基于人工智能的无人机意图辨识方法

    公开(公告)号:CN115994557A

    公开(公告)日:2023-04-21

    申请号:CN202210228630.9

    申请日:2022-03-08

    Abstract: 本发明公开了一种基于人工智能的无人机意图辨识方法包括:建立无人机意图辨识模型;采用训练样本库对辨识模型进行训练;将无人机信息输入训练好的辨识模型中,由辨识模型输出无人机的意图。本发明公开的基于人工智能的无人机意图辨识方法,辨识速度快、辨识准确率高,适用范围广。

    基于人工智能的敌方拦截弹时间常数回归辨识方法

    公开(公告)号:CN115994407A

    公开(公告)日:2023-04-21

    申请号:CN202210228675.6

    申请日:2022-03-08

    Abstract: 本发明公开了一种基于人工智能的拦截弹时间常数回归辨识方法,通过辨识模型对飞行器‑拦截弹运动学信息进行处理,获得拦截弹时间常数,从而使得飞行器避开拦截弹的拦截;所述拦截弹时间常数是指拦截弹一阶惯性运动学时间常数;所述飞行器‑拦截弹运动学信息包括:飞行器加速度,飞行器速度倾角,飞行器速度偏角,飞行器速度,飞行器与拦截弹相对距离,拦截弹相对飞行器速度,拦截弹相对飞行器视线角,拦截弹相对飞行器视线角速率。本发明公开的基于人工智能的拦截弹时间常数回归辨识方法,具有辨识速度快、辨识准确率高、泛化能力强的诸多优点。

    一种基于神经网络的自适应偏置比例导引方法

    公开(公告)号:CN115879357A

    公开(公告)日:2023-03-31

    申请号:CN202111137643.7

    申请日:2021-09-27

    Abstract: 本发明公开了一种基于神经网络的自适应偏置比例导引方法,针对静止固定目标,利用神经网络获取偏置比例导引中的常数项,所述神经网络为BP神经网络,神经网络的输入为飞行器发射时的弹目距离、初始弹道倾角,初始弹目视线角和期望的终端交会角,输出为常数项。本发明公开的基于神经网络的自适应偏置比例导引方法,制导精度高,可在不同的初始条件和约束下,在线完成偏置比例导引的参数求解,使用灵活、计算成本低。

    多模型机制的神经网络输出后处理方法

    公开(公告)号:CN115470883A

    公开(公告)日:2022-12-13

    申请号:CN202110688138.5

    申请日:2021-06-21

    Abstract: 本发明公开了一种多模型机制的神经网络输出后处理方法,其特征在于,通过在神经网络输出层后设置多模型层,多模型层中设置多个模型,多个模型以不同权重对神经网络输出层的结果进行解算后合并,获得最终的回归结果。本发明提供的多模型机制的神经网络输出后处理方法,提高了训练效率,降低了训练初始损失函数,训练过程中损失函数下降快,最终获得的损失函数小。

Patent Agency Ranking