-
公开(公告)号：CN118863366A
公开(公告)日：2024-10-29
申请号：CN202410864969.7
申请日：2024-06-28
申请人： 北京航空航天大学
IPC分类号： G06Q10/0631 , G06Q10/0637 , G06N5/01 , G06N3/09 , G06N3/092
摘要： 本发明公开一种基于深度强化学习的无人机集群任务链调度方法及产品，涉及集群任务链调度领域，方法包括，将联合策略‑价值网络结合到蒙特卡洛搜索树算法中得出训练样本集，利用训练样本集训练联合策略‑价值网络，最终既可以利用训练后的联合策略‑价值网络得出任务链调度的最优解，也可以将训练后的联合策略‑价值网络结合到蒙特卡洛搜索树算法得出任务链调度的最优解。本发明中，利用联合策略‑价值网络和蒙特卡洛搜索树算法相结合的方式确定最优任务链，提高了集群任务执行的效率与可靠性。
-
公开(公告)号：CN111813086B
公开(公告)日：2023-08-25
申请号：CN202010682056.5
申请日：2020-07-15
申请人： 北京航空航天大学云南创新研究院
IPC分类号： G05B23/02
摘要： 本申请公开了一种基于模型的无人系统自主性评估方法，包括以下步骤：步骤S100：预审自主性评估资料是否达到评估要求，对于达到评估要求的评估资料中不同量纲的指标进行归一化处理；步骤S200：基于层次分析法将评估资料中各指标划分为一级指标和二级指标，之后分别对一级指标和二级指标配置指标权重；步骤S300：构建如下式的无人系统自主性评估的闭环模型；步骤S400：根据模型得出综合得分。该方法能实现综合考虑实际应用中不同工况下无人系统的共性问题和个性问题，同时克服了自主技术实现难题，提高了无人系统自主性评估的科学性和实用性。
-
公开(公告)号：CN114326806B
公开(公告)日：2022-07-22
申请号：CN202111634379.8
申请日：2021-12-29
申请人： 北京航空航天大学
IPC分类号： G05D1/10
摘要： 本发明公开一种考虑任务体系下的无人机集群维修方法,包括如下步骤：S1、建立多层复杂网络模型，基于多层复杂网络模型对集群系统任务可靠性进行评估；S2、基于集群维修与网络相关关系，将对多层复杂网络模型进行可靠性评估转换为评估各个层面维修下的集群任务可靠性；S3、对集群任务可靠性进行评估；S4、基于集群任务可靠性评估结果，制定集群维修方案。本发明基于单机功能节点失效的提出的众多维修分组基础上，利用复杂网络建模和评估方法作为工具，根据集群网络的拓扑信息，将单机的维修影响扩散到集群系统网络的任务能力变化，以成本和集群系统任务可靠性为最终目标函数，对分组策略进行优化。
-
公开(公告)号：CN113742195B
公开(公告)日：2022-03-29
申请号：CN202111097887.7
申请日：2021-09-18
申请人： 北京航空航天大学
摘要： 本发明涉及一种基于贝叶斯神经网络的系统健康状态预测方法，包括：将系统结构的各节点进行划分，得到第一整合节点和第二整合节点；基于所述第一整合节点建立原始多层级系统贝叶斯网络模型，得到第一整合节点的状态分布预测结果，基于所述第二整合节点建立深度学习模型及贝叶斯网络模型，得到第二整合节点的状态分布预测结果；将所述第一整合节点的状态分布预测结果和所述第二整合节点的状态分布预测结果进行整合，实现系统整体的健康状态预测。本发明有效利用了健康状态监测数据，避免了数据重叠和耦合的情况；利用贝叶斯神经网络将系统状态进行划分并预测，有效指导后续系统的运行和维护。
-
公开(公告)号：CN113360276A
公开(公告)日：2021-09-07
申请号：CN202110405457.0
申请日：2021-04-15
申请人： 北京航空航天大学
IPC分类号： G06F9/50
摘要： 本发明公开了一种基于健康状态的无人机系统任务规划方法及系统。该方法包括：获取无人机系统要执行的所有任务；根据要执行的所有任务确定任务执行次序集合；所述任务次序集合包括执行所有任务的全部次序；计算所述无人机系统按照所述任务次序集合执行完所有任务的健康损失值；选择健康损失值最小时对应的任务执行次序，为最优任务执行次序，完成任务规划。本发明根据无人机健康状态和任务跟进判断，优化任务顺序使得任务分配更合理准确，进而提高无人机可靠顺利完成任务的概率。且求解得到任务执行顺序的最优方案，使得无人机在任务完成时的健康状态最佳。使无人机在执行任务后健康状态损失最少意味着任务成本和维修成本降低。
-
公开(公告)号：CN113068151A
公开(公告)日：2021-07-02
申请号：CN202110273457.X
申请日：2021-03-15
申请人： 北京航空航天大学
摘要： 本发明涉及一种考虑系统失效的无人机蜂群任务可靠性分析方法，所述方法包括：采用复杂网络的方法构建无人机蜂群的网络模型；所述网络模型包括通讯层、结构层和任务层，所述结构层中各节点对应一个无人机，所述通讯层中节点根据各无人机中通讯设备确定，所述任务层中节点根据各无人机的任务载荷数量确定；获得所述网络模型中各个节点随时间变化的失效分布；根据所述各个节点随时间变化的失效分布更新所述网络模型；根据预设的任务可靠性指标对更新后的所述网络模型进行可靠性分析。本发明提高了可靠性分析的全面性和准确性。
-
公开(公告)号：CN111085382B
公开(公告)日：2021-06-11
申请号：CN201911402365.6
申请日：2019-12-30
申请人： 北京航空航天大学
摘要： 本发明涉及喷涂设备技术领域，提供一种无喷嘴式喷涂装置，包括：超声波换能器；雾化结构，包括变幅杆和雾化头，所述变幅杆的一端连接所述超声波换能器，所述变幅杆的另一端连接雾化头，所述雾化头设有雾化表面，向所述雾化表面输送液态物料且液态物料在所述雾化表面雾化。本发明提出的无喷嘴式喷涂装置，无需设置喷嘴，解决喷嘴堵塞的问题，简化结构，降低成本；雾化结构内部无需设置细小的液体流道，更不会发生液体流道堵塞的问题，也省去了液体流道的钻削加工成本，进而降低生产成本，解决加工成本高的问题；供液量不受液体流道和喷嘴限制，可以实现较大的供液量，提高生产效率，满足工业需求。
-
公开(公告)号：CN108985462B
公开(公告)日：2021-03-12
申请号：CN201810760464.0
申请日：2018-07-12
申请人： 北京航空航天大学
摘要： 本发明公开了一种结合互信息和分形维数的无监督特征选择方法，为解决多维原始特征中所含的冗余和不相关特征导致的子空间学习算法信息融合性能降低的问题。首先，利用原始特征提取方法对产品进行多维特征信息提取工作，得到产品时域、频域、时频域等多维特征信息；其次，基于互信息定义，在综合考虑多维特征间冗余度和相关度的基础上，对其进行特征重要度排序，得到已排序多维特征集；然后基于分形理论，基于分形采用维数的特征子集评价标准对已排序多维特征集进行特征子集选择，得到最优特征子集；最后，利用子空间学习方法对最优特征子集进行融合降维，得到产品综合特征。本发明在综合考虑特征冗余度和相关度的基础上，去除与特多维原始特征集相关程度小且冗余程度大特征，提高子空间学习方法信息融合性能，同时得到产品综合特征。
-
公开(公告)号：CN109800866B
公开(公告)日：2020-12-29
申请号：CN201711133837.3
申请日：2017-11-16
申请人： 北京航空航天大学
摘要： 一种基于GA‑Elman神经网络的可靠性增长预测方法，其步骤如下：一、收集故障数据；二、将故障数据整理成训练数据组；三、设置GA‑Elman神经网络参数；四、建立可靠性增长模型；五、对产品进行可靠性增长预测；六、对产品进行可靠性增长跟踪预测；七、结果分析讨论；通过以上步骤，建立了一种基于GA‑Elman神经网络的可靠性增长预测方法。在历史故障数据的基础上，每产生新的故障数据都是可靠性增长的新状态，利用神经网络非线性拟合构建增长预测模型，利用自学习能力实现模型更新，解决传统模型应用范围受限，参数求解复杂，以及不能及时更新模型等问题，提高了在增长过程中预测的准确性、跟踪的有效性，为可靠性增长管理提供指导。
-
公开(公告)号：CN110661667B
公开(公告)日：2020-07-03
申请号：CN201910935642.3
申请日：2019-09-29
申请人： 北京航空航天大学
摘要： 本发明公开一种无人机蜂群的任务可靠性分析方法及系统。该分析方法包括：根据待分析的无人机蜂群系统，获取攻击策略；根据攻击策略对无人机蜂群系统的多层网络进行攻击；基于渗流模型，确定当前次攻击的连通性；判断当前次攻击后的任务网络层的节点数是否大于0，如果是，按照攻击策略进行下一次攻击；如果否，攻击结束；将每一次攻击对应的连通性确定为每一次攻击对应的所述无人机蜂群系统的任务可靠性指数；任务可靠性指数越高，无人机蜂群系统执行任务的可靠性越高。本发明可以很好的适用于无人机蜂群系统，同时提高可靠性分析结果的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
93 条记录 (耗时 0.04 秒)
