“何绍溟”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果41个，建议您升级VIP下载更多相关专利

[发明专利]基于神经网络和联合数据概率数据关联法的交通监测方法-CN202210356840.6在审
发明人： 何绍溟;柴剑铎;时俊祺;杨希雯;王江;林德福 -专利权人：北京理工大学
申请日： 2022-04-06 - 公布日： 2023-10-24 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于神经网络和联合数据概率数据关联法的交通监测方法，通过目标识别模块将视频中车辆识别出来，获得观测信息，通过目标跟踪模块对观测信息进行处理，将不同观测信息内的车辆的关联，实现对车辆的跟踪，所述目标识别模块中设置有神经网络模型和NMS模型，在所述目标跟踪模块中采用JPDA法对观测信息进行处理。本发明公开了基于神经网络和联合数据概率数据关联法的交通监测方法，运算速度快，跟踪精度高，能够实现交通实时监测。
基于神经网络联合数据概率关联交通监测方法

[发明专利]多旋翼机控制器半实物仿真系统-CN202110256813.7有效
发明人： 何绍溟;曹欣屹;郭凯阳;宋韬;张福彪;王江;王辉 -专利权人：北京理工大学
申请日： 2021-03-09 - 公布日： 2023-10-13 - 主分类号： G05B17/02 文献下载
摘要：本发明公开了一种多旋翼机控制器半实物仿真系统，包括主控计算机、双轴转台和飞控板，双轴转台与主控计算机连接，接收主控计算机输出的姿态控制信息，根据姿态控制信息进行主轴和倾斜轴的转动；飞控板设置在双轴转台的转台台面上，与主控计算机连接，将测量的姿态运动信息反馈给主控计算机。本发明公开的多旋翼机控制器半实物仿真系统，有助于控制器参数的整定，有效地降低了飞行试验的成本和危险性，提高了实验的可重复性和可靠性。
旋翼机控制器实物仿真系统

[发明专利]基于联合概率数据关联自适应的多目标跟踪方法-CN202210289493.X在审
发明人： 何绍溟;柴剑铎;杨希雯;王江;林德福 -专利权人：北京理工大学
申请日： 2022-03-23 - 公布日： 2023-10-10 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了基于联合概率数据关联自适应的多目标跟踪方法,通过传感器获得不同目标的多个观测值；根据观测值对目标分类，得到单目标类和多目标类；对单目标类中的目标，采用PDA方法进行跟踪，对多目标类中的目标，采用CJPDA方法或JPDA方法进行跟踪。本发明公开的基于联合概率数据关联自适应的多目标跟踪方法，能够根据不同的跟踪环境自主选择合适的数据关联方式，在保证跟踪精度的同时节省了目标跟踪时间。
基于联合概率数据关联自适应多目标跟踪方法

[发明专利]基于大概率关联的观测值数目的联合概率关联的多目标跟踪-CN202210290425.5在审
发明人： 何绍溟;柴剑铎;金天宇;王江;林德福 -专利权人：北京理工大学
申请日： 2022-03-23 - 公布日： 2023-10-03 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于大概率关联的观测值数目的联合概率关联的多目标跟踪方法，包括以下步骤：通过传感器获得不同目标的多个观测值；估计观测值与目标关联概率；设置有效观测范围；对观测值与各个目标的关联可能的情况进行穷举，得到所有的可行联合事件，针对处于有效观测范围内的可行联合事件，获取观测值对目标的关联概率密度；根据观测值对目标的关联概率密度，通过卡尔曼滤波更新各个目标的后验状态量与协方差，实现目标跟踪。本发明公开的基于大概率关联的观测值数目的联合概率关联的多目标跟踪方法，相比于传统的JPDA法，虽然目标跟踪精度有小幅度降低，但极大提高实时性，能够更好适应不同的工程环境需求。
基于概率关联观测目的联合多目标跟踪

[发明专利]基于残差神经网络与集成学习的飞行时间预测方法及装置-CN202210240845.2在审
发明人：王江;刘子超;何绍溟;侯淼;王鹏;范世鹏;李晨迪 -专利权人：北京理工大学
申请日： 2022-03-10 - 公布日： 2023-09-22 - 主分类号： F41G3/00 文献下载
摘要：本发明公开了一种基于残差神经网络与集成学习的飞行时间预测方法，通过集成单元将多个残差神经网络模型集成为总模型，通过总模型对新型飞行器的实际飞行时间与理论飞行时间误差进行预测；其中，所述残差神经网络为能够对已知飞行器实际飞行时间与理论飞行时间误差进行预测的模型，集成单元用于不同的残差神经网络模型预测结果按一定权值进行整合，已知飞行器是指已具有大量飞行轨迹数据的飞行器，新型飞行器是指未获得大量飞行轨迹数据的飞行器。该发明公开的基于残差神经网络与集成学习的飞行时间预测方法，降低了对新型号飞行器飞行数据量的要求，节约了数据采集的成本，预测结果准确率高。
基于神经网络集成学习飞行时间预测方法装置

[发明专利]一种基于手环和长短时记忆神经网络的肢体语言控制系统-CN202310698095.8在审
发明人： 何绍溟;邢孝锋;刘子超;柴剑铎;金天宇;王江;林德福 -专利权人：北京理工大学长三角研究院（嘉兴）;北京理工大学
申请日： 2023-06-13 - 公布日： 2023-09-19 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种基于手环和长短时记忆神经网络的肢体语言控制系统，通过在手环中设置三轴加速度传感器，采集操作者的手臂动作，将手臂动作信息发送至无人机机载计算机，由机载计算机中设置的手臂运动识别模块将手臂动作信息转化为无人机控制指令，从而实现操作者对无人机的控制。本发明公开的基于手环和长短时记忆神经网络的肢体语言控制系统，通过手环实现对无人机的控制，使得操作者能通过手臂的动作便捷操控无人机的同时，更直观地观察无人机周围飞行环境，面对突发状况能及时做出飞行命令指令的变更。
一种基于短时记忆神经网络肢体语言控制系统

[发明专利]适用于远程滑翔飞行器的多约束末速最优中制导方法-CN202310775396.6在审
发明人：李虹言;王江;曹先彬;陶宏;何绍溟;林德福;王伟;王辉;宋韬;范世鹏 -专利权人：北京航空航天大学;北京理工大学
申请日： 2023-06-28 - 公布日： 2023-09-15 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种适用于远程滑翔飞行器的多约束末速最优中制导方法，包括以下步骤：发射平台规划出末速最优的中制导弹道轨迹；发射平台从中制导弹道轨迹中提取航迹点，传递至飞行器；飞行器根据接收到的航迹点生成中制导指令；根据中制导指令控制飞行器的飞行过程。本发明提供的适用于远程滑翔飞行器的多约束末速最优中制导方法，能够同时满足时间、角度等末端约束，且保证了中制导段动能损失最小，增强了飞行器的最大滑翔距离。
适用于远程滑翔飞行器约束最优制导方法

[发明专利]一种适用于多旋翼无人机全飞行包线建模的模型拼接方法-CN202210209548.1在审
发明人： 何绍溟;曹欣屹;叶建川;郭凯阳;李亮;宋韬;于怿男 -专利权人：北京理工大学
申请日： 2022-03-03 - 公布日： 2023-09-12 - 主分类号： G05D1/08 文献下载
摘要：本发明公开了一种适用于多旋翼无人机全飞行包线建模的模型拼接方法，在全飞行包线内的悬停状态、不同飞行速度的前飞状态下分别辨识得到多个点模型，将获得的多个点模型拼接融合成一个覆盖全飞行包线的似非线性模型，进而通过该似非线性模型设计无人机控制器。本发明公开的适用于多旋翼无人机全飞行包线建模的模型拼接方法，有效降低了飞行试验成本，提升了无人机执行多项任务的能力。
一种适用于多旋翼无人机飞行建模模型拼接方法

[发明专利]基于迁移学习的角度时间最优制导方法-CN202211596100.6在审
发明人： 何绍溟;罗皓文;金天宇;刘子超;蒲昱珲 -专利权人：北京理工大学
申请日： 2022-12-13 - 公布日： 2023-08-01 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了基于迁移学习的角度时间最优制导方法，该方法在不同气动环境中，满足攻击角度约束并实现最小化飞行器的攻击时间。首先，基于偏置比例导引律，将飞行器制导指令分为比例导引项和偏置项；其次，求解指定的最优控制问题，建立由飞行器当前飞行状态与加速度偏置项组成的训练集；然后，训练好的神经网络可以在不同气动环境下，根据飞行器的每个时刻的状态直接获得需要的加速度偏置项，并根据加速度偏置项间接获得最优制导指令；最后飞行器将会在新气动环境中以最短攻击时间和规定攻击角度命中目标。
基于迁移学习角度时间最优制导方法

[发明专利]一种无线传感器网络高精度定位方法、系统及电子设备-CN202111676725.9在审
发明人：林德福;丁宇;张福彪;叶建川;何绍溟;王辉;王江 -专利权人：北京理工大学
申请日： 2021-12-31 - 公布日： 2023-07-14 - 主分类号： H04W64/00 文献下载
摘要：本发明公开了一种无线传感器网络高精度定位方法、系统及电子设备。本发明所提供的方法包括：建立训练样本；利用训练样本对核函数极限学习机进行训练；将未知节点间的跳数作为测试样本，得到未知节点的位置。本发明利用核函数极限学习机算法进行节点定位，能够通过训练后的单隐含层前馈神经网络直接得到未知节点的位置，避免其他算法定位的复杂过程，节省算法的定位时间，更适合实际应用。
一种无线传感器网络高精度定位方法系统电子设备

[发明专利]基于深度神经网络的中段制导方法-CN202111614087.8在审
发明人： 何绍溟;金天宇;李虹言;刘子超;柴剑铎 -专利权人：北京理工大学
申请日： 2021-12-27 - 公布日： 2023-06-30 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于深度神经网络的中段制导方法，通过神经网络获得制导指令，飞行器在制导指令的控制下飞行，所述神经网络的训练集通过设置最优控制问题生成。本发明提供的基于深度神经网络的中段制导方法，提高了制导精准性，鲁棒性强，降低了制导模型的复杂性。
基于深度神经网络中段制导方法

[发明专利]基于集成迁移学习的中段制导方法-CN202211516761.3在审
发明人： 何绍溟;金天宇;王江;李虹言;刘子超 -专利权人：北京理工大学
申请日： 2022-11-28 - 公布日： 2023-05-30 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于集成迁移学习的制导方法(ETLS)，该方法不仅能实时生成最优制导命令，还能在场景发生变化后，只用很少的新数据进行微调就能快速适应新的工作环境，并且性能几乎和之前一样好；该方法将多个传统的训练好的DNN神经网络与元学习器相结合，将新飞行器的中段制导最优控制问题，简化为寻找最优加权函数和最优偏置函数的问题，而且这两个函数可以用少量数据快速确定，避免了重新训练一个新网络的耗时和数据不足问题，从而针对新的飞行器及新的应用场景，能够在极短时间内给出满足末速度和精度要求的中制导段控制指令。
基于集成迁移学习中段制导方法

[发明专利]一种基于样本贪婪小道通信的分布式信息融合方法-CN202111425285.X在审
发明人： 何绍溟;霍家楷;杨希雯;陈祺;郑小波;林德福;宋韬;王江 -专利权人：北京理工大学
申请日： 2021-11-26 - 公布日： 2023-05-30 - 主分类号： G01C21/00 文献下载
摘要：本发明公开了一种基于样本贪婪小道通信的分布式信息融合方法，包含以下步骤：S1、多个无人机组为通讯网络；S2、各无人机获得目标位置信息；S3、选择一个无人机，获得该无人机的信息矩阵；S4、融合该无人机与其它无人机的信息矩阵；S5、更新无人机获得目标位置信息，重复步骤S2～S5，对目标持续监控。本发明公开的基于样本贪婪小道通信的分布式信息融合方法，具有稳定性好、定位精度高、定位收敛速度快、通信负载低等诸多优点。
一种基于样本贪婪小道通信分布式信息融合方法

[发明专利]面向多种目标域任务的飞行器制导控制方法-CN202310174055.3在审
发明人： 何绍溟;罗皓文;侯利兵;金天宇;刘子超 -专利权人：北京理工大学
申请日： 2023-02-23 - 公布日： 2023-05-23 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种面向多种目标域任务的飞行器制导控制方法，该方法中在飞行器上预先灌装训练好的域对抗神经网络，该域对抗神经网络在训练时需要指定不同的目标域任务，从而使得该对抗神经网络能够在收到飞行器的状态向量后，针对每一组目标域任务各自给出制导偏置项，而飞行器在发射前仅需确定并输入期望的目标域任务，即可寻找到对应的制导偏置项，进而得到制导指令，并打舵工作，控制飞行器精确命中目标，从而完成本发明。
面向多种目标任务飞行器制导控制方法

[发明专利]一种机载图像无人机目标自适应检测方法-CN202110418915.4有效
发明人：金忍;贾自凯;王辉;莫雳;何绍溟;王江 -专利权人：北京理工大学
申请日： 2021-04-19 - 公布日： 2023-05-02 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种机载图像无人机目标自适应检测方法，通过设置领域自适应模型对单阶段检测器进行半监督训练，获得目标检测模型，进而利用目标检测模型对无人机拍摄的图像进行检测。根据本发明提供的机载图像无人机目标自适应检测方法，显著提高检测速度，可以实现在机载低算力设备的实时运行，并且无需接触源域训练数据，实现在缺失目标域标注时的无人机目标检测，提高了迁移性和自适应能力。
一种机载图像无人机目标自适应检测方法

1
2
3
下一页»
尾页
共 41 条