-
公开(公告)号：CN107748808B
公开(公告)日：2021-10-22
申请号：CN201710829236.X
申请日：2017-09-14
Applicant: 中国运载火箭技术研究院 , 中国航天标准化研究所
IPC: G06F30/15 , G06F111/06 , G06F111/04
Abstract: 基于区间约束的可靠性指标分配优化方法、系统及介质，包括(1)将系统可靠性预计指标与设计指标比较确定是否优化；(2)确定可靠性指标分配优化变量集及优化目标；(3)确定各分系统指标优化区间；(4)根据影响因素参数确定权值；(5)根据权值，进行指标优化；(6)确定优化后满足系统可靠性设计指标，结束优化。本发明方法根据各系统复杂程度、技术成熟度、重要程度、环境条件、任务时间等因素，更加准确地进行可靠性指标权衡优化，综合反映各系统分配过程中各种影响因素对可靠性指标的影响，使得可靠性指标分配依据充分、结果更加准确，能够为型号可靠性分析设计提供支持和决策。
-
公开(公告)号：CN107748808A
公开(公告)日：2018-03-02
申请号：CN201710829236.X
申请日：2017-09-14
Applicant: 中国运载火箭技术研究院 , 中国航天标准化研究所
IPC: G06F17/50
CPC classification number: G06F17/5095 , G06F2217/06 , G06F2217/08
Abstract: 基于区间约束的可靠性指标分配优化方法、系统及介质，包括(1)将系统可靠性预计指标与设计指标比较确定是否优化；(2)确定可靠性指标分配优化变量集及优化目标；(3)确定各分系统指标优化区间；(4)根据影响因素参数确定权值；(5)根据权值，进行指标优化；(6)确定优化后满足系统可靠性设计指标，结束优化。本发明方法根据各系统复杂程度、技术成熟度、重要程度、环境条件、任务时间等因素，更加准确地进行可靠性指标权衡优化，综合反映各系统分配过程中各种影响因素对可靠性指标的影响，使得可靠性指标分配依据充分、结果更加准确，能够为型号可靠性分析设计提供支持和决策。
-
公开(公告)号：CN114275194B
公开(公告)日：2024-05-31
申请号：CN202111532011.0
申请日：2021-12-14
Applicant: 中国运载火箭技术研究院
IPC: B64G1/40
Abstract: 本发明公开了一种适用于核运载器多工况贮箱增压的自生增压系统，包括：气源、主增压管路、辅增压管路、调节管路、主增压路电磁阀、辅增压路电磁阀、调节路电磁阀、压力传感器、液氢贮箱和控制计算机；压力传感器，用于对液氢贮箱内的压力进行监测；控制计算机，用于根据压力传感器输出的压力值，控制主增压路电磁阀、辅增压路电磁阀和调节路电磁阀的开关状态，将气源提供的气氢通过主增压管路、辅增压管路和调节管路中的任意一个或多个输送至液氢贮箱，为液氢贮箱提供稳定的增压气氢，维持液氢贮箱的内部压力在指定压力以上。本发明实现了核运载器增压系统大尺寸快速补压、多工况稳定增压，适用于载人探火核运载器贮箱增压。
-
公开(公告)号：CN117669021A
公开(公告)日：2024-03-08
申请号：CN202311530915.9
申请日：2023-11-16
Applicant: 中国运载火箭技术研究院
IPC: G06F30/15 , G06F30/20 , G06F119/08
Abstract: 一种主被动流动控制优化的飞行器干扰区降热设计方法，包括：S1、选取飞行器V型前缘作为关联模型，并确定环境要求；S2、利用直角坐标系对X‑Z对称面内的飞行器V型前缘几何模型，以及RR型或MR型两种激波干扰的激波结构之一进行参数化分析，获得激波交点的位置坐标，并判断激波干扰类型属于RR型或者MR型，若为MR型，则进入步骤S3；若为RR型，则将激波干扰类型由RR型转变为MR型，进入步骤S3；S3、获得MR型激波干扰后在均匀区压力增量和三维非均匀区压力增量，并根据以上压力增量获得热流量值；S4、调整飞行器V型前缘压缩激波DS的偏转角β为要求值，或者调整飞行器V型前缘的半径比R/r为要求值，获得干扰区降热设计外形结果。
-
公开(公告)号：CN112379693B
公开(公告)日：2024-02-20
申请号：CN202011334410.1
申请日：2020-11-24
Applicant: 中国运载火箭技术研究院
IPC: G05D1/46 , G05D109/28
Abstract: 一种智能并行高斯伪谱法飞行器再入轨迹优化方法，采用改进的差分进化算法进行猜测值计算，同时针对传统自适应伪谱法进行改进，通过高斯伪谱法进行离散，并采用改进的稀疏差分序列二次规划算法进行轨迹优化计算。同时结合新的轨迹优化计算构建方法，使再入轨迹优化通过并行计算加快求解速度。其中本发明通过组合三角高斯变异差分进化算法并加入组合权重来适应较优个体，一般个体，当前个体的多样性，避免早熟收敛。
-
Patent Agency Ranking
公开(公告)号：CN117473899A
公开(公告)日：2024-01-30
申请号：CN202311522541.6
申请日：2023-11-15
Applicant: 中国运载火箭技术研究院
IPC: G06F30/28 , G06F30/15 , G06F113/08 , G06F113/26 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种可控导热与流控降热的协同实现方法，通过设计、构筑一种耐高温、超高导热、耐烧蚀的C/C复合材料及构件，并结合流控降热措施等多途径方法实现对热流的控制。深入挖掘构件功能性设计的基础方法，探索构件与流控措施的协同实现机制，突破对超高能量热流密度的有效控制。
-
公开(公告)号：CN114281103B
公开(公告)日：2023-09-29
申请号：CN202111532038.X
申请日：2021-12-14
Applicant: 中国运载火箭技术研究院
Inventor： 惠俊鹏 , 范佳宣 , 张旭辉 , 路鹰 , 陈海鹏 , 李博遥 , 黄虎 , 王振亚 , 李君 , 郑本昌 , 阎岩 , 李丝然 , 何昳頔 , 张佳 , 任金磊 , 吴志壕 , 刘峰 , 范中行 , 王鹏 , 吴海华 , 程炳琳 , 周辉 , 韩特 , 王颖昕 , 刘洋 , 孟元军
IPC: G05D1/10
Abstract: 零交互通信的飞行器集群协同搜索方法，利用目标阵型分布的信息，统计目标位置分布的数据，形成先验信息；初始化搜索经验池和搜索策略，并建立搜索任务交互环境；构建基于多智能体强化学习的飞行器集群协同搜索框架，智能体从环境中获得观测信息；为每个智能体构建内在奖励Q网络、外在奖励Q网络，为飞行器集群构建混合Q网络，进行学习训练；执行时，智能体依据局部的观察进行动作选择，满足大部分实际环境的现实约束。本发明解决了现有技术中存在的搜索空间大场景内奖励稀疏智能体难以获得奖励信号学习缓慢、搜索过程依赖通信和全局信息等问题。
-
公开(公告)号：CN112698569B
公开(公告)日：2022-09-06
申请号：CN202011331216.8
申请日：2020-11-24
Applicant: 中国运载火箭技术研究院
IPC: G05B13/02
Abstract: 一种再入跨域飞行器轨迹一体化设计方法，包括如下步骤：S1、通过优化确定再入飞行器的最优攻角剖面；S2、倾侧角正弦值采用二次函数形式，按照准平衡滑翔条件确定飞行器的倾侧角剖面；S3、利用飞行器的最优攻角剖面和倾侧角剖面，以期望的再入段终端条件为起点，进行弹道逆向积分，以设定的高度为结束条件，反向积分结束时的飞行器状态即为再入点状态，并记再入飞行段的时间为t1；S4、以飞行器当前状态为初始状态，以飞行器期望再入点为目标点，采用闭路制导方法规划飞行器在大气层外的飞行轨迹，并记大气层外飞行段的时间为t2；S5、调整飞行器的倾侧角剖面中的初始滑翔倾侧角σ0和规划倾侧角剖面参数σmid，即t1+t2＝td。
-
公开(公告)号：CN114331056A
公开(公告)日：2022-04-12
申请号：CN202111530471.X
申请日：2021-12-14
Applicant: 中国运载火箭技术研究院
Inventor： 惠俊鹏 , 路鹰 , 张旭辉 , 陈海鹏 , 王振亚 , 阎岩 , 范佳宣 , 李博遥 , 张佳 , 黄虎 , 刘峰 , 李君 , 郑本昌 , 任金磊 , 李丝然 , 何昳頔 , 吴志壕 , 范中行 , 王鹏 , 吴海华 , 程炳琳 , 周辉 , 韩特 , 王颖昕 , 孟元军
Abstract: 一种基于概率图动态规划的在线协同探测任务规划方法，第一步，根据态势获取的目标可能部署区域的位置构建搜索概率图；第二步，构建关联矩阵，根据关联矩阵进行聚类融合，将聚类融合后的聚类中心作为初始红外探测器的指向位置，计算红外探测器的覆盖范围，优化分配红外探测器的搜索子区域；第三步，采用周期和反应式混合搜索调度策略，每个固定的周期优化分配红外探测器的指向位置，进行在线协同探测任务规划。本发明解决了现有技术中存在的在线协同搜索与感知决策效率低、泛化性差等问题。
-
公开(公告)号：CN113379063A
公开(公告)日：2021-09-10
申请号：CN202011331267.0
申请日：2020-11-24
Applicant: 中国运载火箭技术研究院
Abstract: 基于在线增强学习模型的全流程任务时序智能决策方法，第一步，针对红蓝方对抗推演场景，建立增强学习模型，实现面向场景信息的任务时序决策；第二步，采用在线学习异步训练方法对增强学习模型进行强化学习训练，提升训练的鲁棒性和稳定性；第三步，以红方的全流程任务完成概率为基准，通过融合不同的探测与识别弧段得到全局任务完成概率，作为反馈信息；第四步，以全局任务完成概率作为反馈，完成增强学习模型在功能级干扰对抗决策上的训练和部署。本发明解决了现有技术中存在的红蓝方推演全流程任务时序决策效率低、泛化性差等问题。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.238 seconds)
