-
公开(公告)号：CN110991051B
公开(公告)日：2023-03-10
申请号：CN201911240135.4
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明属于制导弹箭落点预测技术领域，具体涉及一种基于试验设计和Kriging模型的远程制导火箭弹落点预测系统，该系统全面考虑了标准气象条件下影响远程制导火箭弹落点预测精度的发射条件因素和飞行状态参数，给出了适用于落点预测的Kriging模型的相关函数。对于升弧段对应的落点预测，可以选择的相关函数有Spline函数、Matern函数和Cubic函数；对于降弧段对应的落点预测，可以选择的相关函数有Spline函数、Matern函数、Gauss函数和Cubic函数。本发明为远程制导火箭弹的弹道修正控制系统实时进行落点预测提供了一种有效方案。
-
公开(公告)号：CN113959447A
公开(公告)日：2022-01-21
申请号：CN202111224203.5
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种相对导航高噪声量测量识别方法、装置、设备和存储介质；方法包括：基于多无人机相对导航任务，确定Kalman滤波的状态序列和量测序列；建立与状态序列和量测序列对应的Kalman滤波模型；采用Kalman滤波模型进行滤波；在Kalman滤波过程中，计算量测序列中量测量关于Kalman滤波的置信度；当置信度低于置信阈值时，则判定所述量测量为高噪声量测量，标识所述量测量的Kalman滤波结果无效。本发明通过在卡尔曼滤波计算过程中判定出高噪声量测量数据，提升了卡尔曼滤波计算结果准确性。
-
公开(公告)号：CN112395968B
公开(公告)日：2021-08-27
申请号：CN202011253582.6
申请日：2020-11-11
Applicant: 北京京航计算通讯研究所
Abstract: 本发明涉及一种基于神经网络的机械旋转部件故障诊断方法及装置，属于故障诊断技术领域，解决了现有的机械旋转部件故障诊断方法获得的诊断结果精度较差问题。方法包括：获取机械旋转部件的历史振动信号，并为历史振动信号添加标签；构建高维卷积神经网络模型，并基于历史振动信号对高维卷积神经网络模型进行训练，得到高维卷积神经网络模型的最优网络结构；将待诊断的振动信号输入高维卷积神经网络模型的最优网络结构，得到诊断结果。实现了机械旋转部件故障的诊断，提高了诊断精度。
-
公开(公告)号：CN111144714A
公开(公告)日：2020-05-12
申请号：CN201911261600.2
申请日：2019-12-10
Applicant: 北京京航计算通讯研究所
Abstract: 本发明属于装备试验鉴定技术领域，具体涉及一种针对装备保障能力的基于信息熵的层次分析评估方法。与现有技术相比较，本发明在进行试验评估时，针对装备保障能力的试验数据的不确定性造成的影响不可忽视，通过将其试验数据的不确定性进行量化表示，在进行层次化方法评估时，通过增加数据定量化信息，获取试验数据的可信度，为其赋相应的不确定性权重，增加层次分析法的数据定量信息，可有效提高评估准确性。
-
公开(公告)号：CN110991051A
公开(公告)日：2020-04-10
申请号：CN201911240135.4
申请日：2019-12-06
Applicant: 北京京航计算通讯研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明属于制导弹箭落点预测技术领域，具体涉及一种基于试验设计和Kriging模型的远程制导火箭弹落点预测系统，该系统全面考虑了标准气象条件下影响远程制导火箭弹落点预测精度的发射条件因素和飞行状态参数，给出了适用于落点预测的Kriging模型的相关函数。对于升弧段对应的落点预测，可以选择的相关函数有Spline函数、Matern函数和Cubic函数；对于降弧段对应的落点预测，可以选择的相关函数有Spline函数、Matern函数、Gauss函数和Cubic函数。本发明为远程制导火箭弹的弹道修正控制系统实时进行落点预测提供了一种有效方案。
-
Patent Agency Ranking
公开(公告)号：CN109408391A
公开(公告)日：2019-03-01
申请号：CN201811314430.5
申请日：2018-11-06
Applicant: 北京京航计算通讯研究所
IPC: G06F11/36
Abstract: 本发明属于软件持续集成与软件工程技术领域，具体涉及一种基于持续集成技术的软件集成测试系统，包括：测试参数设置模块，接收外部输入的各类参数信息；代码托管模块提供代码推送、代码推送标识生成；持续集成模块检测推送标识，查看代码是否有更新，同时读取输入的测试参数作为测试工具的运行参数，然后调用测试工具进行软件测试，在测试工具运行完成后将测试结果存储到指定位置；测试结果发布模块将测试工具生成的各种测试结果进行发布。该技术方案对软件测试工具进行集中化自动调度管理，可有效解决目前软件测试工具使用方式分散、使用过程繁琐、自动化程度低以及许可证冲突的问题。
-
公开(公告)号：CN117332923B
公开(公告)日：2024-03-26
申请号：CN202311298194.3
申请日：2023-10-09
Applicant: 北京京航计算通讯研究所
IPC: G06Q10/063 , G06Q50/26 , G06F18/27 , G06F18/2135 , G06F30/27
Abstract: 本发明涉及一种网状指标体系的赋权方法及系统，属于数据处理技术领域，解决了现有技术中无法对非线性耦合指标客观赋权的问题。包括：构建网状指标体系；通过作战仿真采集样本数据，根据每条样本数据计算出网状指标体系中末级的各项指标值，构建初始指标矩阵；利用主成分分析法获取初始指标矩阵降维后的字典指标矩阵；利用Lasso算法得到回归系数矩阵，归一化后作为指标权重矩阵；计算指标权重矩阵中每个指标的平均权重，当平均权重的标准差小于1，则根据平均权重更新初始指标矩阵，再次利用主成分分析法和Lasso算法得到新的平均权重，当平均权重的标准差大于1，停止迭代，最后的平均权重即为指标权重。实现了网状指标体系的客观赋权。
-
公开(公告)号：CN113959447B
公开(公告)日：2023-06-27
申请号：CN202111224203.5
申请日：2021-10-19
Applicant: 北京京航计算通讯研究所
IPC: G01C21/20
Abstract: 本发明涉及一种相对导航高噪声量测量识别方法、装置、设备和存储介质；方法包括：基于多无人机相对导航任务，确定Kalman滤波的状态序列和量测序列；建立与状态序列和量测序列对应的Kalman滤波模型；采用Kalman滤波模型进行滤波；在Kalman滤波过程中，计算量测序列中量测量关于Kalman滤波的置信度；当置信度低于置信阈值时，则判定所述量测量为高噪声量测量，标识所述量测量的Kalman滤波结果无效。本发明通过在卡尔曼滤波计算过程中判定出高噪声量测量数据，提升了卡尔曼滤波计算结果准确性。
-
公开(公告)号：CN114677368B
公开(公告)日：2022-10-25
申请号：CN202210411363.9
申请日：2022-04-19
Applicant: 中国人民解放军32021部队 , 北京京航计算通讯研究所
Inventor： 喻夏琼 , 王佳佳 , 赵金贤 , 吴平安 , 董小环 , 侯健 , 马静 , 务宇宽 , 王亚锋 , 唐斌 , 李娜 , 单月晖 , 赵志远 , 杨鹏 , 师康钦 , 高琳 , 刘登
Abstract: 本发明提供一种图像显著性检测方法及装置，其中方法包括：步骤：S1：对待检测图像做超像素分割处理，得到超像素分割图像；S2：从超像素分割图像中提取出包含边界特征的背景超像素图像；S3：利用LASSO算法与背景超像素图像，对超像素分割图像做显著性检测处理，得到显著性检测处理的学习层处理结果；S4：判断学习层处理结果是否满足预设条件，若是，执行步骤S5；否则，执行步骤S6；S5：将学习层处理结果作为显著性检测处理结果；根据显著性检测处理结果，生成显著图；S6：将学习层处理结果，反向传播至超像素分割图像，得到更新的待检测图像，返回执行步骤S1。本发明提供的技术方案可有效处理对于背景较复杂的遥感图像，实现图像的显著性检测。
-
公开(公告)号：CN109460362A
公开(公告)日：2019-03-12
申请号：CN201811314437.7
申请日：2018-11-06
Applicant: 北京京航计算通讯研究所
IPC: G06F11/36
Abstract: 本发明属于软件工程技术领域，具体涉及一种基于细粒度特征语义网络的系统接口时序知识分析系统，其包括：构建嵌入式系统测试故障集；在嵌入式系统测试故障集中搜索接口关键问题，分析提取与时序相关的故障，初步形成时序相关的接口故障集；在嵌入式系统测试故障集中搜索与时序关键的故障，分析提取与接口相关的故障，形成接口相关的时序故障集；两个故障集合并形成接口时序故障集；根据时序故障库中的故障类型，利用基于细粒度特征语义网络的方法，提取接口时序关键影响因素，形成嵌入式系统接口时序知识集。由此得到的嵌入式系统接口时序知识可实现测试知识的继承，且具有可扩展性，便于测试知识的推送，提升测试效率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.039 seconds)
