-
公开(公告)号：CN112697376A
公开(公告)日：2021-04-23
申请号：CN202011430011.5
申请日：2020-12-09
Applicant: 南京理工大学
IPC: G01M7/08
Abstract: 本发明属于水下侵彻试验领域，具体涉及一种水下侵彻试验系统。包括数字式脉冲X光机、高速摄像机、试验水箱、卡板、靶板和六根螺钉连接件，其中试验水箱两侧长边使用钢板作为防护，两侧短边使用钢化玻璃，底部采用加厚钢板，粘接于水箱的四侧底部，并在两长边钢板内侧中间位置分别焊接一块钢卡板，两侧卡板上各开三个螺钉孔用于靶板的固定，试验水箱短边一侧使用数字式脉冲X光机拍摄，另一侧使用高速摄像机拍摄。本发明利用螺钉连接件将靶板与试验水箱固定，采用数字式脉冲X光机和高速摄像机配合工作，实现了可以通过更换靶板多次进行水下侵彻试验的成像。
-
-
公开(公告)号：CN110716581A
公开(公告)日：2020-01-21
申请号：CN201910965249.9
申请日：2019-10-11
Applicant: 南京理工大学
IPC: G05D1/10
Abstract: 本发明提出了一种基于施瓦尔兹不等式的飞行器避障方法，具体步骤为：建立包含飞行器与障碍物在内的纵平面避障坐标系，确定纵平面避障坐标系下飞行器与障碍物坐标；确定飞行器与障碍物相对距离以及避障剩余飞行时间；按照飞行器执行机构的响应频率实时解算法向过载指令，飞行器执行机构根据法向过载指令工作，直至避障成功。本发明需感知的外界信息少：避障过程种飞行器只需获取障碍物相对位置坐标信息即可。
-
公开(公告)号：CN109059661A
公开(公告)日：2018-12-21
申请号：CN201810894640.X
申请日：2018-08-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种全自动弹丸攻角测试激光靶及其测试方法，包括中央处理单元、液晶显示器、电源、靶框、支架和N个激光传感器，N个激光传感器沿竖直方向等间隔固定在靶框任意一条侧边内壁上；所述中央处理单元、液晶显示器和电源均固定在靶框设有激光传感器的侧边上，所述液晶显示器和N个激光传感器通过电气接口分别与中央处理单元连接，中央处理单元和液晶显示器分别与电源连接，靶框固定在支架上。本发明可全自动测量弹丸的攻角，并实时显示弹丸的方向攻角、高低攻角和弹丸通过时的北京时间，且测量工作量小、误差小、精度高。
-
公开(公告)号：CN119717531A
公开(公告)日：2025-03-28
申请号：CN202411881758.0
申请日：2024-12-19
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种特种车辆水平系统的预定时间动态面控制方法，引入时变协调函数和一阶滤波器构建动态面误差，保证系统在任意预定时间内达到期望状态。该控制方法是针对如下问题提出的：由于现代作战对特种车辆水平系统的控制提出了更高要求，涵盖高精度、高瞄准速度以及抗强扰动能力。然而，以往特种车辆水平系统采用的控制方法皆不具备在任意时间跟踪指定信号的能力，且有的控制方法存在控制输入不连续的问题。同时少有抗强扰动能力。与现有技术相比，本发明所公开的控制方法有效地解决了特种车辆水平系统高精度、高瞄准速度、抗扰动能力和控制输入连续的问题，使得系统的控制精度得到了提升，获得了良好的跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN119476030A
公开(公告)日：2025-02-18
申请号：CN202411610067.7
申请日：2024-11-12
Applicant: 南京理工大学
IPC: G06F30/27 , G06F17/11 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/048 , G06F111/10
Abstract: 本发明为一种基于深度学习的弹丸轨迹及发射点递归预测方法。包括如下步骤：采用4阶龙格库塔算法在不同采样条件下对修正质点弹道方程进行数值仿真，获取数据；将数据整理划分为训练集和测试集；搭建正向弹丸轨迹递归预测算法模型和数据集逆向输入的弹丸发射点递归预测模型；将训练集分别输入正向弹丸轨迹预测算法模型和数据集逆向输入的弹丸发射点预测模型进行训练；进行弹丸的轨迹及发射点递归预测。本发明首次采用一个网络结构训练两个预测模型，通过调整输入数据格式，可实现对弹丸的发射点进行预测；有效提高了反导拦截以及对敌方根据地的打击能力。
-
公开(公告)号：CN119043318A
公开(公告)日：2024-11-29
申请号：CN202411066371.X
申请日：2024-08-05
Applicant: 南京理工大学
Abstract: 本发明为一种基于TD3‑PSO算法的无人机路径规划方法。包括如下步骤：(1)建立以飞行距离、飞行高度、飞行偏转角及避障能力为指标的路径模型；(2)将四个指标的评价函数加权求和，建立适应度函数，基于适应度函数采用改进粒子群算法寻找最优路径，在寻优过程中陷入局部最优解时，对最佳粒子位置进行变异操作；(3)采取双Critic网络模块构建深度强化学习网络模型，并进行离线训练；(4)采用改进粒子群算法基于适应度函数寻找最优路径。本发明提出了基于双延迟深度确定性策略梯度训练粒子群算法关键参数的框架，能够输出连续动作空间，有效解决了算法参数设置的难题，有助于在高维度问题中找到最优路径。
-
公开(公告)号：CN118964893A
公开(公告)日：2024-11-15
申请号：CN202411122120.9
申请日：2024-08-15
Applicant: 南京理工大学
Abstract: 本发明属于外弹道领域，具体涉及一种基于混沌鲸鱼优化算法的弹道风辨识方法。包括如下步骤：步骤(1)：建立有风条件下四自由度弹道方程；步骤(2)：基于极大似然准则，建立优化目标函数；步骤(3)：将混沌优化策略引入鲸鱼算法，利用混沌鲸鱼优化算法求解步骤(2)中的目标函数，得到弹道风最优解，即实现弹道风辨识。本发明从弹道学角度出发，基于极大似然准则提出了辨识弹道风的目标函数，并且将混沌优化策略引入鲸鱼算法，利用混沌鲸鱼优化算法求解目标函数，实现弹道风辨识；本发明的方法辨识精度高，成本低，更适用于火炮作战使用。
-
公开(公告)号：CN118428530A
公开(公告)日：2024-08-02
申请号：CN202410506862.5
申请日：2024-04-25
Applicant: 南京理工大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种基于数据驱动和深度学习的目标轨迹实时多步预测方法，主要步骤如下：将目标轨迹数据按时间序列进行分类构成数据集，并确定训练集、验证集和测试集；基于卷积神经网络CNN和长短期记忆神经网络LSTM搭建目标轨迹深度预测网络模型；根据捕捉到的一段连续时刻内的目标机动轨迹数据，可对其接下来的轨迹实时进行预测。本发明利用数据驱动和深度学习，结合卷积神经网络和长短期记忆神经网络二者的优点，更加有效提取轨迹数据的空间维数特征和时间序列特征，实现了对于目标轨迹的从T时刻到未来T+K时刻的预测且具有高精度多步实时更新的优点，为弹体拦截、导弹制导和目标实时态势感知等任务的完成提供了战略保障。
-
公开(公告)号：CN118295240A
公开(公告)日：2024-07-05
申请号：CN202311521069.4
申请日：2023-11-14
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明为一种无人机发射平台伺服系统的控制方法。包括如下步骤：(1)建立PMSM在矢量控制下的数学模型；(2)建立PMSM伺服系统的数学模型；(3)根据控制要求选取切换函数和趋近律，在步骤(2)得到的数学模型基础上设计等效滑模控制律；(4)基于RBF神经网络获得伺服系统数学模型中的未知参数，利用自适应算法对RBF神经网络中的网络权值进行优化，设计优化后的控制律；(5)利用RBF神经网络调节开关增益，使得系统状态在较远处有大的增益系数，在靠近滑模面时减小增益；在步骤(4)的基础上设计控制器最终的控制律。本发明提出一种基于自适应RBF神经网络滑模控制的控制方法，将其首次运用到无人机发射平台伺服系统中，提高系统稳定性和发射精度。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.022 seconds)
