基于影像数据的小行星探测器精密定轨方法及系统

    公开(公告)号:CN117629223B

    公开(公告)日:2024-07-26

    申请号:CN202311611553.6

    申请日:2023-11-29

    Applicant: 武汉大学

    Abstract: 本发明提出一种基于影像数据的小行星探测器精密定轨方法及系统,首先对小行星的几何及物理特性进行分析,确定仿真探测器飞行的轨道高度;模拟探测器的各物理参数,以得到探测器初始状态;对探测器在绕飞小行星的过程进行力学建模分析;对探测器状态进行积分,得到探测器在不同时刻的位置和速度;结合多普勒数据测量模型,计算得到理论多普勒观测值,加入相应噪声水平的白噪声;首先结合小行星地面模型随机生成小行星上的地面特征点,再生成理论的landmark观测值,加入相应噪声水平的白噪声形成仿真观测值;利用仿真得到的多源数据,使用最小二乘策略对探测器进行精密定轨的同时解算小行星重力场、探测器太阳光压系数以及小行星GM值。

    一种配电网信息物理系统建模及关键节点识别方法

    公开(公告)号:CN116305676A

    公开(公告)日:2023-06-23

    申请号:CN202211341099.2

    申请日:2022-10-30

    Applicant: 武汉大学

    Abstract: 本发明设计一种输电网信息物理系统建模及关键节点识别方法,从相互依存网络的角度提出一种新的相互依存关系,并在此基础上定义耦合网络损失度指标从而评估节点重要度。首先建立变电站通信网设备级网络,然后以设备级网络作为基础单位,按照调度信息网拓扑进行扩展,形成电网信息侧设备级网络。接着,将电网物理侧拓扑中变电节点与电网信息侧设备级网络中的属于一个变电站的连通图对应,按照断路器与输电线路对应关系形成依存边。再对所建立模型进行节点失效的攻击,计算每次攻击后耦合网络损失度的相对变化,即为该节点重要度。本发明有利于解决当前模型细粒度不够、电网信息侧与物理侧不足以反映实际的问题。

    基于深度学习的输电线路覆冰图像中覆冰厚度检测方法

    公开(公告)号:CN106595551A

    公开(公告)日:2017-04-26

    申请号:CN201611145878.X

    申请日:2016-12-13

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于深度学习的输电线路覆冰图像中覆冰厚度检测方法,属于数字图像识别领域,目的在于克服现有应拉力监测中灵敏度和可靠性不高的问题,提高输电线路覆冰厚度监测的准确性和自动化程度,本发明用于电力系统输电线路的覆冰厚度监测与超限告警,包括:(1)收集覆冰图像;(2)预处理图像并建立数据集;(3)建立卷积神经网络;(4)训练并测试模型;(5)提取覆冰厚度信息并传回至控制中心等五步骤;本发明将数字图像特征识别方法引入到输电线和杆塔的覆冰厚度检测中,利用图像中覆冰的形态特征自动提取厚度信息,为运维人员制定除冰计划,为保证电力系统安全稳定运行提供了一种新的直观而智能化的手段。

Patent Agency Ranking