专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果104个,建议您升级VIP下载更多相关专利
  • [发明专利]多无人机空战策略生成方法、装置和计算机设备-CN202310068067.8在审
  • 高显忠;王宝来;侯中喜;郭正;王玉杰;邓小龙 - 中国人民解放军国防科技大学
  • 2023-01-16 - 2023-07-14 - G05D1/10
  • 本申请涉及无人机技术领域中的一种多无人机空战策略生成方法、装置和计算机设备,该方法在MATD3强化学习的基础上在策略网络与评价网络中引入注意力机制来处理无人机数量的动态变化,在训练过程中引入了智能体交叉和变异算子,避免了传统进化多智能体强化学习中参数交换导致的性能急剧下降;将每架无人机的网络参数视为基因,将每个无人机组视为一条染色体,引入智能体级交叉和变异算子,避免打破网络参数和输出之间的非线性关系,并有效保持种群的多样性;注意力机制帮助无人机更加关注与其密切相关的情况,忽略无关信息,并提高了算法的可扩展性。采用本方法可以解决空战过程中无人机数量动态变化的问题,同时提高多无人机的空战效率。
  • 无人机空战策略生成方法装置计算机设备
  • [发明专利]一种飞行器试验数据与仿真数据的数据对准方法及装置-CN202010567814.9有效
  • 麻震宇;高显忠;侯中喜;朱炳杰;贾高伟 - 中国人民解放军国防科技大学
  • 2020-06-19 - 2023-06-16 - G06F16/2458
  • 本发明公开一种飞行器试验数据与仿真数据的数据对准方法及装置,可实现飞行器多种类型试验数据与仿真数据的获取、预处理、存储、提取、组合和分发。将飞行器试验数据和仿真数据存储在数据缓存池中,并确定时间戳为所述数据缓存池的索引;获取数据分发周期,在所述数据分发周期内以时间戳为索引进行数据提取;根据预先设置的各个客户端标识与所述待分发存储试验数据和所述待分发存储仿真数据的映射关系,得到客户端标识对应的播放数据;在所述数据分发周期内将所述播放数据分发至对应标识的客户端。本发明提供的数据对准方法既能实现数据的对准,且不需对数据做平滑处理,可确保客户端能接收到原始数据,从而可确保客户端数据可视化的真实有效。
  • 一种飞行器试验数据仿真对准方法装置
  • [发明专利]一种反蜂群无人机的飞行器控制方法及系统-CN202010570428.5有效
  • 王玉杰;高显忠;侯中喜;贾高伟;郭正 - 中国人民解放军国防科技大学
  • 2020-06-19 - 2023-04-25 - G05B17/02
  • 本申请涉及一种反蜂群无人机的飞行器控制方法及系统,包括创建无人机组件和环境组件的模型,所述无人机组件用于模拟反蜂群无人机的性能参数,所述环境组件用于模拟仿真环境参数;根据所述无人机组件模型、所述环境组件模型以及无人机控制器中预先设置的配置信息,生成仿真模型;设置无人机飞行的飞行航线,将所述飞行航线输入到所述仿真模型中;实时采集所述仿真模型输出的仿真飞行参数,当所述仿真飞行参数达到设置的阈值时,向无人机组件发送飞行模式的切换指令。通过垂向飞行模式实现无人机的垂直起降功能,通过水平飞行模式实现无人机的长航时和快速巡航功能,实现多功能一体集成,从而满足在复杂环境下执行特殊任务的要求。
  • 一种蜂群无人机飞行器控制方法系统
  • [发明专利]基于强化学习的多无人机动作决策方法和装置-CN202010568786.2有效
  • 王克亮;高显忠;侯中喜;郭正;贾高伟 - 中国人民解放军国防科技大学
  • 2020-06-19 - 2023-04-18 - G05D1/00
  • 本申请涉及一种基于强化学习的多无人机动作决策方法和装置。所述方法包括:构建多无人机的强化学习模型,获取训练样本,将训练样本作为状态信息输入所述策略网络,得到训练样本对应的动作,获取奖励值,将训练样本和动作输入状态价值网络,得到动作函数值,将训练样本、动作、奖励值以及下一个状态信息保存为一条记录,并存储至缓存区中,从缓存区中提取多条记录,计算记录对应累计奖励值,根据累计奖励值和实际动作函数值构建平均最小损失函数,根据平均最小损失函数更新状态价值网络,根据梯度,更新各个无人机对应的策略网络的网络参数,根据各个无人机策略网络,进行对应的动作决策。采用本方法能够提高多无人机决策的准确率。
  • 基于强化学习无人机动作决策方法装置
  • [发明专利]基于TD3的多无人机空战策略生成方法-CN202310024517.3在审
  • 高显忠;王宝来;侯中喜;郭正;王玉杰;邓小龙 - 中国人民解放军国防科技大学
  • 2023-01-09 - 2023-04-11 - G05D1/10
  • 本发明公开了一种基于TD3的多无人机空战策略生成方法,包括如下步骤:将多无人机空战协同决策问题构建为马尔可夫决策模型;建立态势评估函数,采用双延迟深度确定性策略梯度训练所述马尔可夫决策模型,在训练过程中基于所述态势评估函数选择执行动作的目标;基于训练完成的马尔可夫决策模型生成多无人机空战策略。本发明应用于无人机自主协同决策与控制技术领域,采用双延迟深度确定性策略梯度对格斗型无人机决策过程进行训练,在双延迟深度确定性策略梯度算法中,使用了两套网络估算Q值,并选择相对较小的网络作为更新目标,进而有效地解决了Q值高估的问题。
  • 基于td3无人机空战策略生成方法
  • [发明专利]基于无人机总能量飞行控制方法和装置-CN202010570878.4有效
  • 王玉杰;高显忠;侯中喜;郭正;朱炳杰 - 中国人民解放军国防科技大学
  • 2020-06-19 - 2023-04-07 - G05D1/08
  • 本申请涉及一种基于无人机总能量飞行控制方法和装置。所述方法包括:构建无人机的总能量模型,根据总能量模型对应的总能量变化率,采用第一比例积分控制律得到推力对应的控制量,根据总能量模型,计算无人机的总能量分配率,根据期望总能量分配率和总能量分配率的差值,采用第二比例积分控制率律得到推力差动的控制量,采用粒子群算法,对第一比例系数、第一积分系数、第二比例系数和第二积分系数进行优化,根据优化后的第一比例系数、第一积分系数、第二比例系数和第二积分系数计算得到推力对应的控制量和推力差动的控制量,根据推力对应的控制量和推力差动的控制量进行无人机飞行控制。采用本方法能够快速对控制参数进行整定。
  • 基于无人机能量飞行控制方法装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top