-
公开(公告)号：CN110967032B
公开(公告)日：2022-01-04
申请号：CN201911220761.7
申请日：2019-12-03
Applicant: 清华大学
Abstract: 本发明提供了一种野外环境下无人车局部行驶路线实时规划方法，主要面向野外环境下无人车感知范围有限、局部地图实时生成、地面属性多样的路线规划场景。本发明在划分完小单元栅格的实时地图基础上，通过考虑以每个可行驶单元栅格为中心点的不同区域大小的周围栅格的障碍物标识，增加了两类单元栅格标识；在此基础上，灵活利用不同标识对应的单元栅格，综合考虑距离以及可行驶子区域的横滚角、俯仰角、粗糙度等地面属性，利用改进后的A*算法，实时规划了局部可行驶路线，提高了路线规划的成功率，优化了到达局部终点的距离和时间成本；当在路线规划过程中失败时，设计了路线再规划策略。
-
公开(公告)号：CN110967032A
公开(公告)日：2020-04-07
申请号：CN201911220761.7
申请日：2019-12-03
Applicant: 清华大学
Abstract: 本发明提供了一种野外环境下无人车局部行驶路线实时规划方法，主要面向野外环境下无人车感知范围有限、局部地图实时生成、地面属性多样的路线规划场景。本发明在划分完小单元栅格的实时地图基础上，通过考虑以每个单元栅格为中心点的不同区域大小的周围栅格的障碍物标识，增加了两类单元栅格标识；在此基础上，灵活利用不同标识对应的单元栅格，综合考虑距离以及可行驶子区域的横滚角、俯仰角、粗糙度等地面属性，基于A*算法，实时规划了局部可行驶路线，提高了路线规划的成功率，优化了到达局部终点的距离和时间成本；当路线规划失败时，设计了路线再规划策略。
-
公开(公告)号：CN109353505A
公开(公告)日：2019-02-19
申请号：CN201811109832.1
申请日：2018-09-21
Applicant: 清华大学
Abstract: 本发明公开了一种气动力/推力矢量复合控制的尾座式无人机，其特征在于含有：机身、旋翼发动机、升降副翼、舵机、起落架。所述旋翼发动机安装在所述机身尾部，所述舵机安装在所述旋翼发动机内侧，所述舵机通过舵机摇臂驱动拉杆操纵所述升降副翼，所述升降副翼安装在所述旋翼发动机正下方，所述起落架安装在所述机身两侧。本发明的无人机在过失速飞行状态下，通过所述升降副翼偏转所述旋翼发动机产生的高速滑流实现推力矢量控制，提高所述升降副翼的操控能力；在高速平飞状态下，主要通过所述升降副翼偏转来流实现气动力控制，提升巡航飞行效率。本发明的无人机构型简单、使用安全、姿态控制能力强，兼具垂直起降与高效巡航能力，适用于推广应用。
-
公开(公告)号：CN110657713A
公开(公告)日：2020-01-07
申请号：CN201910739750.3
申请日：2019-08-12
Applicant: 清华大学
IPC: F41H11/02
Abstract: 本发明涉及飞行器制导与控制技术领域，公开了一种采用预测制导的主动防御导弹最优发射时机搜索方法，包括：主动防御的三体对抗运动学模型，由载机和来袭导弹的飞行状态求解来袭导弹在已知制导律下的飞行弹道，计算在不同防御导弹发射时间下的预测拦截点序列，计算防御导弹与预测拦截点所形成的预测航向偏差角序列，搜索防御导弹最优发射时机。本方法搜索得到了主动防御问题中防御导弹的最优发射时机，为载机提供了智能发射的能力，相对于非最优发射时机的情况，防御导弹的制导过载为最优，制导能量损耗最小，降低了对防御导弹的性能需求，从而提升了载机的存活概率。
-
公开(公告)号：CN110398986A
公开(公告)日：2019-11-01
申请号：CN201910350969.4
申请日：2019-04-28
Applicant: 清华大学
IPC: G05D1/12
Abstract: 本发明公开了一种多源数据迁移的无人机密集树林感知技术，特征是包含：多源域数据迁移模型和无人机在密集树林中避障寻路的感知技术。所述多源数据迁移的无人机密集树林感知技术使用在虚拟环境中收集的无人机飞行数据，利用深度学习方法将无人机避障寻路问题转换为多方向运动概率分类问题，再将单源深度自适应网络中的源域数据分隔为多源数据域，降低数据统一学习中的负向迁移错误，能够在不引入额外训练量的情况下提高数据有效率，从而提升无人机自主感知能力。本发明的多源数据迁移方案可快速适应不同无人机任务，灵活性高，适用于推广应用。
-
Patent Agency Ranking
公开(公告)号：CN110378484A
公开(公告)日：2019-10-25
申请号：CN201910351669.8
申请日：2019-04-28
Applicant: 清华大学
Abstract: 本发明公开了一种基于注意力机制的空洞卷积空间金字塔池化上下文学习方法，特征是包含：空洞卷积空间金字塔池化模型和注意力模型。所述空洞卷积空间金字塔池化模型由多条带有不同扩张率的空洞卷积通路并联组成，用于提取多尺度上下文信息。所述注意力模型通过非线性函数表征不同通道上下文信息之间的关系，进而对各个通道的多尺度信息分配权重。本发明的基于注意力机制的空洞卷积空间金字塔池化上下文学习方法可以增强空洞卷积空间金字塔池化模型的上下文特征学习能力，并能灵活嵌入到神经网络模型中，适用于图像语义分割、目标检测、图像分类等多种任务，适用于推广应用。
-
公开(公告)号：CN109408941A
公开(公告)日：2019-03-01
申请号：CN201811216160.4
申请日：2018-10-18
Applicant: 清华大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于数据挖掘和遗传算法的飞行器气动优化方法，用于解决使用传统遗传算法进行气动优化时收敛速度缓慢的问题，且该方法在最终优化进行阶段无需人工干预，能实现自动迭代计算，提高了优化效率。技术方案为首先通过半经验估算的方法获取设计样本库，然后对样本库进行数据挖掘，利用聚类分析、方差分析和决策树分析获取高可信度的优化规则，再将这些规则作为先验知识融合到遗传算法中，具体表现为根据先验规则对交叉规则、变异规则进行动态设置，最后将融合改进后的遗传算法用于基于高精度流体仿真的气动优化，获取优异的设计参数。相较于传统的基于遗传算法的优化方法，本发明大大提高了收敛速度，对飞行器气动优化具有很大的工程价值。
-
公开(公告)号：CN109614631B
公开(公告)日：2022-10-14
申请号：CN201811217192.6
申请日：2018-10-18
Applicant: 清华大学
Abstract: 本发明公开了一种基于强化学习和迁移学习的飞行器全自动气动优化方法，用于解决现有气动优化方法存在的容易陷入局部最优或收敛速度缓慢的问题，同时该优化方法在最后的高精度优化阶段将人工干预排除在外，进一步提高了优化效率。技术方案是首先分别建立基于半经验估算和高精度流体仿真的强化学习环境，然后构建强化学习神经网络、设置奖励函数，利用强化学习的全局寻优能力，在网络训练的过程中从半经验估算方法中提取优化经验并储存于网络参数中，然后构建另一个强化学习神经网络，并使用迁移学习将提取的优化经验迁移到该网络，再将其运用到基于高精度流体仿真的气动优化中，最后通过训练该网络获取气动性能优异的高精度设计参数。相对于背景技术方法，本发明提高了收敛速度，同时具备强大的全局寻优能力，对高精度气动优化具有很大的工程价值。
-
公开(公告)号：CN110705562A
公开(公告)日：2020-01-17
申请号：CN201910779135.5
申请日：2019-08-22
Applicant: 清华大学
Abstract: 本发明公开了一种采用注意力机制的金字塔池化多尺度特征学习方法，其特征在于含有：金字塔池化模型和注意力模型。所述金字塔池化模型由多条具有不同池化窗口大小的自适应池化通路并联组成，用于提取多尺度上下文特征。所述注意力模型通过非线性函数表征金字塔池化模型所生成的不同通道特征之间的关系，并对各个通道分配权重以强化有用特征同时抑制无用特征。本发明的一种采用注意力机制的金字塔池化多尺度特征学习方法可以增强金字塔池化模型的多尺度特征学习能力，并能灵活嵌入到卷积神经网络模型中，适用于图像语义分割、目标检测、图像分类等多种任务。
-
公开(公告)号：CN109858612A
公开(公告)日：2019-06-07
申请号：CN201910049890.8
申请日：2019-01-18
Applicant: 清华大学
Abstract: 本发明公开了一种自适应形变空洞卷积方法，包括：自适应形变空洞卷积前向推导模型和自适应形变空洞卷积梯度反向传播模型。特征是所述自适应形变空洞卷积方法将空洞卷积的扩张率作为模型未知参数，通过训练数据自主学习扩张率。所述自适应形变空洞卷积前向推导模型将传统空洞卷积中的离散超参数扩张率转换为连续模型参数，从而将空洞卷积的输入由离散空间扩展到连续空间，并且使得自适应形变空洞卷积的扩张率能够通过所述自适应形变空洞卷积梯度反向传播模型来学习。本发明的自适应形变空洞卷积方法能够自主学习扩张率，灵活性高，适用于推广应用。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
