-
公开(公告)号:CN118838370A
公开(公告)日:2024-10-25
申请号:CN202410812294.1
申请日:2024-06-21
Applicant: 湖北航天技术研究院总体设计所
Inventor: 毛金娣 , 祁释冰 , 曾长 , 陈子浩 , 杨志鹏 , 何颖 , 孟斌 , 刘利宏 , 毛靖 , 李亨 , 牛汉青 , 张凯 , 张广 , 贾湘婷 , 熊俊 , 赵海龙 , 许琦 , 张露 , 龙成
IPC: G05D1/46 , G05D109/28
Abstract: 本发明涉及飞行器轨迹规划技术领域,具体涉及一种飞行器残骸落区自适应的轨迹设计方法及装置,该方法包括以下步骤:基于飞行器飞行模型,并根据发射点坐标、原目标点坐标以及射向,获得原目标一级分离点参数和二级分离点参数;根据发射点坐标、射向、新目标点坐标,获取新目标一级分离点参数和二级分离点参数;基于分离体残骸落区六自由度计算模型,计算得到一级残骸落区和二级残骸落区,并确定新目标飞行轨迹分离点的偏离约束条件;若新目标飞行轨迹分离点的参数不满足偏离约束条件,则调整飞行器的飞行参数,直至满足约束条件。能够解决现有技术中目标位置发生改变后,为确保实验安全性,需人工校核安全管道,导致需投入较大人力物力的问题。
-
公开(公告)号:CN116485055A
公开(公告)日:2023-07-25
申请号:CN202310384331.9
申请日:2023-04-10
Applicant: 湖北航天技术研究院总体设计所
IPC: G06Q10/047 , G01C21/20 , G06F30/27 , G06F111/04
Abstract: 本发明公开了一种多飞行器协同航路规划方法、装置、设备及存储介质,所述方法通过在接收到飞行器航路规划任务时,获取飞行器的状态信息、动作信息和状态更新信息,根据状态信息、动作信息、状态更新信息和预设奖励函数构建多飞行器协同的航路规划模型;根据预设干扰学习策略对航路规划模型进行优化,获得优化后的目标航路规划模型;在接收到多飞行器飞行任务时,根据目标航路规划模型确定对多飞行器飞行任务对应的航路规划方案,能够有效提升多飞行器系统策略协同性和各飞行器个体策略有效性,实现了多飞行器在航路规划任务中的自主感知和在线决策,提高了航路规划效率,提升了飞行器智能体在噪声环境下的适应能力和探索学习能力。
-
公开(公告)号:CN115357042B
公开(公告)日:2025-02-14
申请号:CN202210928543.4
申请日:2022-08-03
Applicant: 湖北航天技术研究院总体设计所
Abstract: 本发明公开了一种基于二跳网络的巡飞弹编队圆锥障碍物避障方法及系统,涉及多飞行器协同制导与控制算法领域,该方法包括构建巡飞弹模型,并确定巡飞弹模型的状态变量,以及巡飞弹编队的通信拓扑结构;构建巡飞弹圆锥障碍物模型,且巡飞弹圆锥障碍物模型中障碍物表面构建有β智能体;构建巡飞弹编队子控制律算法,所述巡飞弹编队子控制律包括队形保持控制律、导航反馈控制律和编队避障控制律;对β智能体进行状态更新,更新β智能体的位置和位置速度;构建得到巡飞弹编队圆锥障碍物避障算法,并对巡飞弹编队的初始状态进行设置。本发明能够达到多巡飞弹系统按照期望的速度和队形编队飞行的目的。
-
公开(公告)号:CN115357042A
公开(公告)日:2022-11-18
申请号:CN202210928543.4
申请日:2022-08-03
Applicant: 湖北航天技术研究院总体设计所
IPC: G05D1/10
Abstract: 本发明公开了一种基于二跳网络的巡飞弹编队圆锥障碍物避障方法及系统,涉及多飞行器协同制导与控制算法领域,该方法包括构建巡飞弹模型,并确定巡飞弹模型的状态变量,以及巡飞弹编队的通信拓扑结构;构建巡飞弹圆锥障碍物模型,且巡飞弹圆锥障碍物模型中障碍物表面构建有β智能体;构建巡飞弹编队子控制律算法,所述巡飞弹编队子控制律包括队形保持控制律、导航反馈控制律和编队避障控制律;对β智能体进行状态更新,更新β智能体的位置和位置速度;构建得到巡飞弹编队圆锥障碍物避障算法,并对巡飞弹编队的初始状态进行设置。本发明能够达到多巡飞弹系统按照期望的速度和队形编队飞行的目的。
-
公开(公告)号:CN116429115A
公开(公告)日:2023-07-14
申请号:CN202310440192.7
申请日:2023-04-20
Applicant: 湖北航天技术研究院总体设计所
IPC: G01C21/20
Abstract: 本发明公开了一种飞行器在线航路规划方法、装置、设备及存储介质,所述方法通过获取飞行器的飞行数据,根据飞行数据构建飞行器的在线航路规划对应的马尔科夫模型;构建飞行器的深度确定性策略梯度算法DDPG神经网络,根据DDPG神经网络构建飞行器的课程学习CL模型;接收到课程学习任务时,根据马尔科夫模型、课程学习CL模型在课程学习任务中对飞行器的在线航路规划模型进行训练,获得训练好的最终航路规划,能够提升网络对未知环境和策略的探索能力,提升了模型训练速率,实现了对目标区域的规避,有效完成在线航路规划任务,能够满足真实任务场景需求,具有很好的通用性能,提高了飞行器在线航路规划速度和效率。
-
-
-
-