基于人工智能的飞行器协同制导律快速回归辨识方法

    公开(公告)号:CN116224801A

    公开(公告)日:2023-06-06

    申请号:CN202310321825.2

    申请日:2023-03-29

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种基于人工智能的飞行器协同制导律快速回归辨识方法,包括以下步骤:建立协同制导模型,所述协同制导模型为能够表征我方固定目标与敌方飞行器之间运动状态的模型;根据协同制导模型获得训练样本;建立神经网络,通过训练样本对神经网络进行训练,获得辨识模型;通过训练后的辨识模型获取敌方飞行器的制导参数。本发明提供的基于人工智能的飞行器协同制导律快速回归辨识方法,能够更加快速、准确的辨识敌方飞行器的时变制导参数。

    一种激光末制导飞行器信息点对点传输系统及方法

    公开(公告)号:CN113654404B

    公开(公告)日:2022-12-02

    申请号:CN202010398476.0

    申请日:2020-05-12

    摘要: 本发明公开了一种激光末制导飞行器信息点对点传输系统及方法,该系统通过引入指挥同步器和执行同步器解决飞行器发射延迟和激光照射器开启延迟且不同步问题;通过引入计时模块减少导引激光照射目标的时间,通过引入激光频率编码器给导引激光加密,旨在降低导引激光被目标发现、干扰和屏蔽的可能性,保证激光导引过程平稳有序地进行,提高观测单元的安全性和飞行器的准确性;再通过引入通讯控制器,使超短波通信的频率随信道的变化自适应地变化,始终保证通信质量稳定且最佳。

    一种快速交汇过程目标可靠跟踪方法

    公开(公告)号:CN113763426A

    公开(公告)日:2021-12-07

    申请号:CN202111007609.8

    申请日:2021-08-30

    IPC分类号: G06T7/246 G06T7/73

    摘要: 本发明公开了一种快速交汇过程目标可靠跟踪方法及系统,该方法通过构建无人机与目标快速交汇过程的跟踪模型,利用所述跟踪模型获得粗估计的目标尺度和位置,并对粗估计的目标尺度进行微调,获得最终目标尺度和位置,实现了快速交汇过程中对目标的可靠跟踪,使得无人机能够精准执行任务。本发明所提供的方法解决了无人机快速接近目标时,目标尺度在无人机视野中迅速膨胀,造成跟踪失败的问题,能够准确跟踪目标并执行着落或打击任务,本发明所提供的方法使用灵活,通用性强,计算快速。

    一种融合导航信息的目标识别定位方法

    公开(公告)号:CN112232132A

    公开(公告)日:2021-01-15

    申请号:CN202010988347.7

    申请日:2020-09-18

    IPC分类号: G06K9/00 G06K9/62 G06N3/04

    摘要: 本发明公开了一种融合导航信息的目标识别定位方法,所述方法包括通过结合飞行器高度计给出的高度信息,获得目标在视场中最大像素,将全局随机anchor问题优化为小尺度范围内随机anchor,提高了检测的效率;同时,通过导航设备可以解算得到目标的实际位置。本发明提供的融合导航信息的目标识别定位方法,能够实现对地面目标的快速、精确定位,检测效率提高76.2%。

    一种简易制导弹药的拟速度追踪制导方法

    公开(公告)号:CN103486904A

    公开(公告)日:2014-01-01

    申请号:CN201210553407.8

    申请日:2012-12-19

    IPC分类号: F41G3/00

    摘要: 本发明涉及一种简易制导弹药的拟速度追踪制导方法,其特征在于具有如下步骤:根据观测到的目标方位信息、目标位置参数、发射平台参数以及气象数据等装定射击诸元,发射简易制导弹药;制导弹药电源激活,弹载控制系统启动;捷联探测器对目标进行探测;弹载计算机采集捷联探测器输出的弹体轴与弹目连线夹角ε1、第一双轴加速度计在两个敏感轴上输出的加速度分量以及第二双轴加速度计在两个敏感轴上输出的加速度分量;弹载计算机根据拟速度追踪制导的攻角辨识算法实时辨识得到近似攻角α′;弹载计算机计算弹体速度轴与弹目连线的近似夹角ε′2在准弹体三维坐标系上的俯仰和偏航两个方向的投影和根据弹载计算机计算得到的和生成控制指令,进行弹体控制;判断是否命中目标,是结束制导,否则返回。

    基于残差神经网络与集成学习的飞行时间预测方法及装置

    公开(公告)号:CN116793150B

    公开(公告)日:2024-10-22

    申请号:CN202210240845.2

    申请日:2022-03-10

    摘要: 本发明公开了一种基于残差神经网络与集成学习的飞行时间预测方法,通过集成单元将多个残差神经网络模型集成为总模型,通过总模型对新型飞行器的实际飞行时间与理论飞行时间误差进行预测;其中,所述残差神经网络为能够对已知飞行器实际飞行时间与理论飞行时间误差进行预测的模型,集成单元用于不同的残差神经网络模型预测结果按一定权值进行整合,已知飞行器是指已具有大量飞行轨迹数据的飞行器,新型飞行器是指未获得大量飞行轨迹数据的飞行器。该发明公开的基于残差神经网络与集成学习的飞行时间预测方法,降低了对新型号飞行器飞行数据量的要求,节约了数据采集的成本,预测结果准确率高。

    考虑终端多约束条件的多项式最优制导律

    公开(公告)号:CN118444689A

    公开(公告)日:2024-08-06

    申请号:CN202410368928.9

    申请日:2024-03-28

    IPC分类号: G05D1/46 G05D109/28

    摘要: 本发明公开了一种考虑终端多约束条件的多项式最优制导律,包括以下步骤:建立弹目相对运动方程;以弹目距离与初始距离的比值作为自变量,目标相对于导弹速度方向视场角的正切值作为因变量,建立多项式函数;设置约束条件,获得多项式系数约束关系;将多项式转化为过载指令,采用过载指令对飞行器进行控制。本发明公开的考虑终端多约束条件的多项式最优制导律具备以全向任意碰撞角打击目标的能力,且末端过载可平滑收敛至0,且能够适应大航迹角变化需要。