-
公开(公告)号：CN111930145B
公开(公告)日：2022-09-23
申请号：CN202010855016.6
申请日：2020-08-24
Applicant: 中国人民解放军火箭军工程大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于序列凸规划的高超声速飞行器再入轨迹优化方法。通过建立考虑常规路径约束的高超声速再入动力学模型；使用高度和动压对所得模型进行变量替换，得到等价的再入模型；选择新的控制量，对再入模型进行简化；对简化后的再入模型，进行凸化处理、离散化处理，使得原非凸的再入轨迹优化问题变成一个能够被解决的凸问题；使用序列凸规划算法解决该凸问题，得到最优轨迹。本发明通过使用高度、动压对模型进行变量替换，简化了模型，减少了求解中的复杂程度；将原非凸的再入轨迹优化问题转化为可以使用序列凸规划算法求解的凸问题，极大地提过了最优轨迹求解时间。仿真实验验证了本发明能够快速的求解最优轨迹。
-
公开(公告)号：CN109839822B
公开(公告)日：2022-02-01
申请号：CN201910145660.1
申请日：2019-02-27
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B11/42
Abstract: 本发明公开了一种改进自抗扰的四旋翼无人机高度控制方法，包括步骤：步骤一、基于机理建模法建立四旋翼无人机高度方向的非线性动态模型；步骤二、将非线性动态模型分解为线性项和不确定项；步骤三、利用跟踪微分器求取高度方向位置和速度期望值；步骤四、利用一阶扩张状态观测器估计系统中的扰动项；步骤五、设计基于PD算法和前馈控制的误差反馈控制律，并利用扩张状态观测器估计出的扰动项的值对系统不确定项进行补偿。本发明通过利用改进的跟踪微分器规划高度飞行策略，构造了一种加速‑匀速‑减速的飞行模式使四旋翼无人机可以以最短时间从一个高度上升(或下降)到另一高度；且飞行时的最大加速度和匀速段的速度可自主设置。
-
公开(公告)号：CN113866795A
公开(公告)日：2021-12-31
申请号：CN202111015315.X
申请日：2021-08-31
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于导航欺骗对抗的反制分布式无人机集群方法，利用生成式导航欺骗信号，接管无人机集群中的关键无人机卫星导航，触发关键无人机速度纠偏控制以改变关键无人机运动方向，并根据无人机集群分布式局部信息交互，将导航欺骗信号扩散至整个无人机集群，改变无人机集群的整体运动方向，实现对集群的定向驱离。该方法的步骤包括：S1、无人机集群来向探测预警；S2、关键无人机识别与特征提取；S3、构建导航欺骗信号模型；S4、导航欺骗信号入侵与接管；S5、导航欺骗信号分布式交互传播；S6、无人机集群速度纠偏；S7、导航欺骗对抗效果验证。本发明能够以对抗部分无人机的方式实现对分布式无人机集群的整体定向驱离，有效提升对抗效费比。
-
公开(公告)号：CN113780525A
公开(公告)日：2021-12-10
申请号：CN202111003260.0
申请日：2021-08-30
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于深度学习的装备智能辅助训练与维修决策方法及装置，方法包括：采集装备整体及局部的信息，建立用于视景显示的装备及其各零部件虚拟拆装的三维模型，制备装备及其各零部件虚拟拆装的数据集，利用深度卷积神经网络模型对数据集进行训练学习，并分别构建装备智能虚拟维修决策模式、装备智能虚拟辅助学习训练模式和装备智能虚拟自主学习训练模式，最后将基于深度学习的装备智能辅助训练与维修决策及装备进行集成和封装。为大型复杂装备的虚拟训练维修及操作人员的训练考核提供了可视化、高效化、智能化的技术手段。
-
公开(公告)号：CN113625758A
公开(公告)日：2021-11-09
申请号：CN202110963601.2
申请日：2021-08-20
Applicant: 中国人民解放军火箭军工程大学
IPC: G05D1/10
Abstract: 本发明公开了一种四旋翼无人机群位姿双环抗干扰编队控制方法，该方法该方法基于的四旋翼无人机集群由N架四旋翼无人机构成，该方法包括无人机群位置环的抗干扰编队控制和单机姿态环的姿态控制两部分，抗干扰控制基于自抗扰控制原理，采用扩张状态观测器估计并补偿外部扰动。本发明能够将位置环的控制输入转化为姿态环的期望姿态角，以姿态环控制驱动位置环编队控制的方式，实现对四旋翼无人机群的位姿双环抗干扰编队控制。
-
Patent Agency Ranking
公开(公告)号：CN113362341A
公开(公告)日：2021-09-07
申请号：CN202110647385.0
申请日：2021-06-10
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于超像素结构约束的空地红外目标跟踪数据集标注方法，S1：对需要处理的图像的前M帧进行人工标注，得到初始训练数据库，再对其红外图像进行超像素分割，通过聚类算法，实现外部类结构约束，提取图像正负样本集；S2：使用S1提取的负样本，构建基于空间位置的概率超图模型，实现样本集的内部位置结构约束；S3：使用S1提取的正样本的超像素，构建基于类的概率超图模型，实现样本集的内部类结构约束；S4：融合S2和S3两种内部约束的显著图，并对目标进行有效框选和标注；S5：通过人工标注的前M帧图像，更新训练数据集和分类器模型，对M帧以后图像进行训练和分类。解决了利用视觉跟踪算法实现对视频图像中目标的自动标注问题。
-
公开(公告)号：CN113093778A
公开(公告)日：2021-07-09
申请号：CN202110299151.1
申请日：2021-03-20
Applicant: 中国人民解放军火箭军工程大学
IPC: G05D1/08
Abstract: 本发明属于飞行器制导控制技术领域，公开了一种针对高速机动目标的高动态补偿制导控制系统，针对高速机动目标的高动态补偿制导控制系统包括：数据采集模块、数据获取模块、数据处理模块、中央控制模块、速度计算模块、修正模块、控制参数确定模块、指令生成模块、补偿制导控制模块以及显示模块。本发明通过雷达进行相应的数据与信息的获取，并对雷达的模拟回波信号进行采样、处理，通过修正模块结合基于卫星的高速机动目标的加速度信息得到高速机动目标的数据、姿态、加速度的修正系数用以补偿高动态飞行器的制导控制指令，改善了飞行器的跟踪性能，显著提高速飞行器的制导控制系统整体性能。
-
公开(公告)号：CN108681247B
公开(公告)日：2021-03-30
申请号：CN201810457167.9
申请日：2018-05-14
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种完全分布式保性能通信容错编队控制方法，包括：Step1：根据应用场景需求设定系统矩阵A和输入矩阵B的值；Step2：设定性能优化增益矩阵Q的值；Step3：编队向量f(t)设定；Step4：编队可行性判断；Step5：设定一个平移因子γ；Step6：对于给定的系统故障水平选择适当取值的标称收敛速率δ和放缩因子μ，使得系统可容错条件成立；Step7：对于给定的参数δ、μ、γ和Q，求解一个同时满足不等式FBBTF‑μF≤0和FA+ATF+δF‑γFBBTF+2Q≤0的F；Step8：将F带入K＝BTF和W＝FBBTF，求解控制增益矩阵K和权重增益矩阵W；Step9：根据Υ的表达式求解保性能成本值，实现系统的保性能编队设计；Step10：保性能容错编队效果验证。本发明通过合理设定参数，可实现保性能容错时变编队控制，系统容错率可接近100％。
-
公开(公告)号：CN111680699A
公开(公告)日：2020-09-18
申请号：CN202010341728.6
申请日：2020-04-27
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明涉及一种基于背景抑制的空地红外时敏弱小目标检测方法，特别涉及图像处理领域。包括以下步骤：S1：对每张图像进行候选目标检测；S2：根据所述候选目标描述直线，将所述直线的局部领域作为特征支持区域来构造描述子向量，再通过所述描述子向量的相似性度量来匹配直线；S3：根据匹配的所述直线得到变换矩阵，依据所述变换矩阵将首帧图像中候选目标位置和末帧图像中候选目标的位置统一到同一个坐标系；S4：连续跟踪K帧图像的运动目标并得到首帧和末帧图像相对应的候选目标集，得到位置偏移误差，根据所述位置偏移误差得到运动目标。本方案解决了如何提高动态背景下的动目标检测效果的技术问题，适用于弱小目标检测。
-
公开(公告)号：CN111652894A
公开(公告)日：2020-09-11
申请号：CN202010341673.9
申请日：2020-04-27
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明涉及一种面向飞行器的环形目标自适应检测方法，特别涉及数据处理领域。包括以下步骤：S1：获取目标图像，并根据所述目标图像得到候选区域；S2：对所述目标图像进行边缘检测得到目标边缘；S3：利用形态学滤波对所述目标边缘进行边缘增强；S4：对所述候选区域进行霍夫变换，得到候选环形目标；S5：对所述环形目标进行干扰消除，得到最优的拟合环形目标。本方案解决了如何增强环形目标的检测和跟踪效果的技术问题，适用于飞行器的环形目标检测。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.036 seconds)
