源分配系数。本发明方法能够有效解决多机协同搜索任务场景下面向集群目标的雷达搜索资源分配问题，在大规模集群目标环境下能够得到优于传统数值优化方法的数值解，具备较好的鲁棒性和收敛性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.043 seconds)
