-
公开(公告)号：CN119783316A
公开(公告)日：2025-04-08
申请号：CN202411684341.5
申请日：2024-11-22
Applicant: 江南机电设计研究所
Abstract: 一种系统强电磁脉冲耦合预测评估方法，包括定义系统级设备的接收设备的电磁参数及电磁敏感阈值，建立等效收发端口模型，建立系统外轮廓模型，系统外轮廓模型加载等效收发端口模型构建系统强电磁脉冲耦合预测评估环境，获取系统对强磁脉冲的接收天线隔离度A，获取系统强电磁脉冲电磁耦合度D，将所述系统强电磁脉冲电磁耦合度D与所述接收设备的电磁敏感阈值进行比对，得到系统强电磁脉冲耦合预测评估结果。通过执行系统强电磁脉冲耦合预测评估方法，执行数据错误率比对并输出测试结果，实现在系统设备方案设计阶段对系统的强电磁脉冲电磁耦合进行量化评估，预测评估方法简单、可操作性强，能有效支撑系统级设备强电磁脉冲兼容性设计。
-
公开(公告)号：CN117744477A
公开(公告)日：2024-03-22
申请号：CN202311702266.6
申请日：2023-12-12
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种面向任务需求的杀伤网动态生成方法，包括以下步骤：S1.构建杀伤网动态生成智能体，建立状态、动作、决策空间，对状态空间、动作空间、决策空间进行建模；S2.基于经验规则和深度强化学习算法实现目标‑拦截装备的动态编配方案生成；S3.利用专家经验规则完成目标‑拦截‑探测‑指控装备的动态匹配。本发明以高效执行快速变化的作战任务为出发点，构建杀伤网动态生成智能体，并对状态空间、动作空间和决策空间进行建模；设计了基于经验规则与深度强化学习相结合的目标‑拦截装备匹配方法，实现目标‑拦截装备的快速动态匹配。
-
公开(公告)号：CN112749516A
公开(公告)日：2021-05-04
申请号：CN202110147596.8
申请日：2021-02-03
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种适应多类型数据特征的体系组合模型可信度智能评估方法，实现步骤如下：1.构建网络预训练样本集；2.构建网络训练样本集；3.构建融合循环神经网络和卷积神经网络，适应多类型数据特征的深度学习模型；4.深度学习网络分层训练；5.结合体系对抗仿真应用场景下组合模型输出数据，利用组合模型可信度智能评估网络，直接得出组合模型的可信度及其置信度。本发明采用了长时记忆能力较强的循环神经网络与特征表达能力较强的卷积神经网络智能方法相融合方式，可适应于长时变、短时状态等多类型数据特征的组合模型可信度智能评估，有利于提高组合模型可信度评估正确性与评估效率。
-
公开(公告)号：CN119471073A
公开(公告)日：2025-02-18
申请号：CN202411645542.4
申请日：2024-11-18
Applicant: 江南机电设计研究所
IPC: G01R29/10
Abstract: 一种强电磁脉冲辐射场分布式实时测试方法和系统，包括电场探头、测试接收机、测试无人机、测试无人机遥控器以及终端计算机，执行测试任务时，所述测试无人机遥控器控制所述测试无人机搭载所述电场探头至采集环境中的指定测试位置，所述电场探头获取所述指定测试位置的强度数据后，将所述强度数据发送至所述测试接收机；所述测试接收机将所述强度数据传输至终端计算机进行处理。通过测试接收机和终端计算机对采集到的强度数据进行二次处理，计算出总场辐射强度值和综合辐射强度值，可快速、准确的测得强电磁脉冲电磁辐射强度最大位置，解决了无法实现大范围，高场强，大动态强电磁脉冲辐射场实时测试的问题。
-
公开(公告)号：CN116449394A
公开(公告)日：2023-07-18
申请号：CN202310515946.0
申请日：2023-05-09
Applicant: 江南机电设计研究所
IPC: G01S17/894 , G01S17/10 , G01S7/484
Abstract: 本发明公开了一种运动目标单光子激光非扫描成像探测系统，系统由激光发射模块、激光测距接收模块、测距信号处理模块、激光成像接收模块、成像信号处理模块、时序控制模块组成。本发明将激光发射、激光测距、激光成像等进行联合设计，通过测距引导成像的方式，使成像探测器只需要在很短的一个时间段内工作，提高单光子三维成像探测系统的探测效率和三维成像质量；对激光发射模块工作模式进行优化设计，通过多种模式协同工作，使激光器同时满足高脉冲能量和光子成像探测高脉冲重频的要求，适应不同的任务需要，降低设计成本，提高工作可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110053315A
公开(公告)日：2019-07-26
申请号：CN201910309529.4
申请日：2019-04-17
Applicant: 江南机电设计研究所
IPC: B32B3/08 , B32B3/24 , B32B7/12 , B32B15/085 , B32B15/20 , B32B27/06 , B32B27/28 , B32B33/00 , B32B37/06 , B32B37/12 , B32B38/16
Abstract: 本发明提供了一种柔性频率选择表面，包括胶层；所述胶层的下表面覆盖有基膜层，胶层内固化有频选层，胶层的上表面覆盖有盖膜层；所述频选层用于对设备形成电磁防护或RCS缩减，基膜层和胶层用于保护频选层避免受到损伤及绝缘，盖膜层用于保护该柔性频率选择表面整体避免受到损伤。本发明采用柔性材料制作成可弯折的柔性频率选择表面，可根据尺寸需求进行相应裁剪；能实现各曲面结构的共形贴合且安装简单易操作；能够有效降低曲面结构频率选择表面的制作成本；与传统的曲面结构频率选择表面相比，柔性频率选择表面的实际使用性能更接近设计指标。
-
公开(公告)号：CN119471667A
公开(公告)日：2025-02-18
申请号：CN202411409634.2
申请日：2024-10-10
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种基于虚拟领导者模型的群目标跟踪方法，包括以下步骤：获取状态空间X内k‑1时刻的N(k‑1)个目标的量测值；加载随机标签集，加载随机标签集，为状态空间X内的目标建立基于量测空间#imgabs0#的观测RFS，建立k时刻状态空间X内的多目标状态合集Xk；为在状态空间#imgabs1#中各目标的状态xk,i绑定识别身份的标签，标签信息包括目标产生的时刻；获取状态空间X内的多个目标之间的关系，根据所述关系确定子群目标；计算子群目标在k时刻的状态和数量。根据上述技术方案，可以显著地提高可分辨群目标的跟踪精度；为状态空间中不同目标分配航迹，显著提高可分辨群目标跟踪的精度和鲁棒性。
-
公开(公告)号：CN119249878A
公开(公告)日：2025-01-03
申请号：CN202411293914.1
申请日：2024-09-14
Applicant: 江南机电设计研究所
Abstract: 本发明公开了一种杀伤链生成模型的构建方法，包括以下步骤：S1、定义实体，对实体的属性进行实例化，获取人工经验和战场情报，根据人工经验和战场情报构建约束关系知识图谱；S2、根据实体的属性构建杀伤链生成智能体；S3、将约束关系知识图谱抽象为动作空间mask；S4、通过深度强化学习算法和动作空间mask训练杀伤链生成智能体，获取杀伤链生成模型。本发明解决了大规模体系作战情形下可选动作复杂，选择分支组网较多，动作空间庞大的问题，降低智能体模型体量，加快模型训练和收敛速度，提供了智能体持续演进模式；通过杀伤链生成模型生成杀伤链，解决了传统方法计算时间长、决策慢的问题，有利于实现战场态势复杂多变的作战任务。
-
公开(公告)号：CN110889207B
公开(公告)日：2023-08-22
申请号：CN201911088404.X
申请日：2019-11-08
Applicant: 江南机电设计研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明提供一种基于深度学习的体系组合模型可信度智能评估方法，包括以下步骤：获取参考学习样本集‑获取参考学习样本集‑评估不确定性影响程度‑评估噪声影响程度‑评估可信度。本发明应用深度学习方法，综合考虑不确定性和噪声的影响，对待检验模型的可信度评估更加可靠，并通过应用从仿真学习样本(待检验模型)到参考学习样本(参考模型)到逆向映射关系，避免正向映射时可能出现的模糊现象，提高可信度评估的准确性，通过深度学习方法和基于损失函数的优化模型，降低体系作战仿真可信度评估的实施难度，实现自适应智能评估和模型筛选。
-
公开(公告)号：CN116558358A
公开(公告)日：2023-08-08
申请号：CN202310528597.6
申请日：2023-05-11
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种射频系统强电磁脉冲响应特性动态测试装置，包括强电磁脉冲环境重构系统、强电磁脉冲监测系统、响应特性监测系统和计算机；所述强电磁脉冲环境重构系统、强电磁脉冲监测系统、响应特性监测系统分别与被测射频系统连接，计算机分别与强电磁脉冲环境重构系统、强电磁脉冲监测系统、响应特性监测系统连接。本发明可模拟战场中射频系统接收的强电磁脉冲能量动态变化情况，并重构模拟数据后进行射频系统强电磁脉冲动态注入测试，模拟战场中射频系统在强电磁脉冲环境下的响应特性变化情况，具有操作简单、可获得射频系统响应特性变化情况等优点。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.051 seconds)
