“王菖”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31个，建议您升级VIP下载更多相关专利

[发明专利]基于方位角拓扑结构的空地无人系统多目标关联方法-CN202310160117.5有效
发明人：牛轶峰;李旭东;吴立珍;贾圣德;马兆伟;王菖;李杰;于宏渤;王钟鸣 -专利权人：中国人民解放军国防科技大学
申请日： 2023-02-24 - 公布日： 2023-10-20 - 主分类号： G01S17/86 文献下载
摘要：本发明公开了一种基于方位角拓扑结构的空地无人系统多目标关联方法，本发明属于多传感器目标关联领域，包括：构建空中无人平台的视觉探测模型，基于视觉探测模型，得到无人机视觉图像中多目标的相对位置；构建地面无人平台的激光雷达探测模型，基于激光雷达探测模型，得到无人车激光雷达中多目标的相对位置；基于两种相对位置，构建方位角拓扑结构，基于方位角拓扑结构中的约束条件，构建双环匹配模型；基于双环匹配模型，计算旋转步长，基于旋转步长，得到多目标的关联结果。本发明通过双环旋转匹配模型，能够实现拓扑序列的匹配和目标关联，同时能够在最少旋转步数内获取全部关联结果，且内环旋转总步长小于2π。
基于方位角拓扑结构空地无人系统多目标关联方法

[发明专利]一种考虑通信延迟的拓扑序列时间差求解方法-CN202310240781.0在审
发明人：牛轶峰;李旭东;贾圣德;马兆伟;吴立珍;李杰;王菖;邹飞 -专利权人：中国人民解放军国防科技大学
申请日： 2023-03-10 - 公布日： 2023-09-19 - 主分类号： G06F18/22 文献下载
摘要：本发明涉及一种考虑通信延迟的拓扑序列时间差求解方法，包括：获取空中无人系统的拓扑序列和地面无人系统的拓扑序列；将所述空中无人系统的拓扑序列或所述地面无人系统的拓扑序列进行倒序处理，获取对应节点的相似度序列；基于所述相似度序列,计算拓扑序列延迟时间。本发明针对通信延迟导致两个系统采集的信号时间不同步的问题，本发明提出在时间尺度相同的条件下，采用将两个时间序列倒叙匹配的方法，求解两个不同步时间序列的时间差，从而实现不同步时间序列的时间对准。
一种考虑通信延迟拓扑序列时间差求解方法

[发明专利]一种基于三角拓扑结构的空地无人系统多目标关联方法-CN202310160111.8在审
发明人：牛轶峰;李旭东;马兆伟;吴立珍;贾圣德;王菖;李杰;王钟鸣 -专利权人：中国人民解放军国防科技大学
申请日： 2023-02-24 - 公布日： 2023-08-01 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种基于三角拓扑结构的空地无人系统多目标关联方法，包括：构建三角拓扑结构；分析所述三角拓扑结构的约束条件；计算所述三角拓扑结构的相似性，获取三角结构相似度矩阵；基于所述三角结构相似度矩阵获取拓扑结构关联结果；基于相似不变性约束对所述拓扑结构关联结果进行优化。本发明提出了一种合适的拓扑结构构造方法以及拓扑结构关联算法，使多目标关联结果在拓扑空间中的关联误差最小，并对方法进行测试。
一种基于三角拓扑结构空地无人系统多目标关联方法

[发明专利]基于深度强化学习的固定翼无人机群避碰方法及装置-CN202010761043.7有效
发明人：闫超;相晓嘉;王菖;吴立珍;黄依新;刘兴宇;兰珍 -专利权人：中国人民解放军国防科技大学
申请日： 2020-07-31 - 公布日： 2023-06-23 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种基于深度强化学习的固定翼无人机群避碰方法及装置，该方法步骤包括：S1.建立无人机运动学模型以及D3QN，并使用各僚机与环境交互过程中的历史交互数据更新网络参数，训练形成D3QN模型，其中交互过程中根据环境状态构建僚机与长机之间的联合状态，同时进行态势评估构建得到局部地图，输入至D3QN模型得到各僚机的控制指令输出；S2.各僚机分别实时获取状态信息构成当前僚机与长机之间联合状态，实时进行态势评估构建得到局部地图；将实时构建的联合状态、局部地图输入至D3QN网络模型得到各僚机的控制指令。本发明具有实现方法简单、可扩展性好，能够实现固定翼无人机群集控制，同时避免碰撞等优点。
基于深度强化学习固定无人机群方法装置

[发明专利]一种基于任务阶段复杂性的无人机自主能力评估方法-CN201910460861.0有效
发明人：牛轶峰;吴立珍;李杰;文旭鹏;贾圣德;王菖;王祥科;马兆伟 -专利权人：中国人民解放军国防科技大学
申请日： 2019-05-30 - 公布日： 2023-04-07 - 主分类号： G06F30/20 文献下载
摘要：本发明提供一种基于任务阶段复杂性的无人机自主能力评估方法，包括：建立环境复杂性评估体系，对无人机系统在执行任务过程中的环境复杂度进行计算；建立任务复杂度评估体系，获取无人机系统在不同阶段的任务复杂度；建立无人机自主能力评估模型，将环境复杂度与任务复杂度输入无人机自主能力评估模型，无人机自主能力评估模型根据环境复杂度、任务复杂度与人机自主等级划分标准中的自主等级分类输出无人机自主等级。利用无人机自主能力评估模型以人机自主等级划分标准为基准结合环境复杂度和任务复杂度对无人机自主等级作出评估，使无人机系统的操作模式可根据自主等级评估结果动态调整，改变操作员控制权限。本发明应用于无人机系统技术领域。
一种基于任务阶段复杂性无人机自主能力评估方法

[发明专利]一种基于语义理解的无人机航线规划方法及系统-CN202211483287.9在审
发明人：王菖;吴立珍;高辰;牛轶峰;相晓嘉;尹栋;李杰;叶磊 -专利权人：中国人民解放军国防科技大学
申请日： 2022-11-24 - 公布日： 2023-04-04 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种基于语义理解的无人机航线规划方法及系统，该方法步骤包括：S01.输入无人机的航线规划指令的语音信号，并将语音信号转换为文本数据；S02.将转换得到的文本数据进行语义理解，提取出无人机的航线规划指令的关键词；S03.根据当前威胁区域以及无人机的航线规划指令的关键词进行航线规划，输出无人机的规划点坐标；S04.根据无人机的规划点坐标在无人机的仿真环境中生成无人机的规划轨迹，并在仿真环境中将障碍物、指定目标以及威胁区域的位置信息映射到无人机的规划轨迹中。本发明能够实现面向复合型自然语言指令理解的无人机自动航线规划，且具有实现方法简单、成本第、智能化程度以及效率高且灵活性强等优点。
一种基于语义理解无人机航线规划方法系统

[发明专利]一种基于语音识别的有人机与无人机协同交互方法及系统-CN202211482637.X在审
发明人：吴立珍;王菖;李文超;牛轶峰;相晓嘉;尹栋;李杰;叶磊 -专利权人：中国人民解放军国防科技大学
申请日： 2022-11-24 - 公布日： 2023-03-28 - 主分类号： G10L15/26 文献下载
摘要：本发明公开一种基于语音识别的有人机与无人机协同交互方法及系统，该方法包括：在有人机端，采集操作员对被控无人机的控制指令的语音信号，并根据预先基于无人机协同任务指令集构建的语音识别模型进行语音识别，转换得到文本数据；对转换得到的文本数据进行语义理解，转换为任务命令以及对应的控制参数；将转换得到的任务命令和控制参数进行编码后发送给被控无人机，以控制被控无人机按照任务命令和控制参数进行动作；以及在有人机端，采集被控无人机的反馈信息编码形成的反馈指令，对反馈指令进行解析后，得到被控无人机的反馈信息。本发明具有实现方法简单、智能化程度以及交互控制效率高、灵活性强且安全可靠等优点。
一种基于语音识别人机无人机协同交互方法系统

[发明专利]一种基于深度强化学习的无人机实时路径规划方法-CN201910831779.4有效
发明人：相晓嘉;闫超;王菖;牛轶峰;尹栋;吴立珍;陈紫叶 -专利权人：中国人民解放军国防科技大学
申请日： 2019-09-04 - 公布日： 2023-03-07 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于深度强化学习的无人机实时路径规划方法，其包括：步骤S1、从仿真环境中获取无人机的当前环境状态，根据态势评估模型计算目标对象防御单元对无人机的威胁程度，构建无人机任务区域的态势地图；构建卷积神经网络和竞争神经网络的主网络和目标网络进行动作选择；步骤S2、依据通信链路中获取无人机的当前环境状态，根据态势评估模型计算目标对象防御单元对无人机的威胁值，构建无人机任务区域的态势地图，构建竞争双重Q网络，并载入训练好的网络模型，评估当前状态下各个动作的Q值，选择最大Q值对应的动作，确定无人机的飞行方向，完成飞行任务。本发明可有效提高无人机的自主决策能力，具有较高的鲁棒性能和应用价值。
一种基于深度强化学习无人机实时路径规划方法

[发明专利]一种基于情景模糊认知图的无人机群自主等级自适应调整方法-CN201911100195.6有效
发明人：牛轶峰;赵哲;王菖;吴立珍;李杰;贾圣德;马兆伟 -专利权人：中国人民解放军国防科技大学
申请日： 2019-11-12 - 公布日： 2022-12-30 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种基于情景模糊认知图的无人机群自主等级自适应调整方法，步骤包括：S1.建立针对当前任务的情景模糊认知图模型；S2.在无人机上布置用于采集外界环境信息的传感器，以及在操作员身上布置用于采集状态数据的传感器；执行任务过程中，通过各传感器采集无人机的外界环境信息以及操作员的状态数据；S3.使用情景认知模糊认知图模型根据当前任务阶段、各传感器采集到的无人机的外界环境信息以及操作员的状态数据控制调整无人机的自主等级。本发明能够利用情景模糊认知图实现无人机机群的动态自主等级自适应切换，且执行效率高、实现灵活。
一种基于情景模糊认知无人机群自主等级自适应调整方法

[发明专利]一种面向量子密钥分发的可变步长盲信息协调方法-CN202010002776.2有效
发明人：刘志宏;黄安琪;王祥科;武志豪;李杰;丛一睿;马兆伟;王菖;俞先国 -专利权人：中国人民解放军国防科技大学
申请日： 2020-01-02 - 公布日： 2022-12-09 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种面向量子密钥分发的可变步长盲信息协调方法，采用盲协调协议的过程，在所述过程中包括：设置s＝0,p＝d,Δ0＝0，其中p为符号数，s为发送和接收双方共同确定码字中的位置数，n为整个码长；如果接收方不能成功完成协调，则发送方会认为错误率大于原来预想的情况，则释放可变步长的裁切位信息Δi给接收方。本发明具有能够缓解了协调效率和协议执行时间之间矛盾、提高协调效率、缩短协议执行时间等优点。
一种面向量子密钥分发可变步长信息协调方法

[发明专利]基于视觉的多无人机协同对地目标定位方法-CN202210901076.6在审
发明人：牛轶峰;林博森;吴立珍;马兆伟;贾圣德;王菖;李杰 -专利权人：中国人民解放军国防科技大学
申请日： 2022-07-28 - 公布日： 2022-11-25 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于视觉的多无人机协同对地目标定位方法，其包括：步骤S1：建立坐标系；步骤S2：基于多无人机对目标协同观测几何学模型的目标位置初值计算：利用多无人机对目标的观测信息，利用坐标变换将多架无人机观测量统一到世界坐标系下，再利用对目标观测的几何学模型计算目标初始位置；步骤S3：基于端到端滤波模型的协同目标位置与状态估计。本发明具有原理简单、应用范围广、定位精度高等优点。
基于视觉无人机协同目标定位方法

[发明专利]基于深度强化学习的固定翼无人机编队协调控制方法及装置-CN202010761029.7有效
发明人：闫超;王菖;相晓嘉;吴立珍;黄依新;兰珍;刘兴宇 -专利权人：中国人民解放军国防科技大学
申请日： 2020-07-31 - 公布日： 2022-09-16 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种基于深度强化学习的固定翼无人机编队协调控制方法及装置，该方法步骤包括：步骤S1、建立固定翼无人机运动学模型以及基于深度神经网络建立执行器网络、评价器网络，并使用各僚机与环境之间交互过程中的历史数据更新执行器网络、评价器网络的网络参数，训练形成执行器网络模型；步骤S2、各僚机分别实时获取自身、长机以及除当前僚机以外其他僚机的当前状态信息构成联合状态，载入训练后形成的执行器网络模型，由执行器网络模型根据联合状态输出各僚机的控制指令。本发明能够应用深度强化学习实现固定翼无人机编队协调控制并避免机间碰撞，具有实现方法简单、实时性及可扩展性强、控制灵活等优点。
基于深度强化学习固定无人机编队协调控制方法装置

[发明专利]一种基于强化学习的固定翼无人机群集控制方法-CN201910832116.4有效
发明人：王菖;闫超;相晓嘉;牛轶峰;尹栋;吴立珍;陈紫叶 -专利权人：中国人民解放军国防科技大学
申请日： 2019-09-04 - 公布日： 2022-08-09 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于强化学习的固定翼无人机群集控制方法，其包括：步骤S1、训练阶段：建立随机无人机动力学模型、执行器深度神经网络和评价器深度神经网络，持续采集智能体与环境进行交互的历史经验，并存储到经验池中；从经验池中随机进行批次采样，不断更新执行器和评价器的网络参数，最终形成保存评价器网络模型；步骤S2、执行阶段：僚机通过传感器获取自身位置和姿态信息，载入评价器网络模型，评价器根据当前系统联合状态输出僚机最佳滚转动作，长机滚转角设定值由操控员给出；直至完成飞行任务。本发明具有较强的实时性和适应性、能够将仿真中训练得到的策略迁移到真实环境中等优点。
一种基于强化学习固定无人机群集控制方法

[发明专利]一种基于深度强化学习的固定翼无人机群集控制方法-CN201910832120.0有效
发明人：闫超;相晓嘉;王菖;牛轶峰;尹栋;吴立珍;陈紫叶 -专利权人：中国人民解放军国防科技大学
申请日： 2019-09-04 - 公布日： 2022-08-09 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种基于深度强化学习的固定翼无人机群集控制方法，其步骤包括：步骤S1、离线训练阶段：建立随机无人机动力学模型，基于竞争双重Q网络的Q函数评估之后，进行动作选择；所述竞争双重Q网络为D3QN网络；步骤S2、在线执行阶段：构建竞争双重Q网络，并载入训练好的网络模型，所述网络模型和动作选择策略运行在僚机的机载电脑上，长机滚转动作由操控员给出，长机和僚机的自驾仪分别根据各自的滚转动作，直至完成飞行任务。本发明具有较强的实时性和适应性，能够将仿真中训练得到的策略迁移到真实环境等优点。
一种基于深度强化学习固定无人机群集控制方法

[发明专利]一种基于MAS的多无人系统监督控制方法-CN202210491666.6在审
发明人：牛轶峰;吴立珍;王菖;王祥科;李杰;贾圣德;尹栋;相晓嘉 -专利权人：中国人民解放军国防科技大学
申请日： 2019-05-30 - 公布日： 2022-08-02 - 主分类号： G05D1/10 文献下载
摘要：本申请提供一种基于MAS的多无人系统监督控制站及方法，包括平行系统架构，所述平行系统架构包括多智能体软硬件监督控制系统与无人系统；所述多智能体软硬件监督控制系统包括硬件平台与软件平台，所述硬件平台包括多屏工作站，所述多屏工作站上设有能够检测操作员生理数据与动态指令的动态生理采集组件。有效的对无人系统的实时工作状态、环境复杂度、任务复杂度以及综合情报信息进行监控；根据环境复杂度、任务复杂度、操作员的疲劳度、无人系统的自主等级计算无人系统的控制模态，进而实现无人系统的控制模态动态切换；可观察、可解释、可预测、可干预的混合自主模式形成了人机混合智能，充分利用人的知识和认知能力。本发明应用于监督控制领域。
一种基于 mas 无人系统监督控制方法

1
2
3
下一页»
尾页
共 31 条