-
公开(公告)号：CN117518013A
公开(公告)日：2024-02-06
申请号：CN202311329326.4
申请日：2023-10-13
申请人： 北京航空航天大学
摘要： 本发明提供一种DC/DC电源模块的激活能提取方法，步骤如下：一：建立DC/DC电源模块的激活能提取模型；二：分析电路结构，确定DC/DC电源模块内部元器件类型并查找元器件激活能；三：基于序进温度应力加速寿命试验补充确定元器件的激活能；四：确定DC/DC电源模块的激活能；通过以上步骤，可以计算得到DC/DC电源模块的激活能，为DC/DC电源模块评价提供量化依据。
-
公开(公告)号：CN109213323B
公开(公告)日：2022-04-29
申请号：CN201810985491.8
申请日：2018-08-28
申请人： 北京航空航天大学青岛研究院
IPC分类号： G06F3/01 , G06F3/0487
摘要： 本发明提出一种眼动交互操作中屏幕位姿的改进方法，包含以下步骤：A、屏幕位姿初始化；B、屏幕位姿误差衡量；C、定义屏幕位姿反馈机制；D、通过眼动交互操作提高屏幕位姿精度。本发明提供了一种简单易行的方法，使得用户可以通过简单的眼动交互操作来估计屏幕的位置和姿态，增加眼动追踪设备的实际使用体验。用户友好，简单易行，精度较高，允许眼动追踪设备的位置有较大自由度，只要其能拍摄到脸部图像即可。
-
公开(公告)号：CN110163902B
公开(公告)日：2021-05-04
申请号：CN201910389137.3
申请日：2019-05-10
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于因子图的逆深度估计方法，属于图像处理和单目相机深度估计技术领域。所述方法首先利用三角形方法测量空间中对应点的深度，然后利用因子图模型对单目相机进行建模，利用李群‑李代数之间的转换关系将位姿估计转换为无约束的优化问题求解；利用逆深度滤波方法来对深度进行滤波，将每次求得的逆深度进行融合，进而获得融合后的深度；利用上述得到的深度和余弦定理，可以测量空间中物体的长度。从而验证该方法的合理性。本发明将因子图模型引用到逆深度的测量中，既有利于该估计方法的扩展，也提高了估计的精度。本发明提出的逆深度滤波的方法，有效的解决了远离相机中心的像素出现拖尾现象，提高了鲁棒性。
-
公开(公告)号：CN110176033A
公开(公告)日：2019-08-27
申请号：CN201910380025.1
申请日：2019-05-08
申请人： 北京航空航天大学
IPC分类号： G06T7/564
摘要： 本发明公开了一种基于概率图的混合概率逆深度估计方法，属于图像处理和单目相机深度估计技术领域。所述估计方法首先利用经典的三角形法求出空间中一点的深度和位置；然后利用归一化八点算法求出对极几何中的基本矩阵，进而求出相机的位姿，作为优化的初始值；最后用基于概率图的高斯-均匀混合分布求逆深度，利用近似推断可以求出递推公式，利用其深度信息可以求出物体的距离。本发明不仅提高了单目相机深度估计的精度，还增强了系统的鲁棒性。
-
公开(公告)号：CN107564018A
公开(公告)日：2018-01-09
申请号：CN201710764994.8
申请日：2017-08-30
申请人： 北京航空航天大学
摘要： 本发明涉及一种利用改进迭代算法提取目标图像的方法，该方法具体包括获取原始图像，求取所述原始图像的所有像素点的第一平均灰度值a；将所述原始图像中所有低于平均灰度值a的像素点删除，得到初次分割图像；对所述初次分割图像利用迭代算法再进行图像分割，提取第一目标图像；对所述第一目标图像进行细化处理，提取第二目标图像。本发明采用改进迭代算法对图像进行分割，并对分割后的图像进一步细化处理，其分割结果相对现有技术更为准确，并在一定程度上减少迭代法运算时间，大大提高了图像数据的处理效率，而细化处理能够提高目标图像的精准性。
-
公开(公告)号：CN101853531B
公开(公告)日：2012-09-05
申请号：CN201010190352.X
申请日：2010-05-25
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于预分类技术和RBF神经网络的直升机飞行状态识别方法。该方法首先将需识别的飞行状态分为10小类，并为每一类设计用于飞行状态进一步识别的RBF神经网络；在对某一飞行数据进行飞行状态识别时，先根据某些飞行参数将飞行数据归类于10小类中，之后将其输入每一小类对应的RBF神经网络，进行飞行状态的准确识别。该方法通过预分类技术，减少了每个神经网络需识别的状态，从而提高了利用神经网络识别直升机飞行状态的识别率。
-
公开(公告)号：CN101853531A
公开(公告)日：2010-10-06
申请号：CN201010190352.X
申请日：2010-05-25
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于预分类技术和RBF神经网络的直升机飞行状态识别方法。该方法首先将需识别的飞行状态分为10小类，并为每一类设计用于飞行状态进一步识别的RBF神经网络；在对某一飞行数据进行飞行状态识别时，先根据某些飞行参数将飞行数据归类于10小类中，之后将其输入每一小类对应的RBF神经网络，进行飞行状态的准确识别。该方法通过预分类技术，减少了每个神经网络需识别的状态，从而提高了利用神经网络识别直升机飞行状态的识别率。
-
公开(公告)号：CN114815882B
公开(公告)日：2024-06-18
申请号：CN202210369183.9
申请日：2022-04-08
申请人： 北京航空航天大学 , 北京控制与电子技术研究所
摘要： 本发明公开了一种基于强化学习的无人飞行器自主编队智能控制方法，应用于多无人机系统。本发明方法首先构建多无人飞行器系统模型，确定多无人飞行器协同编队的任务目标；然后基于MADDPG框架构建自主编队协同控制器，布置在每个跟随无人飞行器上；自主编队协同控制器包括基于策略梯度的编队行为者网络和编队目标行为者网络，以及基于值的编队评价者网络和编队目标评价者网络；行为者网络允许单个智能体策略网络的优化过程使用邻居节点的观测信息，训练完成之后每个智能体以分散的方式行动，本发明方法可实现多飞行器智能协同编队，共同完成特定的队形保持、冲突协调以及避免碰撞等协同问题，提高采样效率，适用于大规模的多智能体系统。
-
公开(公告)号：CN114815882A
公开(公告)日：2022-07-29
申请号：CN202210369183.9
申请日：2022-04-08
申请人： 北京航空航天大学 , 北京控制与电子技术研究所
IPC分类号： G05D1/10
摘要： 本发明公开了一种基于强化学习的无人飞行器自主编队智能控制方法，应用于多无人机系统。本发明方法首先构建多无人飞行器系统模型，确定多无人飞行器协同编队的任务目标；然后基于MADDPG框架构建自主编队协同控制器，布置在每个跟随无人飞行器上；自主编队协同控制器包括基于策略梯度的编队行为者网络和编队目标行为者网络，以及基于值的编队评价者网络和编队目标评价者网络；行为者网络允许单个智能体策略网络的优化过程使用邻居节点的观测信息，训练完成之后每个智能体以分散的方式行动，本发明方法可实现多飞行器智能协同编队，共同完成特定的队形保持、冲突协调以及避免碰撞等协同问题，提高采样效率，适用于大规模的多智能体系统。
-
公开(公告)号：CN110989829A
公开(公告)日：2020-04-10
申请号：CN201911051680.9
申请日：2019-10-31
申请人： 北京航空航天大学青岛研究院
摘要： 本发明所述基于眼动算法的测试方法，创造性地定义出眼动算法性能测试的相关指标，围绕相关测试指标提出一种眼动追踪算法性能测试的通用环境与测试流程整体，以期实现眼动算法测试的通用性、提升算法研发的效率和缩短研发周期，对算法的研发迭代提供指导性方向与参考。所述的测试方法，是将眼动算法的性能测试与眼动算法的研发本身解耦，使得测试环境不局限于某种具体的眼动追踪算法，从而建立起一个通用的眼动算法性能测试环境。测试方法包括定义了眼动算法性能的相关测试指标，定义了眼动算法性能测试环境的整体架构，提出执行眼动算法性能测试的流程步骤。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.04 秒)