-
公开(公告)号：CN117033659B
公开(公告)日：2025-04-22
申请号：CN202311002675.5
申请日：2023-08-09
Applicant: 哈尔滨工业大学 , 上海宇航系统工程研究所
Abstract: 一种基于变轨知识库和内存文件映射的变轨机动参数获取方法，本发明涉及基于变轨知识库和内存文件映射的变轨机动参数获取方法。本发明的目的是为了解决现有针对于空间中多对多的服务任务规划，在优化求解过程中，涉及到大量的航天器变轨过程计算，对计算机的运算速度提出了挑战，尤其是Lambert机动、考虑摄动的情况下，求解效率很低的问题。过程为：一、生成离线变轨知识库；二、结合ASCII对照表构建加码规则，将生成的离线变轨知识库转换成以字符形式存储的变轨知识库；三、通过内存文件映射的方法加载二得到的以字符形式存储的变轨知识库，根据解码规则实现航天器Lambert变轨机动参数获取。本发明用于航天器变轨机动领域。
-
公开(公告)号：CN117033659A
公开(公告)日：2023-11-10
申请号：CN202311002675.5
申请日：2023-08-09
Applicant: 哈尔滨工业大学 , 上海宇航系统工程研究所
Abstract: 一种基于变轨知识库和内存文件映射的变轨机动参数获取方法，本发明涉及基于变轨知识库和内存文件映射的变轨机动参数获取方法。本发明的目的是为了解决现有针对于空间中多对多的服务任务规划，在优化求解过程中，涉及到大量的航天器变轨过程计算，对计算机的运算速度提出了挑战，尤其是Lambert机动、考虑摄动的情况下，求解效率很低的问题。过程为：一、生成离线变轨知识库；二、结合ASCII对照表构建加码规则，将生成的离线变轨知识库转换成以字符形式存储的变轨知识库；三、通过内存文件映射的方法加载二得到的以字符形式存储的变轨知识库，根据解码规则实现航天器Lambert变轨机动参数获取。本发明用于航天器变轨机动领域。
-
公开(公告)号：CN116011788A
公开(公告)日：2023-04-25
申请号：CN202310089789.1
申请日：2023-02-09
Applicant: 哈尔滨工业大学 , 上海宇航系统工程研究所
IPC: G06Q10/0631 , G06Q10/04 , G06N3/126 , G06N3/006
Abstract: 一种针对GEO轨道共面在轨加注任务规划方法，本发明涉及针对GEO轨道共面在轨加注任务规划方法。本发明的目的是为了解决现有的GEO轨道共面在轨往返式加注往往采用单层或两层优化策略，会导致在寻优的过程中陷入局部最优解，并且收敛速度不够快，很难找到最优解，致使服务星往返服务站目标星进行加注任务时的燃料消耗不能达到最优的问题。过程为：步骤一、建立GEO轨道共面在轨加注任务规划模型；步骤二、根据CGAPB三层优化算法对GEO轨道共面在轨加注任务规划模型进行求解，获得最优的服务星的服务顺序序列，最优的服务时间序列以及服务星返回服务站的最优时间节点序列。本发明用于航天技术领域。
-
公开(公告)号：CN117332593A
公开(公告)日：2024-01-02
申请号：CN202311306304.6
申请日：2023-10-10
Applicant: 哈尔滨工业大学 , 上海宇航系统工程研究所
IPC: G06F30/20 , G06Q10/0631 , G06Q30/0601 , G06N3/126 , G06Q30/0201 , G06F111/04 , G06F111/08 , G06F119/06
Abstract: 一种基于拍卖算法初始化的航天器多对多交会规划方法，它属于航天器的交会规划领域。本发明解决了现有优化求解策略的性能差的问题。本发明的方案为：步骤一、获取在轨服务任务需求，利用拍卖算法生成初始的在轨服务任务分配结果；步骤二、根据初始的在轨服务任务分配结果生成初始种群；步骤三、基于初始种群进行优化，得到最终的任务分配结果、各服务航天器服务的服务序列、各服务航天器的Lambert转移时长以及变轨参数。本发明方法可以应用于航天器的交会规划领域。
-
公开(公告)号：CN119717511A
公开(公告)日：2025-03-28
申请号：CN202411818598.5
申请日：2024-12-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B13/04
Abstract: 本发明提供一种基于深度算子神经网络的火星动力下降段扰动估计补偿方法，包括：获取目标探测器在火星动力下降段的历史轨迹数据，通过扰动预测模型对历史轨迹数据进行分析，得到目标探测器在当前时刻的扰动预测结果；根据扰动预测结果和在当前时刻的位置信息，通过动力学方程确定目标探测器的扰动补偿；根据扰动补偿，执行对目标探测器的着陆控制；扰动预测模型的训练步骤通过深度算子神经网络根据历史控制输入进行扰动预测训练得到。本发明的有益效果为：降低制导时系统资源消耗，提高制导的实时补偿精度。
-
Patent Agency Ranking
公开(公告)号：CN119622942A
公开(公告)日：2025-03-14
申请号：CN202411576033.0
申请日：2024-11-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F30/17 , G06F30/20 , G06F111/04 , G06F119/14
Abstract: 本发明涉及面向小天体着陆的多节点柔性着陆器建模方法，面向小天体着陆的多节点柔性着陆器建模方法至少包括以下步骤：建立多节点柔性着陆器的各节点动力学方程；构建刚性节点间作用哈密顿函数和柔性连接对刚性节点的限制作用方程；建立多节点柔性着陆器的数学动力学模型；建立多节点柔性着陆器的弹跳动力学模型；执行多节点柔性着陆器的跳抑制分析。面向小天体着陆的多节点柔性着陆器建模方法克服小天体的弱引力特点，多节点既增加了容错又可以很好的驱动柔性体运动，建立了所设计着陆器的动力学方程，采用弹簧阻尼结构和柔性设计，克服柔性板因过度形变造成的着陆效果差的问题，整体设计简单且实施性强。
-
公开(公告)号：CN118226868A
公开(公告)日：2024-06-21
申请号：CN202410483733.9
申请日：2024-04-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及基于多智能体分布式一致性的无人机编队控制方法及系统，通过根据无人机和目标点的坐标进行分配，得到目标分配关系、对齐尺度和平移距离；根据对齐尺度和平移距离得到相对状态；当无需避障则利用一致性算法根据无人机之间的相对状态得到第一轨迹；当需避障则计算无人机避障对队形的违反程度，当违反程度较大，置换队形并根据新队形得到第二轨迹；当违反程度较小，规划需避障的无人机的避障轨迹，得到第三轨迹；当到达终止点坐标，根据第一轨迹、第二轨迹和第三轨迹得到目标轨迹；实现无人机飞行轨迹优化策略，以平衡安全性和轨迹的可执行性；显著提高了无人机系统在面对多变环境时的应对能力。
-
公开(公告)号：CN119840864A
公开(公告)日：2025-04-18
申请号：CN202411818339.2
申请日：2024-12-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种一种基于干扰观测补偿的火星动力下降ZEM/ZEV制导方法，该基于干扰观测补偿的火星动力下降ZEM/ZEV制导方法包括：获取目标探测器的三自由度，根据三自由度确定控制加速度约束条件；根据三自由度，采用滑模干扰观测器确定目标探测器的干扰估计值；根据干扰估计值、三自由度及控制加速度约束条件，采用ZEM/ZEV制导律确定经干扰观测目标探测器的控制加速度；根据控制加速度，通过三自由度确定目标探测器的发动机提供的推力，进而对目标探测器执行补偿制导。本发明的有益效果为：在保持燃料近似最优的前提下，提高火星动力下降段降落精度、稳定性及安全性。
-
公开(公告)号：CN118605551A
公开(公告)日：2024-09-06
申请号：CN202410655329.5
申请日：2024-05-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及基于视觉的无人机着陆移动平台的控制方法及系统，其中方法包括：启动并设置前视和下视图像采集模块的前视摄像头和下视摄像头实时采集和传输图像数据；在飞行过程中，持续进行数据监视与保障；基于YOLOv5s轻量化模型检测算法和二维码检测算法进行目标识别与位置感知，识别并计算无人机与移动平台之间的相对位置坐标信息和角度信息；基于卡尔曼滤波算法，估计移动平台的当前位置和当前速度，当无人机与移动平台之间的相对位置和速度误差减小至可接受范围时，启动着陆程序并进入着陆阶段。本发明显著提高了系统的稳定性、准确性和安全性，也为无人机的精准着陆于移动平台提供了一种更为先进和可靠的技术方案。
-
公开(公告)号：CN118444705A
公开(公告)日：2024-08-06
申请号：CN202410530037.9
申请日：2024-04-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开一种无人机风扰避让方法、系统、设备及存储介质，涉及无人机风扰避让技术领域，该方法包括：采集无人机悬停于不同风速区间时自身传感器的状态数据；结合CNN网络和LSTM网络搭建风扰估计模型；风扰估计模型包括两个卷积层、池化层、两层LSTM网络以及全连接层；将无人机当前传感器状态数据输入风扰估计模型中，得到该无人机所处环境下的风扰信息；根据所处环境的风扰信息控制无人机对其风扰区域进行躲避；通过无人机自身传感器状态数据去估计风扰信息，提高无人机风扰环境飞行的稳定性以及无人机续航能力的效果。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.038 seconds)
