Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学王江获国家专利权

北京理工大学王江获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京理工大学申请的专利基于深度学习的飞行器剩余飞行时间预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114818100B

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202110084357.2,技术领域涉及:G06F30/15;该发明授权基于深度学习的飞行器剩余飞行时间预测方法是由王江;刘子超;林德福;何绍溟;范世鹏设计研发完成,并于2021-01-21向国家知识产权局提交的专利申请。

基于深度学习的飞行器剩余飞行时间预测方法在说明书摘要公布了:本发明公开了一种基于深度学习的飞行器剩余飞行时间预测方法,所述方法针对使用特定制导算法的飞行器,使用飞行器自身的当前速度信息、飞行器与目标的相对位置信息,通过深度神经网络预测剩余飞行时间。本发明提供的基于深度学习的飞行器剩余飞行时间预测方法,选取的输入状态为当前速度、当前速度方向、当前高度、当前横向位置,映射关系合理,使用深度学习拟合这一映射关系的可行性高;预测精度高,计算量少,能够应用于在线预测场景,确保飞行器高效实现协同突防。

本发明授权基于深度学习的飞行器剩余飞行时间预测方法在权利要求书中公布了:1.一种基于深度学习的飞行器剩余飞行时间预测方法,其特征在于,所述方法包括以下步骤: 步骤1,采集飞行数据,训练得到神经网络模型; 步骤2,飞行器飞行时,采用神经网络模型实时预测剩余飞行时间; 步骤1包括以下子步骤: 步骤1-1,飞行器运行飞行仿真程序,采集飞行过程中的训练样本数据; 步骤1-2,建立神经网络,采用采集的训练样本数据训练神经网络; 步骤1-3,对训练后的神经网络进行测试; 步骤1-1中,通过测定飞行器的气动参数,获得飞行器飞行仿真程序,气动参数与飞行器的马赫数、攻角、舵偏角有关,所述马赫数由飞行器当前速度信息音速获得; 飞行器的高度信息和当前速度信息由导航模块获得,音速通过预先测定的大气数据插值获得; 采用风洞实验和插值计算获得与当前马赫数、攻角、舵偏角对应的气动参数; 根据下述飞行器的气动力学微分方程,获得飞行器下一时刻的状态,所述状态包括位置信息、速度信息和姿态信息: 其中,v表示速度大小,θ表示飞行器速度矢量与水平面之间的夹角,x表示飞行器的横向空间位置,y表示飞行器的纵向空间位置,m表示飞行器重量,P表示发动机推力,α表示飞行器攻角,X表示阻力,L表示升力,mc表示单位时间燃料消耗量; 升力、阻力与气动参数的关系为: X=cd0+cdqS L=cLqS 其中,cd0表示零升阻力系数,cd表示诱导阻力系数,cL表示升力系数,q为动压,S为飞行器的参考面积; 步骤1-1中, 所述训练样本的获得包括下述步骤: 在每次运行仿真程序之前,随机修改飞行器的初始状态; 所述初始状态包括初始速度、初始速度方向、初始横向位置和初始高度; 步骤1-1中,采集的训练样本数据包括飞行器的速度大小、速度方向、空间位置和剩余飞行时间; 步骤2中,在飞行器飞行时,根据飞行器的实时飞行速度、飞行速度方向、高度,以及飞行器与目标之间的横向相对距离,采用神经网络模型实时预测剩余飞行时间。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京理工大学,其通讯地址为:100081 北京市海淀区中关村南大街5号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。