公开(公告)号：CN109711678A

公开(公告)日：2019-05-03

申请号：CN201811495205.6

申请日：2018-12-07

Applicant: 江南机电设计研究所

Inventor： 王玉茜 ,  王磊 ,  张斌 ,  杨良洁 ,  张晓宇

IPC: G06Q10/06 ,  G06N99/00

Abstract: 本发明提供了一种基于机器学习的异构传感器智能任务规划方法，包括如下步骤：(1)规则设置：采用条件判断的格式，建立开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则；(2)量化处理：将上述开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则分别遍历并量化为参数组；(3)学习模型；(4)场景量化；(5)规则推理；(6)确认反馈。本发明将基于专家知识的规划推理方法与基于机器学习的人工智能方法相结合，提升了专家系统的自学习能力，可实现对知识库以外规则的推理，解决了传统方法对专家系统依赖性过大，缺乏自适应性及相应的自组织、自学习能力的问题，有利于发现新规则、形成新经验。

公开(公告)号：CN109711678B

公开(公告)日：2021-02-12

申请号：CN201811495205.6

申请日：2018-12-07

Applicant: 江南机电设计研究所

Inventor： 王玉茜 ,  王磊 ,  张斌 ,  杨良洁 ,  张晓宇

IPC: G06Q10/06 ,  G06N20/00

Abstract: 本发明提供了一种基于机器学习的异构传感器智能任务规划方法，包括如下步骤：(1)规则设置：采用条件判断的格式，建立开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则；(2)量化处理：将上述开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则分别遍历并量化为参数组；(3)学习模型；(4)场景量化；(5)规则推理；(6)确认反馈。本发明将基于专家知识的规划推理方法与基于机器学习的人工智能方法相结合，提升了专家系统的自学习能力，可实现对知识库以外规则的推理，解决了传统方法对专家系统依赖性过大，缺乏自适应性及相应的自组织、自学习能力的问题，有利于发现新规则、形成新经验。

公开(公告)号：CN113704673A

公开(公告)日：2021-11-26

申请号：CN202110896346.4

申请日：2021-08-05

Applicant: 江南机电设计研究所

Inventor： 张斌 ,  孙宝增 ,  李栋花 ,  王肖晨 ,  王晓荔 ,  杨华 ,  王玉茜 ,  刘莉

IPC: G06F17/10

Abstract: 本发明提出了一种基于Kalman改进的粒子滤波算法，该算该算法综合考虑Kalman滤波算法与粒子滤波算法的不同特性，利用扩展卡尔曼滤波对粒子状态的估计进行状态空间的搜索，弱化先验信息的影响、粒子退化及扩展卡尔曼滤波算法在高速机动、强干扰目标时的滤波发散现象，一定程度上提高了对于高机动、强干扰目标的滤波精度，具有一定的工程应用价值。