-
公开(公告)号：CN118408553A
公开(公告)日：2024-07-30
申请号：CN202410867679.8
申请日：2024-07-01
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G01C21/20 , G06V20/17 , G06V20/64 , G06V10/25 , G06V10/26 , G06T17/00 , G01C21/00 , G01C21/16 , G01S17/86 , G01S19/47 , G01J5/48
Abstract: 本发明公开了一种环境三维重建与识别的无人机导航方法，包括：构建无人机外部环境的空间三维模型；采用体积函数表示无人机外部环境的空间三维模型，并简化得到线性方程；更新体积函数和空间三维模型；得到无人机相对于起始点的空间位置；规划无人机飞行路径；基于无人机飞行路径，组合多种传感器采集外部环境数据；对采集的外部环境数据进行相互校准处理，并采用点云表示校准后的外部环境数据，再计算点云的置信度；根据热成像图像和三维测距图像点云的置信度，识别外部环境不同类型的地表。本发明可实现自主飞行、准确定位、多维数据保存和分析以及多传感器组合应用等有益效果，提升了无人机在复杂环境下的飞行能力和安全性。
-
公开(公告)号：CN118394124A
公开(公告)日：2024-07-26
申请号：CN202410490133.5
申请日：2024-04-23
Applicant: 哈尔滨工业大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及飞行器技术领域，一种倾转旋翼飞行器的建模和姿态控制方法，首先建立了一个“多旋翼‑倾转旋翼‑倾转旋翼与空气动力学外形”的动力学模型，然后通过设计质量和转动惯量相同的简单飞行器控制器来获取控制参数，再通过基于最小二乘法的回归策略在这些参数的基础上设计具有气动外形的倾转旋翼飞行器控制器参数；本发明以这样自下而上、逐步搭建的方式完成具有气动外形的倾转旋翼飞行器姿态控制，本发明所提出的控制器设计方法结构简单，不需要额外建立复杂飞行器的模型，同时能满足飞行器系统性能要求。
-
公开(公告)号：CN118376373A
公开(公告)日：2024-07-23
申请号：CN202410490137.3
申请日：2024-04-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了飞行器气动特性和参数的确定方法及实验装置，实验装置包括机载计算机、机载控制器和机载信息网络，所述机载计算机和机载控制器通过机载信息网络建立数据连接；方法包括：步骤一，准备工作；步骤二，数据采集；步骤三，计算发动机实际动力性能和气动参数；步骤四，计算飞行特性；本发明通过在实际飞行条件下识别飞行器的实际发动机实际动力性能和气动参数，并结合外界环境变化评估飞行器的飞行特性，以此确定飞行器发动机的实际可用能力，从而降低飞行条件变化时发生紧急情况的风险，并且本发明无需在专业实验台上对发动机进行测试或在风洞中对飞行器进行气动测试，因此能够降低实验成本、提高实验效率。
-
公开(公告)号：CN118270232A
公开(公告)日：2024-07-02
申请号：CN202410490140.5
申请日：2024-04-23
Applicant: 哈尔滨工业大学
Abstract: 一种垂直起降飞行器及其可倾转旋翼气动控制方法，以解决现有倾转旋翼飞行器是通过电动机控制旋翼倾转机构倾转的角度，存在可靠性差、飞行器姿态难以控制、故障率高、故障发生危害程度大的问题。飞行器：机翼固定在机身上，机翼末端的旋翼倾转机构可在铰链轴上旋转，扇形蜗轮与机翼内壁固接，带有电机控制的蜗杆固定在旋翼倾转机构的短舱框架上，连接铰链轴的万向节位于机翼根部，两个尾翼倾转机构对称设置在机身尾部的两侧，尾翼倾转机构与尾翼轴固接。方法：通过调节旋翼螺旋桨的循环螺距和集体螺距的方式调整旋翼螺旋桨的方向，通过扇形蜗轮和蜗杆限制旋转角速度。本发明可以提高飞行器的可靠性，减轻飞行器的重量以及提升气动性能。
-
公开(公告)号：CN118408553B
公开(公告)日：2024-08-30
申请号：CN202410867679.8
申请日：2024-07-01
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G01C21/20 , G06V20/17 , G06V20/64 , G06V10/25 , G06V10/26 , G06T17/00 , G01C21/00 , G01C21/16 , G01S17/86 , G01S19/47 , G01J5/48
Abstract: 本发明公开了一种环境三维重建与识别的无人机导航方法，包括：构建无人机外部环境的空间三维模型；采用体积函数表示无人机外部环境的空间三维模型，并简化得到线性方程；更新体积函数和空间三维模型；得到无人机相对于起始点的空间位置；规划无人机飞行路径；基于无人机飞行路径，组合多种传感器采集外部环境数据；对采集的外部环境数据进行相互校准处理，并采用点云表示校准后的外部环境数据，再计算点云的置信度；根据热成像图像和三维测距图像点云的置信度，识别外部环境不同类型的地表。本发明可实现自主飞行、准确定位、多维数据保存和分析以及多传感器组合应用等有益效果，提升了无人机在复杂环境下的飞行能力和安全性。
-
Patent Agency Ranking
公开(公告)号：CN118426496A
公开(公告)日：2024-08-02
申请号：CN202410509808.6
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及飞行器制导与控制技术领域，一种基于三维制导控制一体化的自适应控制设计方法，首先给出了三维视角下飞行器拦截机动目标的相对运动学方程，再给出飞行器受到的气动力在速度坐标系上的分量，将气动力转化到视线坐标系，添加进相对运动学方程，并结合飞行器的姿态动力学方程，整理得到一种三维制导控制一体化模型，随后基于所提三维制导控制一体化模型，利用反步法设计控制率，并采用自适应律估计干扰的上限，仿真实验证实了三维制导控制一体化模型和所采用的自适应控制反步法的有效性。
-
公开(公告)号：CN119992600A
公开(公告)日：2025-05-13
申请号：CN202510462362.0
申请日：2025-04-14
Applicant: 西南科技大学 , 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司
Abstract: 本发明公开了一种基于ANN转SNN的无人机飞行飞鸟检测方法，属于无人机目标检测的技术领域，其包括：获取低空飞行飞鸟的图像数据和飞鸟目标检测数据集；根据飞鸟目标检测数据集训练得到人工神经网络模型YOLOv5‑ANN；建立人工神经网络模型YOLOv5‑ANN的激活输出与脉冲神经元的脉冲频率之间的映射关系；将人工神经网络模型YOLOv5‑ANN转换为脉冲神经网络模型Spiking‑YOLOv5‑SNN，采用完成训练的脉冲神经网络模型Spiking‑YOLOv5‑SNN进行无人机飞行飞鸟检测。本发明结合人工神经网络模型YOLOv5的高效目标检测能力和脉冲神经网络模型的快速响应特性，能够在复杂背景下有效检测低空飞行飞鸟，提高无人机的安全性。
-
公开(公告)号：CN119992254A
公开(公告)日：2025-05-13
申请号：CN202510075707.7
申请日：2025-01-17
Applicant: 哈尔滨工业大学 , 西南科技大学 , 哈尔滨联合飞机科技有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 基于无分类指导的卷云图像生成方法，解决了遥感图像去雾数据集不真实以及卷云图像特征数量有限的问题，属于图像生成技术领域。本发明包括：获取真实卷云图像，预处理后，得到卷云图像数据集；利用前向过程扩散，构建马尔科夫链，将服从高斯分布的随机噪声逐步添加到卷云图像数据集的卷云图像中，使卷云图像加噪至纯噪声图像，根据纯噪声图像和对应的真实噪声构建出训练数据集；将纯噪声图像作为输入，对应的噪声作为输出，建立噪声预测模型，利用训练数据集进行训练；将随机生成噪声图像输入到训练好的噪声预测模型中，预测的噪声结合后验概率对图像进行反向去噪，经过设定的去噪步数，得到具有真实卷云特征的卷云图像。
-
公开(公告)号：CN118376373B
公开(公告)日：2025-01-21
申请号：CN202410490137.3
申请日：2024-04-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了飞行器气动特性和参数的确定方法及实验装置，实验装置包括机载计算机、机载控制器和机载信息网络，所述机载计算机和机载控制器通过机载信息网络建立数据连接；方法包括：步骤一，准备工作；步骤二，数据采集；步骤三，计算发动机实际动力性能和气动参数；步骤四，计算飞行特性；本发明通过在实际飞行条件下识别飞行器的实际发动机实际动力性能和气动参数，并结合外界环境变化评估飞行器的飞行特性，以此确定飞行器发动机的实际可用能力，从而降低飞行条件变化时发生紧急情况的风险，并且本发明无需在专业实验台上对发动机进行测试或在风洞中对飞行器进行气动测试，因此能够降低实验成本、提高实验效率。
-
公开(公告)号：CN118333114A
公开(公告)日：2024-07-12
申请号：CN202410509805.2
申请日：2024-04-26
Applicant: 哈尔滨工业大学 , 哈尔滨联合飞机科技有限公司 , 西南科技大学
IPC: G06N3/06 , G06F18/2431 , G06F18/214 , G06F18/22 , G06F18/23
Abstract: 本发明涉及数据处理领域，本发明为基于自适应共振理论的稀疏数据识别与恢复神经网络模型，包括ART_WD和ART_DWD网络，其中ART_WD用于对缺失属性的稀疏数据进行分类得出其可能的唯一类别，ART_DWD是在ART_WD的基础上，用来对缺失的属性值进行恢复，本发明解决了机器学习聚类算法在面对缺失属性的稀疏数据时，聚类精度和准确率急剧下降的问题，此外还具有运算速度快、鲁棒性强、准确率高以及数据恢复精确等优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.026 seconds)
