[發明專利]基于運動偽裝的航天器隱蔽機動軌跡設計方法有效
| 申請號： | 201910603641.9 | 申請日： | 2019-07-05 |
| 公開（公告）號： | CN110399652B | 公開（公告）日： | 2023-05-05 |
| 發明（設計）人： | 趙勇;陳陽;白玉鑄;楊磊;陳小前;孫俊;袁建平 | 申請（專利權）人： | 中國人民解放軍國防科技大學 |
| 主分類號： | G06F30/27 | 分類號： | G06F30/27;G01C21/24;G06N3/006 |
| 代理公司： | 北京奧文知識產權代理事務所(普通合伙) 11534 | 代理人： | 張文;苗麗娟 |
| 地址： | 410073 湖*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 暫無信息 | 說明書： | 暫無信息 |
| 摘要： |
本發明公開了一種基于運動偽裝的航天器隱蔽機動軌跡設計方法，該方法包括：根據光學偵察衛星的位置、偽裝背景的位置，通過下述公式一，獲取飛行航天器的位置：ρ |
||
| 搜索關鍵詞： | 基于 運動 偽裝 航天器 隱蔽 機動 軌跡 設計 方法 | ||
【主權項】：
暫無信息
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍國防科技大學，未經中國人民解放軍國防科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.ethancrump.com/patent/201910603641.9/，轉載請聲明來源鉆瓜專利網。
- 同類專利
- 基于NSGA-Ⅱ的并聯燃燒航空發動機優化設計方法-202310177274.7
- 李寶忠;張凈玉;何小民 - 南京航空航天大學
- 2023-02-28 - 2023-05-16 - G06F30/27
- 本申請提供了一種基于NSGA?Ⅱ的并聯燃燒航空發動機優化設計方法，首先基于氣動熱力計算推導得出并聯燃燒航空發動機的性能指標；然后確定影響性能指標的設計參數，構建發動機設計參數優化的多目標數學模型；接著構建評價函數nondim_multiGA，考慮飛行高度和馬赫數等飛行條件，計算適應度；最后通過gamultiobj函數求解得到對應飛行條件下符合主外涵流路流量分配原則的Pareto最優解集。本申請針對并聯燃燒航空發動機，提供了一種高效的優化設計方法，可以大幅降低設計成本，為樣機的試制提供參考。
- 一種重型燃氣輪機難測參數軟測量方法-202211559748.6
- 唐寅;艾容申;曹殿堯;黃慶;陳志鋒;曹啟威;張冬冬 - 華能南京燃機發電有限公司
- 2022-12-06 - 2023-05-16 - G06F30/27
- 本發明提供了一種重型燃氣輪機難測參數軟測量方法，涉及重型燃氣輪機技術領域，包括如下步驟：通過主成分分析的方法將輸入變量分組得到多個子塊；收集電廠的歷史運行數據；建立多層軟測量模型；所述多層軟測量模型包括第一層即時學習模型、第二層高斯過程回歸模型和第三層深度前饋神經網絡模型；本發明運用了一種基于即時學習和集成學習相結合的自適應軟測量多層次建模方法即時學習?高斯過程回歸?深度前饋神經網絡，用于對難以測量的參數進行軟測量。該模型將基于變量分組的集成學習框架與即時學習方法相結合，通過即時學習算法實現局部模型的實時更新，通過集成學習提高模型的準確性。
- 一種多模態工業過程自動故障診斷方法及系統-202111339078.2
- 潘福成;史海波;周曉鋒;李顯;李歆 - 中國科學院沈陽自動化研究所
- 2021-11-12 - 2023-05-16 - G06F30/27
- 本發明涉及一種多模態工業過程自動故障診斷方法及系統，包括利用網絡結構搜索對工業過程數據進行自動網絡設計及參數自動尋優，利用多通道卷積增強網絡的表現力，實現單模態工業過程的自動故障診斷。同時結合元學習之前模態的信息用于新的模態。本發明通過將網絡結構搜索、多通道卷積、元學習的結合，考慮到工業多模態之間的聯系，克服了現有基于深度神經網絡的工業過程故障診斷方法存在網絡結構設計繁瑣及參數尋優耗，以及對之前設計經驗利用不充分的問題，對多模態工業過程自動故障診斷具有理論和實際意義。
- 基于改進沙貓算法優化的GIS設備溫升預測方法及系統-202310391836.8
- 康兵;高永民;付超;劉翔;王琦;許志浩;丁貴立;王宗耀;肖輝;劉凡;嚴夏;石婷婷;劉文軒;王子涵 - 南昌工程學院;中國電力科學研究院有限公司
- 2023-04-13 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于改進沙貓算法優化的GIS設備溫升預測方法及系統，該方法通過收集GIS設備的歷史多維運行狀態參量和實測的GIS設備的溫升數據來構造初始樣本數據集，對構造完成的初始樣本數據集進行歸一化處理；將BP神經網絡的原始閾值和原始權重作為改進沙貓算法的初始種群位置進行尋優，獲取BP神經網絡的最優閾值和最優權重；訓練BP神經網絡得到GIS設備溫升預測模型，根據實時采集的多維運行狀態參量用GIS設備溫升預測模型進行GIS設備的溫升預測。本發明采用改進沙貓算法優化的BP神經網絡進行GIS設備的溫升預測，能夠實時準確的輸出GIS設備內部的溫升情況。
- 像素電路版圖的繪制方法、裝置及相關產品-202211673596.2
- 楊祖聲;吾立峰;陸濤濤;代超;張正;高蕾 - 深圳華大九天科技有限公司
- 2022-12-26 - 2023-05-16 - G06F30/27
- 本申請公開了像素電路版圖的繪制方法、裝置及相關產品，方法包括：指標計算步驟，其判斷是否需要將第一像素電路版圖作為待優化目標像素電路版圖；參數調整步驟根據期望的結果指標和版圖圖形入參的映射關系，對應調整版圖圖形入參，以對應調整版圖圖形參數單元的優化版圖特征，以在待優化目標像素電路版圖的基礎上進行版圖繪制得到第二像素電路版圖，判斷是否需要將第二像素電路版圖作為新的待優化目標像素電路版圖；若是，則在新的目標像素電路版圖的基礎上進行版圖繪制得到新的第二像素電路版圖，并執行指標計算步驟，以判斷是否需要對新的第二像素電路版圖進行優化，直至新的第二像素電路版圖的結果指標滿足設計指標。
- 一種基于數據驅動的數據中心負荷預測方法-202310015884.7
- 朱一昕;畢愷韜;劉寶泉;糜達;徐燕;孫慶祝 - 無錫釗源電力電子有限公司
- 2023-01-05 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于數據驅動的數據中心負荷預測方法，包括步驟：使用LSTM神經網絡進行訓練和測試；使用訓練好的神經網絡模型對服務器CPU利用率進行預測；將服務器CPU利用率和服務器發熱量擬合得到兩者的函數關系；對神經網絡進行訓練和測試，使用訓練好的神經網絡模型對機房空調用電量進行預測；對神經網絡進行訓練和測試；使用訓練好的神經網絡模型對服務器用電量進行預測；將服務器用電量、空調用電量、其他用電量匯總，得到整個數據中心的電能消耗量。本發明在有明確數學關系表述的部分選擇物理機制模型表達，在非線性關系和負荷預測部分采用數據驅動模型表述，建模精度和預測準確度有較大提升。
- 一種基于雙高斯貝葉斯網絡的特性粘度在線軟測量方法-202310057256.5
- 陳磊;施錦濤;董皓言;郝礦榮 - 東華大學
- 2023-01-17 - 2023-05-16 - G06F30/27
- 本發明提出了一種基于雙高斯貝葉斯網絡的特性粘度在線軟測量方法，包括先后進行的預訓練階段和在線軟測量階段；預訓練階段前，從聚酯纖維聚合過程的傳感器上采集歷史數據，并將其劃分為訓練樣本和測試樣本；預訓練階段先采用訓練樣本訓練預測模型，再采用訓練樣本訓練校正模型；在線軟測量階段利用訓練后的預測模型和訓練后的校正模型獲得待測樣本的特性粘度的最終預測值。本發明的方法克服了傳統離線建模方法自適應性差、模型性能下滑的缺點，提高了聚合物的質量及成品纖維性能。
- 一種煤氣用量預測方法、系統、設備及存儲介質-202310075854.5
- 于現軍;王哲;李鵬 - 北京和隆優化科技股份有限公司
- 2023-02-07 - 2023-05-16 - G06F30/27
- 本發明實施例公開了一種煤氣用量預測方法、系統、設備及存儲介質，首先對高爐熱風爐進行溫度檢測，根據檢測結果計算得到熱風爐的當前爐熱偏差；將當前爐熱偏差與下一爐煤氣需求量作為樣本數據對，利用進行數據篩選后的樣本數據對生成訓練數據集和測試數據集；利用訓練數據集構建第一煤氣用量預測模型，基于提升決策樹算法進行模型訓練，得到訓練完成的第二煤氣用量預測模型；再利用測試數據集對第二煤氣用量預測模型進行模型驗證處理，得到驗證通過的第三煤氣用量預測模型；最后利用第三煤氣用量預測模型進行加權結合處理，得到煤氣用量預測結合模型。本發明實施例實現了預測高爐熱風爐煤氣用量，有效提高了煤氣用量預測的準確性。
- 建立土壤類型和成土環境要素之間關系模型的方法-202310158676.2
- 鄧昌元;羅漢景;趙明瑞;田昌;王琳;彭麗緩;孫浩植;鄧昌軍 - 云南瀚哲科技有限公司
- 2023-02-23 - 2023-05-16 - G06F30/27
- 本發明涉及電數字數據處理技術領域，涉及建立土壤類型和成土環境要素之間關系模型的方法，包括：在仿真系統內劃定多個研究區域，并將多個研究區域區分為常規土壤環境以及變化土壤環境；對變化土壤環境以特定形式進行仿真，并對常規土壤環境以標準化進行仿真，直至仿真時長達到閾值后停止；探測兩種土壤類型的屬性數據，并提取常規土壤環境以及變化土壤環境的數據波段；分別對常規土壤環境以及變化土壤環境的數據波段進行組合，并結合屬性數據對常規土壤環境以及變化土壤環境進行分析，以獲取變化土壤環境與常規土壤環境之間的差值；篩除差值低于設定指標的數據，并導入至預設的土壤類型關系模型進行迭代更新，完成土壤類型關系模型的訓練。
- 一種基于深度強化學習的多無人機協同追蹤方法-202310169927.7
- 姜昊;武永寶;薛磊;劉劍 - 東南大學
- 2023-02-27 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于深度強化學習的多無人機協同追蹤方法，屬于多智能體控制領域。該方法首先在無人機對戰仿真平臺上對多無人機作戰系統進行建模；隨后，設置多無人機協同作戰的固定規則動作以及多無人機的初始位置和追蹤條件；接著，設置無人機智能體強化學習的狀態、動作和獎勵函數；最后，在面對不同對手的情況下，使用QMIX算法對無人機智能體進行訓練，并根據訓練效果調整超參數，實現無人機協同追蹤的目的。
- 一種電網覆冰災害風險判斷方法及相關設備-202310275723.1
- 馬御棠;耿浩;周仿榮;徐真;高振宇;文剛;馬儀;曹俊;潘浩;王國芳;顧仕強 - 云南電網有限責任公司電力科學研究院
- 2023-03-17 - 2023-05-16 - G06F30/27
- 本發明實施例公開了一種電網覆冰災害風險判斷方法及相關設備，所述方法包括：獲取目標區域的氣象預報數據、所述目標區域中電網網架信息和所述目標區域中電網網架的實時覆冰信息；基于所述實時覆冰信息、所述氣象預報數據和預設覆冰預測模型得到所述目標區域中電網網架的覆冰災害風險等級，所述預設覆冰預測模型包括BP神經網絡；根據所述覆冰災害風險等級，采用空間分析方法，得到所述目標區域中受覆冰災害影響的電網設備清單；基于受覆冰災害影響的電網設備清單采用統計分析方法獲取所述目標區域中電網的受災影響情況及網格風險點分布數據，并根據所述受災影響情況及所述網格風險點分布數據生成預警報告。
- 重復來電的預測方法及裝置-202211222843.7
- 白安琪;蔣寧;吳海英;肖冰 - 馬上消費金融股份有限公司
- 2022-10-08 - 2023-05-16 - G06F30/27
- 本申請公開了一種重復來電的預測方法及裝置，屬于計算機技術領域。所述重復來電的預測方法包括：獲取目標用戶的歷史通話文本；基于所述歷史通話文本，確定所述目標用戶的第一數據和第二數據；其中，所述第一數據包括第一特征，所述第一特征用于指示所述目標用戶的來電初衷是否被滿足；所述第二數據包括第二特征和/或第三特征，所述第二特征用于指示所述目標用戶是否存在通話異常，所述第三特征用于指示所述目標用戶是否存在理解異常；將所述第一數據和所述第二數據輸入已經訓練好的目標機器學習模型進行重復來電預測，得到所述目標用戶的預測結果，所述預測結果包括所述目標用戶是否會重復來電。
- 基于分時電價的電動汽車充電方法、裝置及相關設備-202211271013.3
- 方八零;廖瑩;陳剛;李鑫誠 - 湖南工業大學
- 2022-10-17 - 2023-05-16 - G06F30/27
- 本發明涉及電動汽車充電技術領域，尤其涉及基于分時電價的電動汽車充電方法、裝置及相關設備，方法包括：根據電動汽車的出行數據構建電動汽車負荷模型；基于所述電動汽車負荷模型，以電網總負荷峰谷差最小為目標函數，構建電動汽車有序充電模型；建立對應所述電動汽車有序充電模型的約束條件；基于所述目標函數和所述約束條件，通過人工蜂群算法對所述電動汽車有序充電模型進行求解。本申請能夠減小電網的峰谷差，減緩電動汽車無序充電造成的電網負荷波動，提高電網穩定性，引導電動汽車用戶有序充電。
- 一種空投降落傘降落區域的快速計算方法-202211612391.3
- 郭鯤;馬春江;孫靖國 - 中國航空工業集團公司西安航空計算技術研究所
- 2022-12-15 - 2023-05-16 - G06F30/27
- 本發明提供了一種空投降落傘降落區域的快速計算方法，包括：獲取初始條件；所述初始條件包括飛機高度、飛機速度、飛機姿態、風速、風向、降落傘參數、空投貨物的重量；建立降落傘運動模型，使用該降落傘運動模型和無擾動的初始條件進行一次軌跡仿真計算得到空投物降落區域的中心位置；使用神經網絡計算得到空投物降落區域中的落點位置；通過獲得的空投物降落區域的中心位置和落點位置計算得到降落區域。本發明的方法可快速且實時計算空投降落傘降落區域，且計算得到的落點分布區域與實際空投情況更加吻合。
- 基于雙檔案機制多目標粒子群優化算法的自適應校正武器目標分配系統-202211656539.3
- 潘黎鋮;張承龍;付強;曹宇飛;黃煦;馬夢穎;楊水鋒;韋文書;趙強;李洋;王文海;劉興高 - 浙江大學
- 2022-12-22 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于雙檔案機制多目標粒子群優化算法的自適應校正武器目標分配系統，該系統包括顯控模塊、上位機、武器?目標分配多目標優化問題設計模塊以及基于雙檔案機制多目標粒子群優化算法的優化模塊。本發明所涉及的基于雙檔案機制多目標優化算法的武器?目標分配系統，采用所述的設備實現武器?目標分配問題的最優解集搜索。本發明克服傳統武器?目標分配系統對最優解集收斂性以及多樣性平衡能力較差，容易陷入局部最優的不足，利用雙檔案機制以及混沌尋優技術，提高了對武器?目標問題的全局搜索能力以及在收斂性和多樣性上的平衡能力；采用自適應校正策略對模型進行自動更新，維持系統的準確性。
- 基于VMD和LSTM融合模型的風電功率預測方法、系統、裝置及介質-202211634625.4
- 程艷;朱昭云;張波;張銘 - 中國華能集團清潔能源技術研究院有限公司;華能海上風電科學技術研究有限公司
- 2022-12-19 - 2023-05-16 - G06F30/27
- 本發明公開基于VMD和LSTM融合模型的風電功率預測方法、系統、裝置及介質，包括：獲取風電功率預測所需的樣本數據，對樣本數據進行數據質量控制；對樣本數據不同特征變量之間進行特征相關性分析，篩選出對風電功率時間序列影響超過閾值的變量特征；對篩選后的風電功率時間序列進行VMD分解，得到K個子序列；將VMD分解的各個子序列與特征變量進行特征融合和數據歸一化，通過構建時間滑動窗口劃分訓練集和測試集，并基于訓練集和測試集對LSTM模型進行訓練和預測，得到K個模型輸出量；對K個模型輸出結果進行求和得到風電功率預測結果，并進行誤差計算。本發明引入信號分解，利用數據之間的聯系，實現風電功率的準確預測；提高預測準確性，簡化預測過程。
- 一種基于PINN神經網絡的速度場測量方法-202211641312.1
- 黃薦;王靜竹;王一偉;白鵬博;黃劍霖 - 中國科學院力學研究所
- 2022-12-20 - 2023-05-16 - G06F30/27
- 本發明提供了一種基于PINN神經網絡的速度場測量方法，包括：對二維流場進行粒子圖像測速，得到包含流場流動速度信息的數據矩陣；對生成的數據矩陣進行數據預處理形成總數據集，而后進行隨機取樣，建立訓練集、測試集和驗證集；搭建PINN神經網絡模型，將訓練集的數據代入PINN神經網絡模型中進行訓練，多輪迭代更新后，得到速度場關于空間和時間的PINN神經網絡模型；輸入二維流場的時空坐標，能夠預測對應時空坐標的速度場信息，獲得超級分辨率的速度場信息。本發明將PINN神經網絡應用到了速度場測量中，解決了現有技術流場的速度場測量方法中，進行數據可視化時，流場圖像的分辨率低，同時計算效率低的問題。
- 基于負載不確定性的光學精密設備主動隔振方法-202211731556.9
- 徐振邦;徐安鵬;賀帥;王琳濤;張恩陽;朱明超 - 中國科學院長春光學精密機械與物理研究所
- 2022-12-30 - 2023-05-16 - G06F30/27
- 本發明提供一種基于負載不確定性的光學精密設備主動隔振方法，包括如下步驟：S1、建立光學精密設備的主動隔振模型；S2、對主動隔振模型進行模態空間解耦，將光學精密設備的多自由度轉化為單自由度；S3、建立神經網絡，對單自由度的光學精密設備的參數進行在線辨識，得出動態模態解耦矩陣，以提供對光學精密設備的負載慣性力進行實時補償的補償力；S4、設計基于加速度反饋和速度反饋的主動阻尼控制律，提供對光學精密設備振動的主動控制力；S5、基于李雅普諾夫函數判定光學精密設備的穩定性。本發明采用神經網絡補償負載的動態不確定性，減小負載擾動的影響，從而解決負載不確定性對于振動控制精度的影響，使得振動速度和振動位移快速收斂。
- 一種高爐利用率預測方法、裝置、電子設備及存儲介質-202211156904.4
- 謝皓;顏秋余;雷磊;徐燦;孫小東 - 中冶賽迪信息技術（重慶）有限公司
- 2022-09-21 - 2023-05-16 - G06F30/27
- 本發明實施例中的一種高爐利用率預測方法、裝置、電子設備及存儲介質，該方法通過獲取生產參數時間序列以及煤氣利用率參數時間序列，將生產參數時間序列與煤氣利用率參數時間序列對齊后，根據對齊后的生產參數與煤氣利用率參數構建數據回歸模型并對待預測生產參數進行數據擬合處理，得到煤氣預測利用率參數，本方法通過對獲取到的生產參數時間序列以及煤氣利用率參數時間序列之間的時滯時長進行確定后，根據時滯時長將生產參數與煤氣利用率對齊，使參數之間的時滯時間消除，避免了耦合時間差的出現，其次，本方法根據對齊后的參數構建回歸模型，以實際參數為依據構建回歸模型，使得模型訓練過程的參數基礎更好的優化，以使預測結果更準確。
- 基于多模態自注意力的機電作動器壽命預測方法及裝置-202211445102.5
- 陳子涵;張萌;張曉萌;陳辰 - 中國空間技術研究院
- 2022-11-18 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于多模態自注意力的機電作動器壽命預測方法及裝置，所述方法包括：對機電作動器的多模態傳感器數據分別標準化；建立多模態自注意力模型，編碼模塊包括多個并行的子編碼模塊；編碼器模塊包括多個并行的、結構相同的編碼塊，所述編碼器模塊將編碼數據映射到編碼空間，得到編碼向量；所述剩余壽命映射模塊輸出機電作動器的剩余壽命；訓練多模態自注意力模型，得到訓練完畢的多模態自注意力模型；將標準化的機電作動器的多模態傳感器數據輸入訓練完畢的多模態自注意力模型，得到機電作動器的剩余壽命。本方法提出的多模態自注意力模型能夠更快捷和更有效地對機電作動器多模態傳感器數據建模，更準確地實時預測剩余壽命。
- 一種核電站致災海生物爆發預測方法及系統-202211499491.X
- 崔妍;王寶剛;尤成懋;劉超;張猛;陳世均;田新華;何光初;任合斌;黃立軍 - 蘇州熱工研究院有限公司;廣東核電合營有限公司;中廣核核電運營有限公司;中國廣核集團有限公司;中國廣核電力股份有限公司
- 2022-11-28 - 2023-05-16 - G06F30/27
- 本發明公開了一種核電站致災海生物爆發預測方法及系統，該方法包括：構建核電站的水動力模型，以模擬核電站取水口區域的水動力時空變化；構建海生物爆發預測模型，以根據核電站取水口區域的水動力時空變化對致災海生物的爆發進行模擬預測，為核電站冷源管理提供針對性的監測和防控對策，提高核電冷源安全防控精度、應急處置效率和冷源安全可靠性。
- 一種光學散射測量的自適應優化方法-202211641355.X
- 孟凱;徐翊航;樓佩煌;錢曉明;武星 - 南京航空航天大學;南京航空航天大學蘇州研究院
- 2022-12-20 - 2023-05-16 - G06F30/27
- 本發明公開了一種光學散射測量的自適應優化方法，針對待測納米結構進行參數化建模并搭建基礎粗粒度樣本庫；以該樣本庫為基礎訓練構建粗粒度代理模型，并通過該代理模型完成多重點區域的快速識別；而后根據重點區域進行自適應采樣建庫，此時生成的樣本庫即為精粒度樣本庫；以該樣本庫為基礎訓練構建精粒度代理模型，并通過該模型完成在重點區域內的精粒度搜索優化，尋找多重點區域內的最優值，該最優值即為待測樣本的相關參數。本發明能夠通過變粒度的代理模型縮小搜索范圍并快速建庫，通過自適應的尋優策略提高優化效率，進而實現準確、高效地求解待測樣本的相關參數。
- 一種基于PSO算法的頁巖氣水平井DTS監測反演解釋方法-202310185853.6
- 羅紅文;馬寒松;李海濤;向雨行;張琴;李穎;蔣貝貝;顏昌彬;艾文斌 - 西南石油大學
- 2023-03-01 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于PSO算法的頁巖氣水平井DTS監測反演解釋方法，包括以下步驟：設置PSO算法參數和適應度函數；初始化粒子的位置和速度，計算個體極值
- 小傾角軌道遠程交會的機動參數獲取方法、裝置及設備-202310187097.0
- 張進;郭傳敏;張函宇;王柯茂;王力堯;陳淵 - 中國人民解放軍國防科技大學
- 2023-03-01 - 2023-05-16 - G06F30/27
- 本申請涉及一種小傾角軌道遠程交會的機動參數獲取方法、裝置及設備。所述方法包括:通過獲取的交會任務的初始參數構建以僅偏航組合機動參數為設計變量的機動優化模型，并將設計變量劃分為用于滿足終端等式約束的第一設計變量，以及用于解析優化搜索的第二設計變量，分別采用機動參數解析計算模塊以及機動解析優化模型對第一設計變量和第二設計變量進行求解得到對應的解，該解為機動參數的全局最優化解析近似解，接著采用第一機動高精度模型對全局最優化解析近似解進行迭代優化直至脫靶量收斂于預設的收斂標準，以獲取高精度機動參數。采用本方法可得到小傾角軌道遠程交會任務中的僅偏航組合機動參數的高精度解。
- 融合時序信息的基于DDPG的無人駕駛超車決策方法-202310197273.9
- 黃志清;張晨陽;王舒晴;趙瑞 - 北京工業大學
- 2023-03-03 - 2023-05-16 - G06F30/27
- 本發明公開了融合時序信息的基于DDPG的無人駕駛超車決策方法。本發明通過獲取多個連續時刻的狀態，如車輛速度、車輪轉速、距離鄰近其它車輛位置和車道線距離檢測等狀態信息，處理生成一個多維狀態輸入矩陣。然后將該狀態矩陣輸入到超車決策控制模型中，直接輸出車輛的動作控制信號，如油門、剎車和轉向角度，從而控制車輛完成超車駕駛行為。超車模型的神經網絡結構基于Actor?Critic架構，其中神經網絡輸入的多維狀態矩陣融入了時間序列駕駛狀態信息，通過時間衰減因子權重系數來控制不同時刻的狀態空間所占的比重。最后通過在TORCS(TheOpenRacingCarSimulator)平臺上的仿真實驗表明，融合時序信息的超車模型能夠控制無人車安全、精準地完成超車任務。
- 一種基于深層神經網絡的永磁同步電機故障診斷方法-202310346865.2
- 皇甫海濱;周勇;張超;馬尚君;劉更 - 西北工業大學
- 2023-04-03 - 2023-05-16 - G06F30/27
- 本發明提供了一種基于深層神經網絡的永磁同步電機故障診斷方法，通過運行故障仿真模型采集故障數據，將故障數據作為樣本集數據，將采集到的故障數據使用數據增強的方式進行樣本集的擴充，并通過添加高斯白噪聲，得到仿真數據，建立永磁同步電機的故障模型，并訓練得到訓練好的故障模型，輸入數據為三相電流數據，輸出數據為故障類型，采集永磁同步電機的三相電流導入故障模型，完成永磁同步電機的故障診斷。本發明具有更高的故障診斷準確率，故障診斷的失誤率降低了2倍，極大的降低了硬件成本，減少了網絡的訓練時間，與VGG16模型相比，本發明減少了將近50%的訓練時間，而且對計算機硬件的要求也大大降低。
- 面向分類的生活垃圾收運路徑多目標優化方法及系統-202310387128.7
- 胡紓寒;安黎 - 中國科學院地理科學與資源研究所
- 2023-04-12 - 2023-05-16 - G06F30/27
- 本發明提供了一種面向分類的生活垃圾收運路徑多目標優化方法及系統，屬于城市垃圾收運技術領域。本發明分別建立不同收運方式的生活垃圾收運路徑優化模型，采用混合粒子群遺傳算法，求解多目標帕累托最優解集，同時進行多目標的優化；定量分析不同優化目標之間的協同或權衡關系，設定路徑方案的決策偏好，根據設定的決策偏好設定各目標的權重，確定不同偏好下的優化方案，并確定最優生活垃圾收運路徑。本發明給出了分類聯合收運方式及分類單獨收運方式的研究，實現了根據不同偏好選擇不同垃圾分類收運方式并確定最優收運路徑，能夠使目標更優化。
- 一種基于強化學習的公交站場服務中斷防治方法-202310007411.2
- 倫嘉銘;姜海明;李錦豪;謝康 - 廣東工業大學
- 2023-01-04 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于強化學習的公交站場服務中斷防治方法，包括以下步驟：S1、建立車流與客流相結合的公交運行仿真模型，將仿真模型作為強化學習的環境，并設計狀態空間與動作空間；S2、采集公交系統的當前運行狀態，根據運行狀態對強化學習算法下的無效動作進行遮蔽；S3、利用長短期記憶模型預測環境狀態，使智能體不斷與環境進行交互以學習最優策略，并對算法參數進行更新，直到完成設定訓練回合數；S4、采用訓練完成的強化學習算法對公交系統進行模擬計算，智能體通過控制車輛駐留站場，延遲發車時間，達成公交站場服務中斷防治。本方法與傳統技術相比，通過實時感知公交系統中的客流與車輛位置信息，對公交站場發車進行動態決策。
- 基于徑向基-反向傳播神經網絡的故障后飛行包線在線預測方法-202310062283.1
- 吳震;尹楚;陸宇平 - 南京航空航天大學
- 2023-01-17 - 2023-05-16 - G06F30/27
- 本發明公開了一種基于徑向基?反向傳播神經網絡的在線安全包線預測方法，可防止飛機在發生突然性結構損傷和氣動故障后失控。首先將機載飛行控制器的命令發送給飛機執行器和傳感器，以監測執行器的健康狀況。然后，利用卡爾曼濾波器基于飛機動力學模型對飛機狀態和傳感器偏差進行估計并利用遞推最小二乘法估計穩定性導數。隨后進行氣動效應建模，建立正常與故障狀態下飛行器氣動模型。最后，利用計算出的無量綱力和力矩，通過將正常飛行模型的輸出與實際飛行器輸出測量值進行比較，啟動在線氣動異常檢測過程。根據識別出的穩定性導數確定可能的故障位置和規模。根據估計的損壞情況應用數據庫檢索方案和插值算法，得到了當前故障情況下的安全包線。
- 一種考慮流動控制方程約束的流場時程深度學習預測方法-202310082660.8
- 戰慶亮;李福全;吳佳旭;鄂展韜;包東明;晁陽;劉鑫;白春錦 - 大連海事大學
- 2023-02-08 - 2023-05-16 - G06F30/27
- 本發明提供一種考慮流動控制方程約束的流場時程深度學習預測方法，包括以下步驟：采集并測量流場不同位置處于流動的時程信號，生成樣本集；生成的所述樣本集建立用于流場時程信號的深度學習模型；根據樣本集訓練所述深度學習模型，獲取訓練數據集下的模型結果；根據獲取的所述模型結果，判斷獲取的所述深度學習模型的精度，并隨機預測多個測點處的流場信號；重新對時程信號數據集進行訓練，獲取修正后的模型；根據獲取的修正后的模型，生成流場時程信號。本發明解決了傳感器時程數據較少情況下模型精度不足的問題，使得模型的結果符合物理規律；同時，基于流場時程數據作為模型訓練數據集，相比于其他研究的瞬時流場切片數據更有實際意義，可將稀疏的傳感器采集的流場數據輸入模型進行訓練與預測。
- 專利分類
