-
公开(公告)号：CN108181917B
公开(公告)日：2021-07-13
申请号：CN201810001171.4
申请日：2018-01-02
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
摘要： 本发明公开了一种航天器姿态控制系统故障可诊断性定量分析方法，包括设置航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到时间堆积方程；对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；构建航天器姿态控制系统故障的可检测性量化评价统计模型；构建航天器姿态控制系统故障的可隔离性量化评价统计模型。本发明通过构建航天器姿态控制系统故障的可检测性量化评价统计模型以及可隔离性量化评价统计模型，实现航天器姿态控制系统故障可诊断性的定量判别，给出故障检测和隔离的难易程度，提高故障可诊断性辨识能力。本发明用于分析航天器姿态控制系统的故障。
-
公开(公告)号：CN108333922B
公开(公告)日：2021-02-02
申请号：CN201711433016.1
申请日：2017-12-26
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
摘要： 本发明公开了一种基于智能优化与约束推理的单星自主任务规划方法，其采用智能优化算法与推理引擎相结合的方法求解框架，智能优化算法包括任务排序步骤、任务分解步骤和活动机会搜索步骤，任务分解步骤将排序后的任务分解成结构化或部分序的活动图，活动机会搜索步骤对成像子任务和成像方向调整子任务进行调度以获取准最优解，推理引擎基于活动图中的逻辑关系、时间和卫星资源约束针对准最优解进行冲突检查，如果存在冲突，根据冲突情况优化所述准最优解，并对优化后的准最优解进行局部搜索，以再次获得准最优解，并再次进行冲突检查，直到核验结果通过，或者达到设定的最大迭代次数。本发明以较少的计算量，产生了更好的任务规划结果。
-
公开(公告)号：CN108228535A
公开(公告)日：2018-06-29
申请号：CN201810001201.1
申请日：2018-01-02
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
IPC分类号： G06F17/15
摘要： 本发明公开了一种不等精度测量数据融合的最优加权参数估算方法，包括获取第一类观测数据与第二类观测数据，确定待估参数；得到第一类观测函数；得到第二类观测函数；构建第一类观测数据与第二类观测数据的融合优化函数；求解所述融合优化函数，计算所述第一类观测数据与第二类观测数据的最优加权值和待估参数。本发明通过估计偏差和均方误差的计算，给出了多类观测数据融合处理时最优融合权值的计算方法，同时建立了相应的参数估计算法，实现了数据融合处理时能够进一步精确地计算得到不等精度测量数据最优加权下的参数融合估算值。本发明创造用于融合不等精度的测量数据。
-
公开(公告)号：CN108181917A
公开(公告)日：2018-06-19
申请号：CN201810001171.4
申请日：2018-01-02
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
摘要： 本发明公开了一种航天器姿态控制系统故障可诊断性定量分析方法，包括设置航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到时间堆积方程；对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；构建航天器姿态控制系统故障的可检测性量化评价统计模型；构建航天器姿态控制系统故障的可隔离性量化评价统计模型。本发明通过构建航天器姿态控制系统故障的可检测性量化评价统计模型以及可隔离性量化评价统计模型，实现航天器姿态控制系统故障可诊断性的定量判别，给出故障检测和隔离的难易程度，提高故障可诊断性辨识能力。本发明用于分析航天器姿态控制系统的故障。
-
公开(公告)号：CN108108858A
公开(公告)日：2018-06-01
申请号：CN201810059484.5
申请日：2018-01-22
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
摘要： 本发明公开了一种短期电力负荷预测方法，包括建立4层网络结构的深度信念网络预测模型；对深度信念网络预测模型进行训练，得到深度信念网络预测模型每层的参数值，设置深度信念网络预测模型的激活函数，通过训练学习得到所述深度信念网络预测模型输入输出之间的映射关系；对被测电力负荷的实际用电功率进行预测，得到所述被测电力负荷的用电功率预测结果。本发明深度信念网络预测网络引入到电力负荷功率预测中，通过网络的深层结构，学习输入输出之间的内在关系，实现对未来一段时间负荷用电功率的预测。而且本发明的电力负荷预测方法很大程度上预测的精确度和预测的速度高。本发明创造用于对短期电力负荷情况进行预测。
-
公开(公告)号：CN108335012A
公开(公告)日：2018-07-27
申请号：CN201711433054.7
申请日：2017-12-26
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
IPC分类号： G06Q10/06
摘要： 本发明公开了一种智能遥感卫星层次化分布式自主协同任务规划系统，其包括多星任务协调器和星上调度器，所述多星任务协调器将待分配任务集合中的任务分配给下辖的多颗智能卫星并将任务处理成星上调度器直接识别的元任务，各智能卫星利用其星上调度器对被分配的新任务和已有任务进行统一调度，其中，所述多星任务协调器在进行任务分配之前，预先估计相关星上调度器的调度结果，并以此作为任务分配的依据。本发明成功地攻关了成像任务可调度性预测、高维空间下的多任务多资源动态调度、精细化规划与调度算法设计的关键科学问题和技术难题，使多星自主协同任务规划技术能够更好地应用于国防建设领域，并促进了分配方案的合理化和资源使用的高效化。
-
公开(公告)号：CN108333922A
公开(公告)日：2018-07-27
申请号：CN201711433016.1
申请日：2017-12-26
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
CPC分类号： G05B13/042 , G06N5/04
摘要： 本发明公开了一种基于智能优化与约束推理的单星自主任务规划方法，其采用智能优化算法与推理引擎相结合的方法求解框架，智能优化算法包括任务排序步骤、任务分解步骤和活动机会搜索步骤，任务分解步骤将排序后的任务分解成结构化或部分序的活动图，活动机会搜索步骤对成像子任务和成像方向调整子任务进行调度以获取准最优解，推理引擎基于活动图中的逻辑关系、时间和卫星资源约束针对准最优解进行冲突检查，如果存在冲突，根据冲突情况优化所述准最优解，并对优化后的准最优解进行局部搜索，以再次获得准最优解，并再次进行冲突检查，直到核验结果通过，或者达到设定的最大迭代次数。本发明以较少的计算量，产生了更好的任务规划结果。
-
公开(公告)号：CN108256671A
公开(公告)日：2018-07-06
申请号：CN201711430693.8
申请日：2017-12-26
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
摘要： 本发明公开了一种基于学习型遗传算法的多任务多资源滚动分配方法，其采用滚动时域控制原理，构建多任务多资源动态滚动分配机制，包括确定预测窗口、滚动窗口、分配子问题和滚动机制要素；通过当前预测窗口对任务信息实时更新，在预测窗口基础上确定当前滚动窗口；分配子问题是在每个规划时刻，根据当前滚动窗口构造的局部分配问题；滚动机制用于确定分配子问题求解后分配方案结束的执行位置和下一个规划时刻；通过滚动分配机制将复杂动态分配问题转化为滚动更新的静态分配问题。本发明采用滚动式动态规划把复杂的动态调度问题分解为多个简单的静态调度子问题，再对子问题的优化解进行组合，从而代替原问题的最优解，大大降低了原问题的求解难度。
-
公开(公告)号：CN108717572B
公开(公告)日：2021-10-19
申请号：CN201711430632.1
申请日：2018-05-31
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
IPC分类号： G06N3/08
摘要： 本发明涉及基于结构化神经网络的成像任务可调度性预测方法，通过对任务规划结果样本集特征值的构造与提取，构建结构化神经网络模型，使其在学习过程中建立任务特征值和卫星能力之间的非线性映射关系，从而完成对成像任务的可调度性预测。本发明具有参数解释能力强、能有效解决传统前馈神经网络模型存在的诸如模型非结构化、收敛速度慢、神经元个数很难确定及局部最小等各种缺陷、预测精度高等优点。
-
公开(公告)号：CN108717572A
公开(公告)日：2018-10-30
申请号：CN201711430632.1
申请日：2018-05-31
申请人： 佛山科学技术学院 , 佛山市有义家科技有限公司
IPC分类号： G06N3/08
摘要： 本发明涉及基于结构化神经网络的成像任务可调度性预测方法，通过对任务规划结果样本集特征值的构造与提取，构建结构化神经网络模型，使其在学习过程中建立任务特征值和卫星能力之间的非线性映射关系，从而完成对成像任务的可调度性预测。本发明具有参数解释能力强、能有效解决传统前馈神经网络模型存在的诸如模型非结构化、收敛速度慢、神经元个数很难确定及局部最小等各种缺陷、预测精度高等优点。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.046 秒)
