-
公开(公告)号：CN118627579A
公开(公告)日：2024-09-10
申请号：CN202410740473.9
申请日：2024-06-08
Applicant: 西北工业大学
IPC: G06N3/082 , G06N3/0895 , G06F18/213 , G06F18/27 , G06N3/0985 , G06F18/24
Abstract: 本发明公开了一种最优尺度下半监督流形二值神经网络构建方法，通过将OLSR方法与二进制卷积结合，有效地保留数据的空间信息，弥补信息损失，从而提高深度特征提取的准确性和效率。通过在OLSR模型中集成尺度项，可以更好地适应不同尺度下的数据，从而提高模型的泛化能力和适应性；采用尺度自学习方法，确保每次迭代都获得最优解，从而加快模型的收敛速度，并提高训练效率。
-
公开(公告)号：CN117928524A
公开(公告)日：2024-04-26
申请号：CN202410077875.5
申请日：2024-01-18
Applicant: 西北工业大学 , 成都凯天电子股份有限公司
Abstract: 本发明公开了一种基于飞控状态观测的惯性参数解算方法，属于飞行器控制的技术领域，其具体包括S1构建飞行器纵向通道动力学模型；S2设计滑模观测器估计飞行器系统故障时不可测的姿态信息；S3基于动态滑模面设计反步法控制律，构建飞行器惯性参数解析模型，实现对飞行器速度和高度的跟踪，以提供备份的惯性导航参数数据。本发明通过设计滑模观测器，并以反步法为基础设计控制律建立飞行器惯性参数解析模型，可对飞机姿态信息进行估计，并提供备份的惯性导航参数数据，提高了飞行的可靠性和安全性。
-
公开(公告)号：CN117589190B
公开(公告)日：2024-03-26
申请号：CN202410075113.1
申请日：2024-01-18
Applicant: 西北工业大学 , 成都凯天电子股份有限公司
IPC: G01C23/00 , G01C21/16 , G01C21/20 , G06F17/11 , G06N3/0499
Abstract: 本发明公开了一种基于惯导/飞控的大气参数解算方法，其包括步骤：获取飞行器的惯性导航系统/飞控系统在当前时刻采集的俯仰角、横滚角、横滚角速度、俯仰角速度、偏航角速度和加速度，并输入已训练的全连接神经网络，获得大气数据攻角、侧滑角和飞行速度的预测值；采用比例反馈校正方法对攻角、侧滑角和飞行速度的预测值进行修正；将预测值的修正状态量作为UKF滤波器的初始值，UKF滤波器基于大气数据解析模型的状态方程和量测方程估计得到当前时刻的大气参数攻角、侧滑角和飞行速度。
-
公开(公告)号：CN113920346B
公开(公告)日：2024-03-01
申请号：CN202111058986.4
申请日：2021-09-09
Applicant: 西北工业大学
IPC: G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明提供了一种基于锚点孪生图自动编码器的大规模图像聚类方法。首先，利用输入图像数据特征构建锚点矩阵和概率矩阵，然后，将其输入到孪生图卷积自动编解码器网络，并通过网络训练得到稳定的特征和锚点矩阵的嵌入式表示，利用网络输出进行锚点矩阵和概率矩阵的更新，如此反复，直至得到最终的概率矩阵；最后，通过对概率矩阵进行奇异值分解，再对分解的奇异向量进行聚类处理，得到最终的图像聚类结果。本发明为了使图卷积神经网络用于大规模图像数据集，引入锚点来加速图的构造和图的卷积，能够大大降低时间复杂度和空间复杂度，可以解决图像数据集过大时，现有机器学习模型运行时间过长或因空间复杂度过大无法运行的问题。
-
公开(公告)号：CN111708377B
公开(公告)日：2022-10-25
申请号：CN202010570241.5
申请日：2020-06-21
Applicant: 西北工业大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于惯导/飞控系统信息融合的飞行控制方法，属于信息融合控制方法领域，用于解决复杂飞行环境下迎角、侧滑角和真空速无法测量造成的飞机控制性能降低或不可控的问题。该方法首先考虑系统迎角、侧滑角和真空速不可测，引入惯性导航系统信息作为量测信息，基于动力学模型建立系统状态方程和量测方程，通过扩展卡尔曼滤波器实现迎角、侧滑角和真空速的估计；然后将飞机六自由度非线性动力学模型转化为严格反馈形式，基于反步法框架和状态估计值设计控制器；最后将控制输入返回到飞行器动力学模型中以实现跟踪控制。本发明将惯导/飞控系统信息融合和飞行控制设计有机结合，为系统部分状态不可测情况下的飞控系统设计提供了有效途径。
-
Patent Agency Ranking
公开(公告)号：CN110389530B
公开(公告)日：2022-05-17
申请号：CN201910648375.1
申请日：2019-07-18
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法，属于智能化仪器仪表领域。该方法将陀螺仪动力学模型转化为无量纲的动力学线性参数化模型；设计在线数据筛选方法选择合适的历史数据，并结合当前数据共同构建参数自适应律；采用区间激励的方式松绑参数辨识对持续激励条件的苛刻要求；设计控制器同时实现参数辨识和驱动控制。本发明设计的基于数据筛选的MEMS陀螺仪参数辨识驱动控制方法可解决参数辨识难以获取真值且对持续激励要求严苛的问题，获取精确的动力学模型，同时实现高精度陀螺仪驱动控制，进一步改善MEMS陀螺仪性能。
-
公开(公告)号：CN110389529B
公开(公告)日：2022-04-01
申请号：CN201910648374.7
申请日：2019-07-18
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于平行估计的MEMS陀螺仪参数辨识驱动控制方法，属于智能化仪器仪表领域。该方法将陀螺仪动力学模型转化为无量纲的动力学线性参数化模型；设计动力学平行估计模型，构建系统预测误差，并结合跟踪误差设计参数更新律，提高参数辨识精度；结合参数更新律设计控制器，同时实现陀螺驱动控制和动力学参数辨识。本发明设计的基于平行估计的MEMS陀螺仪参数辨识驱动控制方法可解决难以在线辨识参数的问题，同时实现陀螺仪驱动控制和高精度参数辨识，进一步改善MEMS陀螺仪性能。
-
公开(公告)号：CN112862064A
公开(公告)日：2021-05-28
申请号：CN202110010713.6
申请日：2021-01-06
Applicant: 西北工业大学
IPC: G06N3/04 , G06N3/08 , G06F16/901
Abstract: 本发明公开了一种基于自适应图学习的图嵌入方法，包括构建图自编码器框架、拉普拉斯嵌入、邻接矩阵的自适应学习和迭代更新求解四个步骤。图自编码器框架编码层部分采用两层图卷积神经网络，解码层部分为邻接矩阵的重构损失；拉普拉斯嵌入部分将拉普拉斯矩阵嵌入到潜在空间从而使样本点可以更准确地映射到投影子空间；邻接矩阵的自适应学习分三步：一是不再采用固定的节点邻居数量，而是服从正态分布，成为可以通过自适应学习获取的变量；二是设置迭代停止的阈值，当迭代次数大于阈值时，停止更新；三是邻接矩阵部分更新的方式；最终在迭代更新求解部分给出了模型的求解方法。本发明方法鲁棒性强、应用范围广，大大扩展了图自编码器的应用范围。
-
公开(公告)号：CN112423320A
公开(公告)日：2021-02-26
申请号：CN202011253694.1
申请日：2020-11-11
Applicant: 西北工业大学
Abstract: 本发明提供一种基于QoS和用户行为预测的多用户计算卸载方法，包括以下步骤：步骤一：将需要处理的计算任务并传输至终端设备；步骤二：终端设备先完成计算卸载决策，然后执行计算任务，最后返回处理结果。过综合考虑用户当前和未来一段时间内的行为进行计算任务的卸载决策，既优化计算任务的执行时间，也优化了终端能耗，同时降低了远距离传输带来的隐私泄露风险。综合考虑计算任务在边缘服务器和本地执行开销，合理地分配计算资源，提高提供给用户的QoS(服务质量)。
-
公开(公告)号：CN110456638A
公开(公告)日：2019-11-15
申请号：CN201910648278.2
申请日：2019-07-18
Applicant: 西北工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于区间数据激励的MEMS陀螺仪参数辨识自适应驱动控制方法，属于智能化仪器仪表领域。该方法将陀螺仪动力学模型转化为无量纲的动力学线性参数化模型；并基于历史数据构造预测误差，结合预测误差和跟踪误差设计参数更新律，实现参数精确辨识；参数更新律采用区间激励的方式松绑了参数辨识对持续激励条件的苛刻要求；设计控制器实现陀螺驱动控制。本发明设计的基于区间数据激励的MEMS陀螺仪参数辨识自适应驱动控制方法可解决参数辨识难以获取真值且对持续激励条件要求严苛的问题，获取精确的动力学模型，同时实现高精度陀螺仪驱动控制，进一步改善MEMS陀螺仪性能。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.096 seconds)
