-
公开(公告)号：CN116522803A
公开(公告)日：2023-08-01
申请号：CN202310784029.2
申请日：2023-06-29
Applicant: 西南科技大学
IPC: G06F30/27 , G06F30/28 , G06F17/13 , G06N3/0464 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明公开了一种可解释深度学习的超声速燃烧室流场重构方法，属于超声速燃烧室流场重构技术领域，为了能够提高数据驱动的重构精度，包括：S1：利用地面风洞试验及CFD数值模拟软件，构建不同来流条件下的燃烧室构型的流场数据集；S2、对所述流场数据集进行数据预处理操作，得到预处理后的流场数据集；S3、将所述预处理后的流场数据集打乱并按比例切分为训练集和测试集；S4、利用所述训练集对超声速燃烧室流场重构模型进行训练，得到训练好的模型和训练权重；S5、根据所述测试集，将所述训练权重和所述训练好的模型嵌入至FPGA平台，得到超声速燃烧室流场重构结果。
-
公开(公告)号：CN116301030A
公开(公告)日：2023-06-23
申请号：CN202310132647.9
申请日：2023-02-17
Applicant: 西南科技大学
IPC: G05D1/10
Abstract: 本发明公开了一种水空多旋翼飞行器控制方法及其系统，方法包括：获取水空多旋翼飞行器的飞行指令和状态信息；以得到水空多旋翼飞行器在当前任务中的目标状态和初始状态；利用深度强化学习器，得到水空多旋翼飞行器当前时刻的动作并将当前时刻的动作发送至水空多旋翼飞行器；控制水空多旋翼飞行器执行当前时刻的动作；获取水空多旋翼飞行器下一时刻的状态；控制水空多旋翼飞行器将初始状态、当前时刻的动作、下一时刻的状态以及当前时刻的奖励函数缓存为数据包并将与数据包反馈至深度强化学习器；利用深度强化学习器判断下一时刻的状态是否为目标状态，并判断实际位置和姿态是否为目标位置和目标姿态，以实现对飞行器的控制。
-
公开(公告)号：CN116185063A
公开(公告)日：2023-05-30
申请号：CN202211625435.6
申请日：2022-12-16
Applicant: 西南科技大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于陆空异构多机器人协同系统的放射物搜寻方法及系统，应用于多旋翼飞行器，包括：S1：根据控制指令抓取多个球形机器人；S2：判断各所述球形机器人为正常状态，若是，根据所述控制指令进行飞行并进入步骤S3；否则，返回步骤S1；S3：若当前飞行位置为放射物污染区的安全边缘区域上空，则进入步骤S4；S4：降低飞行高度并采集当前飞行位置的相关环境信息；S5：判断所述相关环境信息是否安全，若是，进入步骤S6，否则，重新确定当前飞行位置并返回步骤S3；S6：逐个抛撒投放多个所述球形机器人并利用多个所述球形机器人进行放射物搜寻。本发明能解决现有机器人在复杂的放射性污染环境中信息获取能力弱的问题。
-
公开(公告)号：CN116227327B
公开(公告)日：2025-03-18
申请号：CN202211595997.0
申请日：2022-12-13
Applicant: 西南科技大学
IPC: G06F30/27 , G06F30/15 , G06F17/18 , G06N3/006 , G06F111/10 , G06F111/08 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种超燃冲压发动机全流道壁面压力参数辨识方法，包括：获取全流道壁面压力的相关数据集；利用训练集构建全流道湍流模型参数不确定传播的代理模型；根据代理模型、贝叶斯理论和粒子群算法，得到多个辨识模型和最优参数；利用数值模拟软件，得到与当前辨识模型相对应的相关压力数据；根据相关压力数据和真实试验获得的压力数据，得到误差；判断误差是否超过预设阈值，并判断当前辨识模型是否为最后一个辨识模型，对所有辨识模型进行嵌套和融合处理；利用一体化参数辨识模型对验证集进行参数辨识；对辨识结果进行分析；对一体化参数辨识模型进行优化；利用优化后的一体化参数辨识模型对全流道壁面压力参数进行辨识。
-
公开(公告)号：CN115291621B
公开(公告)日：2024-12-20
申请号：CN202211083655.0
申请日：2022-09-06
Applicant: 西南科技大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种水空多旋翼无人机跨介质控制系统及方法，该系统包括设置在水空多旋翼无人机上的主控制器、动力子系统、监测子系统、传感器子系统、通信子系统，其中主控制器用于采用仿人智能控制器根据监测子系统和传感器子系统获取的信息对水空多旋翼无人机进行多特征融合的模式识别，确定水空多旋翼无人机下一步采取的最优的航向和期望姿态以及为调整姿态采用的最优控制策略，并通过改进运动控制级进行控制。本发明采用多模态控制，对不同特征状态采取适应的控制策略，对复杂环境适应性强。
-
Patent Agency Ranking
公开(公告)号：CN118504434B
公开(公告)日：2024-09-17
申请号：CN202410965012.1
申请日：2024-07-18
Applicant: 西南科技大学
IPC: G06F30/27 , G06F18/2131 , G06F18/25 , G06F18/10 , G06N3/044 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种超声速燃烧室多物理场智能预测方法及可视化系统，属于超声速流动燃烧技术领域和人工智能领域的交叉融合领域，该方法为：基于不同燃烧室的构型，进行非定常数值仿真计算，构建数据集；进行预处理；将低马赫数数据作为源域数据，将高马赫数数据作为目标域数据；构建迁移学习源域模型；对迁移学习源域模型进行训练，并保存训练权重；冻结并修改迁移学习源域模型，得到基于迁移学习目标域模型；将高马赫数数据输入至迁移学习目标域模型，更新并保存该模型的权重；设计可视化系统，进行高马赫数宽域变几何超声速燃烧室多物理场智能预测图像的可视化操作。本发明能准确快速地预测高马赫数宽域条件下的变几何超声速燃烧室多物理场结构。
-
公开(公告)号：CN118395884A
公开(公告)日：2024-07-26
申请号：CN202410858143.X
申请日：2024-06-28
Applicant: 西南科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/09 , G06N3/092 , G06N3/096 , G06F18/25
Abstract: 本发明公开了一种航空发动机燃烧室性能自适应优化调控方法，属于航空发动机的技术领域，其包括：确定航空发动机燃烧室的多维燃油调控参数和航空发动机的来流参数；构建高维样本空间，获取样本输入参数；构建多源数据融合的样本数据集；构建燃烧室性能代理模型；采用深度学习方法构建燃烧室燃烧不稳定性预测模型；构建燃烧室性能自适应优化调控规律系统，并嵌入燃烧室性能代理模型，根据强化学习智能体模块的决策动作实时预测燃烧室燃烧性能变化。本发明可实时预测燃烧室性能，实现燃烧不稳定实时监测，并在发动机燃烧室全包线内实现对油气分布及燃烧流场的自适应调控，保证燃烧室处于综合性能最优状态。
-
公开(公告)号：CN116798531B
公开(公告)日：2024-03-22
申请号：CN202310790691.9
申请日：2023-06-29
Applicant: 西南科技大学
Abstract: 本发明公开了一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法，属于碳氢燃料燃烧模拟技术领域包括：S1、构建用于数值模拟的碳氢燃料机理文件；S2、基于机理文件，构建零维点火及一维层流火焰的数据集；S3、基于构建的数据集，构建神经网络代理模型；S4、利用神经网络代理模型，对简化机理的全参数进行优化；S5、将全参优化后的简化机理进行数值模拟计算，并根据计算结果优化简化机理模型的参数，进而实现超声速燃烧室碳氢燃料机理简化。本发明在保证精度的同时大幅度提高数值模拟的速度，为超燃冲压发动机在数值模拟过程中的高精度计算工作奠定基础，为发动机飞行过程中的安全可靠工作提供技术支撑。
-
公开(公告)号：CN116301030B
公开(公告)日：2025-03-11
申请号：CN202310132647.9
申请日：2023-02-17
Applicant: 西南科技大学
IPC: G05D1/46
Abstract: 本发明公开了一种水空多旋翼飞行器控制方法及其系统，方法包括：获取水空多旋翼飞行器的飞行指令和状态信息；以得到水空多旋翼飞行器在当前任务中的目标状态和初始状态；利用深度强化学习器，得到水空多旋翼飞行器当前时刻的动作并将当前时刻的动作发送至水空多旋翼飞行器；控制水空多旋翼飞行器执行当前时刻的动作；获取水空多旋翼飞行器下一时刻的状态；控制水空多旋翼飞行器将初始状态、当前时刻的动作、下一时刻的状态以及当前时刻的奖励函数缓存为数据包并将与数据包反馈至深度强化学习器；利用深度强化学习器判断下一时刻的状态是否为目标状态，并判断实际位置和姿态是否为目标位置和目标姿态，以实现对飞行器的控制。
-
公开(公告)号：CN118504434A
公开(公告)日：2024-08-16
申请号：CN202410965012.1
申请日：2024-07-18
Applicant: 西南科技大学
IPC: G06F30/27 , G06F18/2131 , G06F18/25 , G06F18/10 , G06N3/044 , G06N3/0464 , G06N3/049 , G06N3/045 , G06N3/096
Abstract: 本发明提供了一种超声速燃烧室多物理场智能预测方法及可视化系统，属于超声速流动燃烧技术领域和人工智能领域的交叉融合领域，该方法为：基于不同燃烧室的构型，进行非定常数值仿真计算，构建数据集；进行预处理；将低马赫数数据作为源域数据，将高马赫数数据作为目标域数据；构建迁移学习源域模型；对迁移学习源域模型进行训练，并保存训练权重；冻结并修改迁移学习源域模型，得到基于迁移学习目标域模型；将高马赫数数据输入至迁移学习目标域模型，更新并保存该模型的权重；设计可视化系统，进行高马赫数宽域变几何超声速燃烧室多物理场智能预测图像的可视化操作。本发明能准确快速地预测高马赫数宽域条件下的变几何超声速燃烧室多物理场结构。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.02 seconds)
