-
公开(公告)号：CN101249887B
公开(公告)日：2011-04-20
申请号：CN200810103557.2
申请日：2008-04-08
Applicant: 北京航空航天大学
IPC: B64C33/00
Abstract: 本发明一种副翼旋转收放式扑翼装置，具体包括：副翼旋转收放式扑翼机翼及相应的驱动装置，其中，按机翼沿翼展方向分为主翼、副翼两部分，主翼前缘骨架、副翼前缘骨架通过铰链相连，两者能以铰链为轴、在机翼平面内相对旋转，使副翼面可以收到主翼面之下；所述的驱动装置包括主翼驱动装置和副翼驱动装置，两驱动装置之间通过主动轴带动连接；主翼驱动装置位于机头部分，由两套对称的曲柄摇杆机构组成，分别驱动左、右两翼；所述的副翼驱动装置，位于机翼弦向的中后部。本发明采用锥齿轮副实现转轴的变换，从而使单一动力就能带动多自由度运动，相当于省掉了一个主动轴及对应电机，很大程度上减轻了重量。
-
公开(公告)号：CN101286071B
公开(公告)日：2010-11-10
申请号：CN200810104837.5
申请日：2008-04-24
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于微粒群优化和遗传算法的多无人机三维编队重构方法，该方法在构建编队模型时不仅考虑了地面坐标系中的无人机位置，而且还考虑了无人机的速度、航迹角及航向角，将无人机中的各个飞行单元的控制输入进行分段线性化处理，并用近似的分段线性化控制输入代替连续的控制输入，然后用遗传算法进行粗搜索，随后用微粒群优化算法进行细搜索，在此基础上再用微粒群优化指导遗传算法搜索全局最优解，以求出分段线性化控制输入。与传统方法相比，本发明所提出的方法具有较好的实时性和快速性，该方法还可应用于解决复杂动态环境下多空间机器人的编队重构问题。
-
公开(公告)号：CN101477689A
公开(公告)日：2009-07-08
申请号：CN200910077143.1
申请日：2009-01-16
Applicant: 北京航空航天大学
Abstract: 一种基于自适应蚁群智能的空中机器人视觉分层匹配方法，步骤如下：步骤一：确定搜索单元；首先，将待匹配图像两次分割成与目标图像大小相同的一块块的小图像：其次，计算各小块图像与目标图像的相似度；步骤二：初始化参数；步骤三：根据信息素浓度，通过概率选择公式，确定是否把某个单元归到这次搜索之中；步骤四：更新信息素浓度；步骤五：更新全局最优相似度F_max，以及全局的平均相似度F_mean；步骤六：Nc＝Nc+1，返回步骤三，直到完成预定的算法循环次数NCmax，或者精匹配中的单元数目Ng小于设定阈值T，或者全局最优相似度达到或超过设定的相似度F_t；步骤七：进行精匹配，寻找最佳匹配位置；步骤八：结束，并输出最优结果。
-
公开(公告)号：CN101136081A
公开(公告)日：2008-03-05
申请号：CN200710121762.7
申请日：2007-09-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于蚁群智能的无人作战飞机多机协同任务分配方法。首先在考虑交战双方的相对几何关系、运动参数及武器性能等方面因素的前提下建立优势矩阵，采取一种并行方式的蚁群算法对敌方无人作战飞机进行搜索。每架无人作战飞机上的蚂蚁搜索同时开始，不同组的蚂蚁同时从不同的无人作战飞机出发，依据状态转移概率选取不同的攻击目标，每批蚂蚁搜索完成之后就更新一遍信息素，当所有蚂蚁都完成搜索之后，选择无人作战飞机攻击优势最大的方案，即将每架无人作战飞机选择目标的优势值求和，最后在选出总体攻击优势最大的量，从而得到最终的无人作战飞机多机协同任务分配结果。该方法优点是收敛速度快，算法稳定性好、鲁棒性强。
-
公开(公告)号：CN101122974A
公开(公告)日：2008-02-13
申请号：CN200710121777.3
申请日：2007-09-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于Voronoi图和蚁群优化算法相结合的无人机航路规划方法。首先根据地形、雷达、导弹和高炮威胁等各种威胁源的具体特征进行建模，而无人机的航路代价包含其所受的威胁代价和燃油代价；然后对Voronoi图各边给出初始信息素值，令蚂蚁从距离出发点最近的Voronoi节点开始搜索，根据状态转移规则选择行进的Voronoi边，以距离目标点最近的Voronoi节点为终点结束搜索；当所有蚂蚁完成各自候选航路选择后，按改进更新规则对Voronoi图中各边的信息素进行更新，其中没有蚂蚁经过的边进行信息素蒸发，重复这一过程直至搜索到无人机最优航路。该方法具有较好的实时性和快速性，所搜索到的航路更逼近实际的无人机最优航路。
-
Patent Agency Ranking
公开(公告)号：CN101118609A
公开(公告)日：2008-02-06
申请号：CN200710121773.5
申请日：2007-09-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种解决大规模TSP的云模型小生境自适应蚁群优化方法。它包括如下步骤：参数初始化，并利用小生境构建蚂蚁在大规模TSP中的移动范围；每两只蚂蚁作为一个派对共同选择一个城市作为起点；根据状态转移概率计算的概率选择城市前进，若当前路径长度大于本次m只蚂蚁相遇循环的最短路径，则终止此次相遇循环；然后修改禁忌表指针，并自适应调节信息素残留系数；计算本次m只成对的蚂蚁所循环路径长度的平均值；按照升半正态云模型定性关联控制规则选定信息素的残留系数和信息素强度；更新每条路径上的信息素，并将各条寻优路径上的残留信息素数量限制在某一范围；重复上述过程，直至满足算法结束条件，最后输出最优解。
-
公开(公告)号：CN119693414A
公开(公告)日：2025-03-25
申请号：CN202411587589.X
申请日：2024-11-08
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种仿鹰隼视觉孪生网络的无人机自主空中加油目标跟踪方法：一：仿鹰隼视觉对比度敏感机制和自适应聚焦机制的多尺度特征提取；二：仿鹰隼视觉双中央凹视觉交互机制的相似性计算及特征融合；三：仿鹰隼中脑上丘通路感知竞争、决策机制的分类、回归损失函数设计；四：训练仿鹰隼视觉孪生跟踪网络，输出分类损失和回归损失；五：测试并评估仿鹰隼视觉孪生跟踪网络。本发明可适应各种复杂环境及无人机外形尺度变化；可高效融合多尺度空间特征并关注最显著区域；可最大程度保证跟踪稳定性，提高无人机自主空中加油成功率和安全性；训练策略适配复杂无人机自主空中加油环境；特征提取与融合高效、鲁棒性与泛化性好，训练数据需求较少。
-
公开(公告)号：CN119597012A
公开(公告)日：2025-03-11
申请号：CN202411575119.1
申请日：2024-11-06
Applicant: 北京航空航天大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开一种基于原鸽混沌自适应滑模控制的无人机集群编队容错方法，包括步骤一：对无人机进行运动学建模，确定无人机的初始状态以及僚机和长机的编队飞行控制系统；步骤二：引入虚拟的参考无人机动力学模型，设计跟踪误差，获得动态跟踪误差方程，确保参考模型的精确性；步骤三：设计滑模面函数，通过运用自适应滑模控制技术，获得降阶滑模运动学方程；等六个步骤。本发明方法实现简单，所提出的混沌鸽群机制，能够大大优化自适应控制中的参数和滑模控制参数，增加控制收敛速度，面向出现通信故障无人机无法适应复杂环境等难点问题给出了鲁棒的解决方案。
-
公开(公告)号：CN119540280A
公开(公告)日：2025-02-28
申请号：CN202411333558.1
申请日：2024-09-24
Applicant: 北京航空航天大学 , 中国电子科技集团有限公司电子科学研究院
IPC: G06T7/246 , G06T7/90 , G06T5/90 , G06T5/40 , G06T5/60 , G06V10/44 , G06V10/56 , G06V20/17 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种仿鹰隼视觉感知的无人机集群“追‑逃”跟踪方法：一：仿鹰隼视觉双中央凹感受野的图像预压缩；二：仿鹰隼视觉的图像对比度适应调节；三：仿鹰隼视觉的图像特征提取；四：仿鹰隼视觉动态视觉的空间掩膜自适应调节；五：无人机目标的判别相关滤波跟踪器设计；步骤六：滤波跟踪器求解。本发明优点：1)提高特征提取和目标搜索效率，保证搜索范围，简洁、高效、高实时性；2)设计仿鹰隼视觉对比度适应、颜色拮抗特征提取预边缘特征提取方法，根据鹰隼视觉视觉处理通路正负反馈作用，进行特征权重调控；3)为无人机目标相关滤波跟踪器设计自适应空间掩膜，保证跟踪器能够更好处理目标运动并降低背景信息影响。
-
公开(公告)号：CN119539315A
公开(公告)日：2025-02-28
申请号：CN202411339472.X
申请日：2024-09-25
Applicant: 北京航空航天大学 , 中国电子科技集团有限公司电子科学研究院
IPC: G06Q10/0631 , G06Q50/26 , G06Q10/04 , G06Q10/10 , G06Q10/067 , G06N3/006
Abstract: 本发明公开一种基于昆虫正负反馈机制的有人机/无人机协同任务分配方法，包括：步骤一：建立有人机/无人机异构系统和任务目标模型；步骤二：建立协同任务分配多旅行商任务约束模型；步骤三：建立基于昆虫社会分工正反馈机制的有人机/无人机任务决策网络；步骤四：建立决策网络优化策略；步骤五：搭建协同任务分配整体流程；步骤六：建立协同任务分配评价指标；步骤七：输出基于昆虫正负反馈机制的有人机/无人机协同任务分配结果图。该方法在场景和任务不断变化的情况下，通过在任务分配中加强有人机/无人机集群的合作，相互之间协调配合，在大规模有人机/无人机协同任务分配系统中实现最小的时间和资源成本。
-
-
-
-
-
-
-
-
-
Search Results
255
records
(took 0.026 seconds)
