-
公开(公告)号：CN119472769B
公开(公告)日：2025-04-11
申请号：CN202510069624.7
申请日：2025-01-16
Applicant: 贵州大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本申请涉及无人机路径规划技术领域，具体公开了一种固定翼无人机复杂山地中三维航路规划方法，获取山地模型信息，确定起点、终点坐标，生成复杂山地地图；通过对固定翼无人机的安全转弯半径和俯仰角进行约束设定，实现固定翼无人机更安全、高效的飞行；同时通过引入黄金正弦策略、Bernoulli混沌映射、动态自适应权重策略和自适应高斯‑柯西混合变异扰动策略，提高了算法区域性开拓和全域搜索能力以及收敛性能。通过对比改进的多策略蜣螂优化算法与基本蜣螂优化算法在8种基准测试函数上的算法性能，结果表明改进的多策略蜣螂优化算法有更快的收敛速度和稳定性。本专利的目的在于解决现有无人机航路规划方法存在全局搜索能力不足和收敛速度较慢的问题。
-
公开(公告)号：CN117349712B
公开(公告)日：2024-03-12
申请号：CN202311642261.9
申请日：2023-12-04
Applicant: 贵州大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种基于时空特征自适应共享网络的无人机故障诊断方法，包括以下步骤：步骤1，采集无人机飞行数据；步骤2，将无人机飞行数据输入到预设的STASN网络中；所述STASN网络中设有用于提取空间特征的空间网络通道和用于提取时间特征的时间网络通道；并且，空间网络通道与时间网络通道中的特征信息经过自适应交叉共享单元（ACSU）数次共享，实现知识互补；步骤3，由STASN网络输出故障诊断结果。本发明能够从有限的样本中获取丰富的故障诊断知识，能够达到较高的诊断精准度和完善度。
-
Patent Agency Ranking
公开(公告)号：CN117349712A
公开(公告)日：2024-01-05
申请号：CN202311642261.9
申请日：2023-12-04
Applicant: 贵州大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种基于时空特征自适应共享网络的无人机故障诊断方法，包括以下步骤：步骤1，采集无人机飞行数据；步骤2，将无人机飞行数据输入到预设的STASN网络中；所述STASN网络中设有用于提取空间特征的空间网络通道和用于提取时间特征的时间网络通道；并且，空间网络通道与时间网络通道中的特征信息经过自适应交叉共享单元（ACSU）数次共享，实现知识互补；步骤3，由STASN网络输出故障诊断结果。本发明能够从有限的样本中获取丰富的故障诊断知识，能够达到较高的诊断精准度和完善度。
-
公开(公告)号：CN117520950A
公开(公告)日：2024-02-06
申请号：CN202410011767.8
申请日：2024-01-04
Applicant: 贵州大学
IPC: G06F18/2415 , G06N3/0442
Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种基于注意力知识共享网络的多目标UAV故障诊断方法，包括以下步骤：步骤1，采集无人机飞行数据；步骤2，搭建AKSN网络以用于进行故障诊断；AKSN网络为基于注意力的知识共享网络；AKSN网络包括用于学习的全局特征的任务共享网络、用于完成UAV故障类型识别任务的FTI任务特制网络和用于完成故障程度识别任务的FLI任务特制网络；FTI任务特制网络和FLI任务特制网络通过任务共享网络共享特征信息；并且，FTI任务特制网络和FLI任务特制网络中均设有SE注意力模块；步骤3，由AKSN网络输出故障诊断结果。本发明能够在小样本条件下，并行完成UAV故障类型识别任务和故障程度识别任务，获取更加全面的故障信息且诊断精准。
-
公开(公告)号：CN117421672A
公开(公告)日：2024-01-19
申请号：CN202311393740.1
申请日：2023-10-25
Applicant: 贵州大学
IPC: G06F18/243 , G06F18/21 , G06F18/2132 , G06N3/0442 , G06N3/098
Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种小样本下基于多任务学习的多级FW‑UAV故障诊断方法，包括以下步骤：S1：自飞行数据中提取与故障相关的上下游特征作为基础数据；S2：建立十字绣单元，并基于基础数据进行FCD任务特制网络和FLD任务特制网络之间的特征共享；S3：联合训练FCD任务特制网络和FLD任务特制网络，并进行整体网络优化；并获得优化后的十字绣单元；S4：分别输出FCD任务和FLD任务的故障诊断结果。本发明能够在小样本的条件下同时完成故障部件诊断任务和故障程度检测任务，任务处理精准度较高。
-
公开(公告)号：CN119472769A
公开(公告)日：2025-02-18
申请号：CN202510069624.7
申请日：2025-01-16
Applicant: 贵州大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本申请涉及无人机路径规划技术领域，具体公开了一种固定翼无人机复杂山地中三维航路规划方法，获取山地模型信息，确定起点、终点坐标，生成复杂山地地图；通过对固定翼无人机的安全转弯半径和俯仰角进行约束设定，实现固定翼无人机更安全、高效的飞行；同时通过引入黄金正弦策略、Bernoulli混沌映射、动态自适应权重策略和自适应高斯‑柯西混合变异扰动策略，提高了算法区域性开拓和全域搜索能力以及收敛性能。通过对比改进的多策略蜣螂优化算法与基本蜣螂优化算法在8种基准测试函数上的算法性能，结果表明改进的多策略蜣螂优化算法有更快的收敛速度和稳定性。本专利的目的在于解决现有无人机航路规划方法存在全局搜索能力不足和收敛速度较慢的问题。
-
公开(公告)号：CN117520950B
公开(公告)日：2024-03-19
申请号：CN202410011767.8
申请日：2024-01-04
Applicant: 贵州大学
IPC: G06F18/2415 , G06N3/0442
Abstract: 本发明涉及无人机故障诊断技术领域，公开了一种基于注意力知识共享网络的多目标UAV故障诊断方法，包括以下步骤：步骤1，采集无人机飞行数据；步骤2，搭建AKSN网络以用于进行故障诊断；AKSN网络为基于注意力的知识共享网络；AKSN网络包括用于学习的全局特征的任务共享网络、用于完成UAV故障类型识别任务的FTI任务特制网络和用于完成故障程度识别任务的FLI任务特制网络；FTI任务特制网络和FLI任务特制网络通过任务共享网络共享特征信息；并且，FTI任务特制网络和FLI任务特制网络中均设有SE注意力模块；步骤3，由AKSN网络输出故障诊断结果。本发明能够在小样本条件下，并行完成UAV故障类型识别任务和故障程度识别任务，获取更加全面的故障信息且诊断精准。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
