-
公开(公告)号:CN119472769A
公开(公告)日:2025-02-18
申请号:CN202510069624.7
申请日:2025-01-16
Applicant: 贵州大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本申请涉及无人机路径规划技术领域,具体公开了一种固定翼无人机复杂山地中三维航路规划方法,获取山地模型信息,确定起点、终点坐标,生成复杂山地地图;通过对固定翼无人机的安全转弯半径和俯仰角进行约束设定,实现固定翼无人机更安全、高效的飞行;同时通过引入黄金正弦策略、Bernoulli混沌映射、动态自适应权重策略和自适应高斯‑柯西混合变异扰动策略,提高了算法区域性开拓和全域搜索能力以及收敛性能。通过对比改进的多策略蜣螂优化算法与基本蜣螂优化算法在8种基准测试函数上的算法性能,结果表明改进的多策略蜣螂优化算法有更快的收敛速度和稳定性。本专利的目的在于解决现有无人机航路规划方法存在全局搜索能力不足和收敛速度较慢的问题。
-
公开(公告)号:CN117787745A
公开(公告)日:2024-03-29
申请号:CN202311839455.8
申请日:2023-12-27
Applicant: 贵州大学 , 中航贵州飞机有限责任公司
IPC: G06Q10/0637 , G06Q50/04 , G06F16/25 , G06F16/26 , G06F16/28 , G06F16/2458
Abstract: 本发明涉及航天装备产业技术领域,具体涉及了一种基于大数据的航空装备产业链业务协作智能决策方法。包括以下步骤:S100:获取航空装备产业链中的原始数据;S200:用于对原始数据进行预处理后形成知识数据,将知识数据存储在数据空间;S300:对数据空间中的知识数据进行演化分析,得到各类决策结果;S400:通过信息面板对各类决策结果进行展示。能够帮助企业进行更正确有效的决策,提升企业生产效率。
-
公开(公告)号:CN117520950B
公开(公告)日:2024-03-19
申请号:CN202410011767.8
申请日:2024-01-04
Applicant: 贵州大学
IPC: G06F18/2415 , G06N3/0442
Abstract: 本发明涉及无人机故障诊断技术领域,公开了一种基于注意力知识共享网络的多目标UAV故障诊断方法,包括以下步骤:步骤1,采集无人机飞行数据;步骤2,搭建AKSN网络以用于进行故障诊断;AKSN网络为基于注意力的知识共享网络;AKSN网络包括用于学习的全局特征的任务共享网络、用于完成UAV故障类型识别任务的FTI任务特制网络和用于完成故障程度识别任务的FLI任务特制网络;FTI任务特制网络和FLI任务特制网络通过任务共享网络共享特征信息;并且,FTI任务特制网络和FLI任务特制网络中均设有SE注意力模块;步骤3,由AKSN网络输出故障诊断结果。本发明能够在小样本条件下,并行完成UAV故障类型识别任务和故障程度识别任务,获取更加全面的故障信息且诊断精准。
-
公开(公告)号:CN117688966A
公开(公告)日:2024-03-12
申请号:CN202310655555.9
申请日:2023-06-05
Applicant: 贵州大学
IPC: G06N3/006 , G06F30/27 , G06F111/08
Abstract: 本发明公开了一种改进的蜣螂优化算法,该方法为:在蜣螂优化算法的更新所有蜣螂的位置采用改进正弦算法位置更新公式更新滚球蜣螂的位置,赋予蜣螂MSA的全局探索和局部开发能力,扩大其搜索范围,提高全局探索能力,减少陷入局部最优的可能性。
-
公开(公告)号:CN117670311A
公开(公告)日:2024-03-08
申请号:CN202311840965.7
申请日:2023-12-28
Applicant: 贵州大学 , 中航贵州飞机有限责任公司
IPC: G06Q10/20 , G06Q10/0631 , G06Q50/04
Abstract: 本发明涉及航空装备技术领域,公开面向研产服一体化的航空装备数字系统构建方法,包括在制造端接收到客户需求端的航空装备订单信息时,对航空装备订单信息进行处理,确定该航空装备订单信息的装备基本信息以及零部件信息,根据确定的零部件信息,识别出各个零部件所关联的供应端,生成对应的零部件订单并反馈给对应的供应端;制造端在对应的零部件供应完成时制定并执行对应的生产加工计划,在完成生产加工计划后,制定试飞计划,在执行试飞计划中对各个零部件的运行情况进行实时监控,基于该监控信息识别出存在故障的零部件,生成对应的故障报告并发送给制造端;在制造端接收并解决对应的故障报告后,将对应的航空装备交付给客户需求端。
-
公开(公告)号:CN117171681B
公开(公告)日:2024-01-30
申请号:CN202311455764.5
申请日:2023-11-03
Applicant: 贵州大学
IPC: G06F18/2431 , B64F5/60 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 标。本发明在舵面故障非平衡小样本及环境扰动本发明涉及无人机舵面智能故障诊断技术 下具有优异的故障诊断性能,为无人机舵面智能领域,公开了一种非平衡小样本下的无人机舵面 故障诊断提供了有效方案。智能故障诊断方法及装置,步骤包括:a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化;b.采用滑动窗口和随机采样方法构建输入样本对;c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取;d.利用L1距离函数计算输入样本对故障特征间的相似性,引入加权二元交叉熵损失函数优化模型训练过(56)对比文件Huipeng Chen等.A deep convolutionneural network based fusion method oftwo-direction vibration signal data forhealth state identification of planetarygearboxes《.Measurement》.2019,第146卷268-278.Shenghan Zhou等.A Self-SupervisedFault Detection for UAV Based onUnbalanced Flight Data RepresentationLearning and Wavelet Analysis《.Aerospace2023》.2023,第10卷(第3期),1-21.
-
公开(公告)号:CN117171681A
公开(公告)日:2023-12-05
申请号:CN202311455764.5
申请日:2023-11-03
Applicant: 贵州大学
IPC: G06F18/2431 , B64F5/60 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明涉及无人机舵面智能故障诊断技术领域,公开了一种非平衡小样本下的无人机舵面智能故障诊断方法及装置,步骤包括:a.从无人机非平衡小样本数据集中选择舵面故障敏感参数并归一化;b.采用滑动窗口和随机采样方法构建输入样本对;c.建立基于卷积门控循环单元的双路神经网络模型进行故障特征提取;d.利用L1距离函数计算输入样本对故障特征间的相似性,引入加权二元交叉熵损失函数优化模型训练过程中对多数类和少数类的分类效果;e.对预训练模型使用微调策略增强模型对测试数据的适应性,输出模型在测试样本上的故障诊断性能指标。本发明在舵面故障非平衡小样本及环境扰动下具有优异的故障诊断性能,为无人机舵面智能故障诊断提供了有效方案。
-
公开(公告)号:CN119472769B
公开(公告)日:2025-04-11
申请号:CN202510069624.7
申请日:2025-01-16
Applicant: 贵州大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本申请涉及无人机路径规划技术领域,具体公开了一种固定翼无人机复杂山地中三维航路规划方法,获取山地模型信息,确定起点、终点坐标,生成复杂山地地图;通过对固定翼无人机的安全转弯半径和俯仰角进行约束设定,实现固定翼无人机更安全、高效的飞行;同时通过引入黄金正弦策略、Bernoulli混沌映射、动态自适应权重策略和自适应高斯‑柯西混合变异扰动策略,提高了算法区域性开拓和全域搜索能力以及收敛性能。通过对比改进的多策略蜣螂优化算法与基本蜣螂优化算法在8种基准测试函数上的算法性能,结果表明改进的多策略蜣螂优化算法有更快的收敛速度和稳定性。本专利的目的在于解决现有无人机航路规划方法存在全局搜索能力不足和收敛速度较慢的问题。
-
公开(公告)号:CN119492802A
公开(公告)日:2025-02-21
申请号:CN202510074227.9
申请日:2025-01-17
Applicant: 贵州大学
IPC: G01N29/04 , G01N29/44 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0464 , G06F18/213
Abstract: 本发明涉及航空复合材料结构监测领域,具体涉及一种基于导波的航空复合材料无基线多模态损伤检测方法。包括:步骤一,采集航空复合材料带有若干种损伤的导波信号,将导波信号分为训练集、验证集和测试集;步骤二,基于状态空间模型的曼巴技术和卷积神经网络,设计多模态损伤检测模型的GW分支和CWT分支进行特征提取;步骤三,将GW分支及CWT分支提取到的特征进行融合,得到多维损伤特征并映射至分类空间;步骤四,采用交叉熵损失函数作为多模态损伤检测模型的目标函数,衡量样本属于某一类别的预测得分与真实概率间的差异,进行分类任务。步骤五,利用验证集调节最优超参数和网络结构寻找最佳模型,使用测试集验证模型的损伤检测效果,输出性能指标。
-
公开(公告)号:CN117708741A
公开(公告)日:2024-03-15
申请号:CN202311781202.X
申请日:2023-12-21
Applicant: 贵州大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及无人机异常检测技术领域,公开了一种用于参数选择的无人机多维飞行数据异常检测的方法,包括以下步骤:步骤1,采集无人机飞行数据,并基于无人机飞行数据选取特征子集;步骤2,基于特征子集,构建无监督的异常检测模型以进行无人机飞行数据的异常检测;步骤3,在异常检测模型中输入未训练集X(t)并输出参考检测数据X′(t),并计算得到X(t)与X′(t)的参考残差;采用3σ原则确定残差上限值;步骤4,比对参考残差与残差上限值,若参考残差小于残差上限值,则判定为正常数据;反之,则判定为异常数据。本发明能够实现针对多种异常类型的同步高效检测,检测效率较高且检测精准度较高。
-
-
-
-
-
-
-
-
-