-
公开(公告)号：CN115563751A
公开(公告)日：2023-01-03
申请号：CN202211158377.0
申请日：2022-09-22
申请人： 中国人民解放军陆军指挥学院
摘要： 本发明公开了电磁可视化方法和装置，包括有如下的步骤：S1：导体线圈接收到电磁信号；S2：根据拉普拉斯方程进行理论推导，并对S1中接收到的电磁信号设置常数值代入到理论推到后的方程中；S3：根据方程演算后求得的值生成格点并计算电势的值。本发明中结合拉普拉斯方程对其进行通解，并通过导体线圈将接收到的电磁信号导入到匀强电场环境中，通过对将电磁信号中的电势和电场数据代入到通解后的拉普拉斯方程中，根据方程演算后求得的值生成格点并计算电势的值，在二维平面上展现物理场，并通过将系统绘制的等势线和电场线的图形投射到可视化面板上，实现实时观察电磁波的效果。
-
公开(公告)号：CN115062203A
公开(公告)日：2022-09-16
申请号：CN202210990278.2
申请日：2022-08-18
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G06F16/906 , G06F16/904 , G06F16/909 , G06K9/62
摘要： 本发明针对兵棋推演系统的实际需求，提出了特定的基于时空和作战编组的轨迹聚类算法。该算法分为轨迹压缩、相似性度量、轨迹线段聚类和可视化4个部分，通过轨迹压缩将停留点等冗余信息从轨迹信息中剔除，并提取轨迹关键点，从而将复杂轨迹简化为少量轨迹线段；相似性度量则从时间、空间和编组关系等维度对轨迹线段之间的相似性进行量化；轨迹线段聚类对时空相邻且作战编组关系相近的轨迹线段进行聚类，并将需要单独显示的特殊轨迹作为离群点从类簇中分离出来；可视化则将轨迹线段聚类结果转化为具有时空信息的代表轨迹，构建突出编组关系和时空变化的动态态势图。该算法具有很好的泛化能力和较高的运行效率，为高效组织兵棋推演发挥了重要作用。
-
公开(公告)号：CN115471401A
公开(公告)日：2022-12-13
申请号：CN202211169593.5
申请日：2022-09-22
申请人： 中国人民解放军陆军指挥学院
摘要： 本发明提出了一种行动方案可视化方法，包括以下行动方案可视化步骤：S1、在制作行动方案期间，通过无人机配合全景摄像机对行动实施地的各个位置进行拍摄采集；S2、将S1中的拍摄采集照片自动无线传输至操控终端，并通过全景拼接模块拼接形成该行动实施地点的可视化全景图像。本发明通过对行动地点进行无人机拍摄并制作成全景图像，并对全景图像内部各个具体行动地点进行标定同时在该位置具体规划行动方案形成思维导图，使得行动地点可视化，让各个具体行动地点的行动方案更为直观的展示，以便使参与该行动的行动人员对具体的行动地点在和具体位置的行动方案具有更加清晰的认知，行动方案规划效果更好。
-
公开(公告)号：CN117991819B
公开(公告)日：2024-06-04
申请号：CN202410406804.5
申请日：2024-04-07
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
摘要： 本发明公布了一种无人机飞行控制方法，首先建立非线性六自由度动力学模型，并对模型进行线性化处理，得到无人机连续时间状态的空间模型；然后在线性模型上设计鲁棒最优控制器，获得RSLQR姿态‑高度控制器，最后将RSLQR姿态‑高度控制器所在回路作为内环，在外环中引入MPC控制器，实现姿态‑高度控制、XY的外环轨迹或路径控制。该方法克服了现有技术中共轴双旋翼无人机由于其非线性特性较强，响应初始阶段的动态特性较为难控的问题，提高了控制系统的抗干扰能力，并充分考虑了输入饱和问题，防止执行器饱和，进而提高了控制性能。
-
公开(公告)号：CN114326821A
公开(公告)日：2022-04-12
申请号：CN202210195266.0
申请日：2022-03-02
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G05D1/10
摘要： 本发明公布了基于深度强化学习的无人机自主避障系统和方法，通过新颖的系统架构，将训练与决策分离，能够大幅降低训练时耗，提升飞行器决策时效；该自主避障方法采用基于策略迭代的深度强化学习模型，以无人机单目摄像机拍摄的以原始的RGB图像为训练数据，无需复杂的点云等其他3D信息，通过完全卷积神经网络对原始RGB图形进行训练获得深度图像信息，再通过基于策略迭代的强化学习方法对图像进行分析预测，提前预判出无人机下一时刻的飞行动作，实现自主避障。本发明提出的避障方法训练时耗比现有典型的基于值迭代的方法都更加高效、时耗更低，可实现灵活自主地避障，适用于变电站自动巡检、无人机巡航等高要求的自主避障场景。
-
公开(公告)号：CN117991819A
公开(公告)日：2024-05-07
申请号：CN202410406804.5
申请日：2024-04-07
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
摘要： 本发明公布了一种无人机飞行控制方法，首先建立非线性六自由度动力学模型，并对模型进行线性化处理，得到无人机连续时间状态的空间模型；然后在线性模型上设计鲁棒最优控制器，获得RSLQR姿态‑高度控制器，最后将RSLQR姿态‑高度控制器所在回路作为内环，在外环中引入MPC控制器，实现姿态‑高度控制、XY的外环轨迹或路径控制。该方法克服了现有技术中共轴双旋翼无人机由于其非线性特性较强，响应初始阶段的动态特性较为难控的问题，提高了控制系统的抗干扰能力，并充分考虑了输入饱和问题，防止执行器饱和，进而提高了控制性能。
-
公开(公告)号：CN115811734B
公开(公告)日：2023-06-06
申请号：CN202310043799.1
申请日：2023-01-29
申请人： 中国人民解放军陆军指挥学院
IPC分类号： H04W12/122 , H04W12/00 , H04W16/14 , H04W84/06 , H04W16/28 , H04B7/06 , H04B7/185 , H04L9/40
摘要： 本发明公开了一种混合卫星‑地面无线网络中基于物理层安全的安全速率最大化方法，以卫星网络作为主网络，地面蜂窝网络作为次级网络；在混合网络中假设所有节点的信道状态信息完全已知，同时卫星主网络与存在地面窃听用户的地面次级网络频谱共享。首先基于安全速率最大化准则，以卫星主用户安全速率最大化为目标函数，地面次级用户的信干噪比门限和地面基站的发射功率满足要求为约束条件建立优化问题。其次，利用了基于变量替换和泰勒估计的迭代算法将原始非凸的优化问题转化为便于求解的半正定规划且满足凸形式的优化问题，并通过标准的数学工具包得到优化问题的最优解。最后，计算机仿真结果证实了所提算法的有效性及可行性。
-
公开(公告)号：CN115811734A
公开(公告)日：2023-03-17
申请号：CN202310043799.1
申请日：2023-01-29
申请人： 中国人民解放军陆军指挥学院
IPC分类号： H04W12/122 , H04W12/00 , H04W16/14 , H04W84/06 , H04W16/28 , H04B7/06 , H04B7/185 , H04L9/40
摘要： 本发明公开了一种混合卫星‑地面无线网络中基于物理层安全的安全速率最大化方法，以卫星网络作为主网络，地面蜂窝网络作为次级网络；在混合网络中假设所有节点的信道状态信息完全已知，同时卫星主网络与存在地面窃听用户的地面次级网络频谱共享。首先基于安全速率最大化准则，以卫星主用户安全速率最大化为目标函数，地面次级用户的信干噪比门限和地面基站的发射功率满足要求为约束条件建立优化问题。其次，利用了基于变量替换和泰勒估计的迭代算法将原始非凸的优化问题转化为便于求解的半正定规划且满足凸形式的优化问题，并通过标准的数学工具包得到优化问题的最优解。最后，计算机仿真结果证实了所提算法的有效性及可行性。
-
公开(公告)号：CN115062203B
公开(公告)日：2022-11-18
申请号：CN202210990278.2
申请日：2022-08-18
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G06F16/906 , G06F16/904 , G06F16/909 , G06K9/62
摘要： 本发明针对兵棋推演系统的实际需求，提出了特定的基于时空和作战编组的轨迹聚类方法。该方法分为轨迹压缩、相似性度量、轨迹线段聚类和可视化4个部分，通过轨迹压缩将停留点等冗余信息从轨迹信息中剔除，并提取轨迹关键点，从而将复杂轨迹简化为少量轨迹线段；相似性度量则从时间、空间和编组关系等维度对轨迹线段之间的相似性进行量化；轨迹线段聚类对时空相邻且作战编组关系相近的轨迹线段进行聚类，并将需要单独显示的特殊轨迹作为离群点从类簇中分离出来；可视化则将轨迹线段聚类结果转化为具有时空信息的代表轨迹，构建突出编组关系和时空变化的动态态势图。该方法具有很好的泛化能力和较高的运行效率，为高效组织兵棋推演发挥了重要作用。
-
公开(公告)号：CN114326821B
公开(公告)日：2022-06-03
申请号：CN202210195266.0
申请日：2022-03-02
申请人： 中国人民解放军陆军指挥学院
IPC分类号： G05D1/10
摘要： 本发明公布了基于深度强化学习的无人机自主避障系统和方法，通过新颖的系统架构，将训练与决策分离，能够大幅降低训练时耗，提升飞行器决策时效；该自主避障方法采用基于策略迭代的深度强化学习模型，以无人机单目摄像机拍摄的以原始的RGB图像为训练数据，无需复杂的点云等其他3D信息，通过完全卷积神经网络对原始RGB图形进行训练获得深度图像信息，再通过基于策略迭代的强化学习方法对图像进行分析预测，提前预判出无人机下一时刻的飞行动作，实现自主避障。本发明提出的避障方法训练时耗比现有典型的基于值迭代的方法都更加高效、时耗更低，可实现灵活自主地避障，适用于变电站自动巡检、无人机巡航等高要求的自主避障场景。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.046 秒)
