-
公开(公告)号：CN118408553A
公开(公告)日：2024-07-30
申请号：CN202410867679.8
申请日：2024-07-01
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G01C21/20 , G06V20/17 , G06V20/64 , G06V10/25 , G06V10/26 , G06T17/00 , G01C21/00 , G01C21/16 , G01S17/86 , G01S19/47 , G01J5/48
Abstract: 本发明公开了一种环境三维重建与识别的无人机导航方法，包括：构建无人机外部环境的空间三维模型；采用体积函数表示无人机外部环境的空间三维模型，并简化得到线性方程；更新体积函数和空间三维模型；得到无人机相对于起始点的空间位置；规划无人机飞行路径；基于无人机飞行路径，组合多种传感器采集外部环境数据；对采集的外部环境数据进行相互校准处理，并采用点云表示校准后的外部环境数据，再计算点云的置信度；根据热成像图像和三维测距图像点云的置信度，识别外部环境不同类型的地表。本发明可实现自主飞行、准确定位、多维数据保存和分析以及多传感器组合应用等有益效果，提升了无人机在复杂环境下的飞行能力和安全性。
-
公开(公告)号：CN118408553B
公开(公告)日：2024-08-30
申请号：CN202410867679.8
申请日：2024-07-01
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G01C21/20 , G06V20/17 , G06V20/64 , G06V10/25 , G06V10/26 , G06T17/00 , G01C21/00 , G01C21/16 , G01S17/86 , G01S19/47 , G01J5/48
Abstract: 本发明公开了一种环境三维重建与识别的无人机导航方法，包括：构建无人机外部环境的空间三维模型；采用体积函数表示无人机外部环境的空间三维模型，并简化得到线性方程；更新体积函数和空间三维模型；得到无人机相对于起始点的空间位置；规划无人机飞行路径；基于无人机飞行路径，组合多种传感器采集外部环境数据；对采集的外部环境数据进行相互校准处理，并采用点云表示校准后的外部环境数据，再计算点云的置信度；根据热成像图像和三维测距图像点云的置信度，识别外部环境不同类型的地表。本发明可实现自主飞行、准确定位、多维数据保存和分析以及多传感器组合应用等有益效果，提升了无人机在复杂环境下的飞行能力和安全性。
-
公开(公告)号：CN118426496A
公开(公告)日：2024-08-02
申请号：CN202410509808.6
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及飞行器制导与控制技术领域，一种基于三维制导控制一体化的自适应控制设计方法，首先给出了三维视角下飞行器拦截机动目标的相对运动学方程，再给出飞行器受到的气动力在速度坐标系上的分量，将气动力转化到视线坐标系，添加进相对运动学方程，并结合飞行器的姿态动力学方程，整理得到一种三维制导控制一体化模型，随后基于所提三维制导控制一体化模型，利用反步法设计控制率，并采用自适应律估计干扰的上限，仿真实验证实了三维制导控制一体化模型和所采用的自适应控制反步法的有效性。
-
公开(公告)号：CN119992600A
公开(公告)日：2025-05-13
申请号：CN202510462362.0
申请日：2025-04-14
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
Abstract: 本发明公开了一种基于ANN转SNN的无人机飞行飞鸟检测方法，属于无人机目标检测的技术领域，其包括：获取低空飞行飞鸟的图像数据和飞鸟目标检测数据集；根据飞鸟目标检测数据集训练得到人工神经网络模型YOLOv5‑ANN；建立人工神经网络模型YOLOv5‑ANN的激活输出与脉冲神经元的脉冲频率之间的映射关系；将人工神经网络模型YOLOv5‑ANN转换为脉冲神经网络模型Spiking‑YOLOv5‑SNN，采用完成训练的脉冲神经网络模型Spiking‑YOLOv5‑SNN进行无人机飞行飞鸟检测。本发明结合人工神经网络模型YOLOv5的高效目标检测能力和脉冲神经网络模型的快速响应特性，能够在复杂背景下有效检测低空飞行飞鸟，提高无人机的安全性。
-
公开(公告)号：CN119992254A
公开(公告)日：2025-05-13
申请号：CN202510075707.7
申请日：2025-01-17
Applicant: 哈尔滨工业大学 , 西南科技大学 , 哈尔滨联合飞机科技有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 基于无分类指导的卷云图像生成方法，解决了遥感图像去雾数据集不真实以及卷云图像特征数量有限的问题，属于图像生成技术领域。本发明包括：获取真实卷云图像，预处理后，得到卷云图像数据集；利用前向过程扩散，构建马尔科夫链，将服从高斯分布的随机噪声逐步添加到卷云图像数据集的卷云图像中，使卷云图像加噪至纯噪声图像，根据纯噪声图像和对应的真实噪声构建出训练数据集；将纯噪声图像作为输入，对应的噪声作为输出，建立噪声预测模型，利用训练数据集进行训练；将随机生成噪声图像输入到训练好的噪声预测模型中，预测的噪声结合后验概率对图像进行反向去噪，经过设定的去噪步数，得到具有真实卷云特征的卷云图像。
-
Patent Agency Ranking
公开(公告)号：CN118333114A
公开(公告)日：2024-07-12
申请号：CN202410509805.2
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司 , 西南科技大学
IPC: G06N3/06 , G06F18/2431 , G06F18/214 , G06F18/22 , G06F18/23
Abstract: 本发明涉及数据处理领域，本发明为基于自适应共振理论的稀疏数据识别与恢复神经网络模型，包括ART_WD和ART_DWD网络，其中ART_WD用于对缺失属性的稀疏数据进行分类得出其可能的唯一类别，ART_DWD是在ART_WD的基础上，用来对缺失的属性值进行恢复，本发明解决了机器学习聚类算法在面对缺失属性的稀疏数据时，聚类精度和准确率急剧下降的问题，此外还具有运算速度快、鲁棒性强、准确率高以及数据恢复精确等优点。
-
公开(公告)号：CN118444704B
公开(公告)日：2024-11-15
申请号：CN202410509809.0
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司 , 西南科技大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及飞行器姿态控制技术领域，一种基于新型固定时间滑模控制的飞行器姿态控制方法，包括如下步骤，构建飞行器的数学模型；设计一种新型固定时间滑模函数，并给出参数的选择区间；设计一个固定时间的控制律，并给出参数的选择区间，以驱动系统状态达到所建立的滑模面，随后一种基于新型固定时间滑模控制的飞行器姿态控制方法，基于真实飞行器气动参数，仿真实验证实了控制方法的有效性和快速收敛特性。
-
公开(公告)号：CN118444704A
公开(公告)日：2024-08-06
申请号：CN202410509809.0
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司 , 西南科技大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及飞行器姿态控制技术领域，一种基于新型固定时间滑模控制的飞行器姿态控制方法，包括如下步骤，构建飞行器的数学模型；设计一种新型固定时间滑模函数，并给出参数的选择区间；设计一个固定时间的控制律，并给出参数的选择区间，以驱动系统状态达到所建立的滑模面，随后一种基于新型固定时间滑模控制的飞行器姿态控制方法，基于真实飞行器气动参数，仿真实验证实了控制方法的有效性和快速收敛特性。
-
公开(公告)号：CN118426482A
公开(公告)日：2024-08-02
申请号：CN202410509806.7
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于HK模型的飞行器分批次到达控制方法，包括以下步骤：步骤一，计算飞行器剩余飞行时间；步骤二，确定飞行器邻居集合；步骤三，计算共识接近速度；步骤四，生成制导控制指令；步骤五，转换制导指令到机体系；步骤六，制导控制并更新状态；本发明在现有比例导引律的基础上进行改进，在不事先建立通讯拓扑的情况下，通过计算飞行器剩余飞行时间，将飞行器与剩余飞行时间相近的飞行器建立通讯，通过将当前飞行器和邻居飞行器的归一化飞行器和目标距离与归一化飞行器和目标相对速度作差得到实际误差值，并添加到现有比例制导律中，实现了三维坐标系下飞行器自组织分批次对静止目标的协同打击，提升了火力装备在攻击端对高防御设施的突防能力和毁伤效果。
-
公开(公告)号：CN120047727A
公开(公告)日：2025-05-27
申请号：CN202510056842.7
申请日：2025-01-14
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/049 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于脉冲神经网络的无人机突发事故快速分类方法，属于无人机图像识别分类的技术领域，包括：获取无人机突发事故的初始数据集；对初始数据集进行预处理，得到无人机突发事故数据集；选择泄露积分‑发放模型作为脉冲神经网络的脉冲神经元；构建脉冲神经网络分类模型SpikeClassifier；训练脉冲神经网络分类模型SpikeClassifier，得到优化后的脉冲神经网络分类模型SpikeClassifier；采用优化后的脉冲神经网络分类模型SpikeClassifier对无人机突发事故进行预测分类。本发明能够在复杂背景和资源受限条件下保持分类的准确性并且提高模型的响应速度与效率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.04 seconds)
