-
公开(公告)号：CN109242290A
公开(公告)日：2019-01-18
申请号：CN201810988692.3
申请日：2018-08-28
申请人： 北京航空航天大学 , 中国航空系统工程研究所
CPC分类号： G06Q10/06316 , G06N3/126
摘要： 本发明公开一种无人机群行动方案自动生成方法：一、确定任务核心和场景信息；二、子任务分解模块，使用遗传算法将任务核心分解为若干子任务；三、子任务优先级自动排序模块——和声种群生成；四、资源调度模块进行和声评价；五、子任务优先级自动排序模块——和声记忆库更新；六、输出优秀方案。本发明摆脱人为参与，实现高度自动化、快速响应率和智能协同化；生成的方案保证优秀性、多样性，可按优秀程度排序供选用；生成的行动方案执行时效率更高、目的更明确；搜索时效率更高，不需遍历所有排列即可达到优秀解；可同时进行最优调度和最佳优先级序列和声个体的评价，同时保证时序和资源调度的准确性，增加了计算效率；模块化算法兼容性更高。
-
公开(公告)号：CN109242290B
公开(公告)日：2020-11-27
申请号：CN201810988692.3
申请日：2018-08-28
申请人： 北京航空航天大学 , 中国航空系统工程研究所
摘要： 本发明公开一种无人机群行动方案自动生成方法：一、确定任务核心和场景信息；二、子任务分解模块，使用遗传算法将任务核心分解为若干子任务；三、子任务优先级自动排序模块——和声种群生成；四、资源调度模块进行和声评价；五、子任务优先级自动排序模块——和声记忆库更新；六、输出优秀方案。本发明摆脱人为参与，实现高度自动化、快速响应率和智能协同化；生成的方案保证优秀性、多样性，可按优秀程度排序供选用；生成的行动方案执行时效率更高、目的更明确；搜索时效率更高，不需遍历所有排列即可达到优秀解；可同时进行最优调度和最佳优先级序列和声个体的评价，同时保证时序和资源调度的准确性，增加了计算效率；模块化算法兼容性更高。
-
公开(公告)号：CN109102203A
公开(公告)日：2018-12-28
申请号：CN201810994621.4
申请日：2018-08-28
申请人： 北京航空航天大学 , 中国航空系统工程研究所
摘要： 本发明公开一种基于多串染色体遗传算法的目标分配优化方法，步骤为：1、提出一种多串染色体的染色体编码方式，一个多串染色体代替传统的单染色体代表遗传算法的一个个体。2、遗传算子。3、初代生成：初代生成的目的是填满ND个多串染色体矩阵，ND为种群规模。4、交叉算子：使用染色体串交叉方法。5、变异算子：变异操作依次在每个染色体串中进行。6、适应度函数。7、选择算子：使用轮盘赌选择方法和精英保留策略。本发明实现了一个资源平台匹配多个任务并固定任务目标数的操作；可应用于传统的一个资源平台匹配一个任务目标，区别于普通遗传算法是可以保持这中规则不被破坏，其优点为更加灵活；0-1的编码方式，增加了计算效率。
-
公开(公告)号：CN115273564B
公开(公告)日：2022-12-27
申请号：CN202211194473.0
申请日：2022-09-29
申请人： 北京航空航天大学
摘要： 本发明涉及空中交通管理领域，具体为一种基于多目标优化的空域复杂度调控方法，包括将给定的划分空域利用Voronoi图建模扇区的基础形状切分，得到多个多边形扇区单元；得到初始种群，设定约束条件后通过目标函数为各扇区空域复杂度的标准差和整体空域的协调负载值的多目标优化算法对初始种群进行优化，得到帕累托平面并选取当前最优个体调整得到第二种群；再次利用多目标进化算法对第二种群进行优化，从对第二种群进行优化后得到的帕累托前沿面中选取当前最优个体作为最终的扇区表示，本方法满足流量变化时空中管制资源分配的需求，为空域复杂度调控问题提供了有效稳定的解决方案。
-
公开(公告)号：CN108647370B
公开(公告)日：2021-10-15
申请号：CN201810216913.5
申请日：2018-03-16
申请人： 北京航空航天大学
IPC分类号： G06F30/15 , G06F30/28 , G06F111/04 , G06F119/14
摘要： 本发明涉及一种基于双环迭代的无人直升机气动外形优化设计方法，步骤一、确定初值和约束；步骤二、几何文件生成模块；步骤三、网格生成模块；步骤四、气动分析模块；步骤五、优化器模块；步骤六、近似方法；步骤七、优化算法；步骤八、优化过程集成。本发明优点在于：多次迭代过程提高了计算结果的精度；采用了响应面模型来近似求解，在保证精确的基础上，大大提高了计算效率，不仅减少了多个变量的精细计算，更是将复杂的CFD计算简化为近似迭代计算，大大减少了外环CFD计算的次数；数次外环修正，将误差影响降到最低；适合于多目标优化问题求解，计算过程是比较简单的，并同求解问题的其它启发式算法有很好的兼容性。
-
公开(公告)号：CN115423219B
公开(公告)日：2023-04-07
申请号：CN202211364986.1
申请日：2022-11-03
申请人： 北京航空航天大学
IPC分类号： G06Q10/047 , G06Q10/0631 , G06Q50/26 , G06Q50/30 , G06F30/27 , G06N3/126 , G06F111/04 , G06F119/06 , G06F119/12
摘要： 本发明公开了一种无人机群应急物资投送方法与仿真系统，所述方法包括步骤：考虑救援点物资需求存在异质性，确定无人机群应急物资投送任务的原则并建立任务模型；根据应急物资投送的总时间的优化目标，以及综合考虑路径约束、物资约束、能耗约束、时间约束，确定任务模型的目标函数和约束条件；利用多层编码遗传算法求解任务模型，获得无人机群应急物资投送任务的最优解；该方法考虑到了物资需求的异质性，能够满足应急任务的现实需求。所述仿真系统包括由下到上的基础组件层、数据计算层、可视化层，下层为上层提供技术服务和所需数据；该系统方便研究人员进行模型、算法参数的更新调整以及仿真验证。
-
公开(公告)号：CN115423219A
公开(公告)日：2022-12-02
申请号：CN202211364986.1
申请日：2022-11-03
申请人： 北京航空航天大学
IPC分类号： G06Q10/04 , G06Q10/06 , G06Q50/26 , G06Q50/30 , G06F30/27 , G06N3/12 , G06F111/04 , G06F119/06 , G06F119/12
摘要： 本发明公开了一种无人机群应急物资投送方法与仿真系统，所述方法包括步骤：考虑救援点物资需求存在异质性，确定无人机群应急物资投送任务的原则并建立任务模型；根据应急物资投送的总时间的优化目标，以及综合考虑路径约束、物资约束、能耗约束、时间约束，确定任务模型的目标函数和约束条件；利用多层编码遗传算法求解任务模型，获得无人机群应急物资投送任务的最优解；该方法考虑到了物资需求的异质性，能够满足应急任务的现实需求。所述仿真系统包括由下到上的基础组件层、数据计算层、可视化层，下层为上层提供技术服务和所需数据；该系统方便研究人员进行模型、算法参数的更新调整以及仿真验证。
-
公开(公告)号：CN110316370B
公开(公告)日：2021-07-06
申请号：CN201910552167.1
申请日：2019-06-25
申请人： 北京航空航天大学
摘要： 本发明公开一种分布式动力倾转机翼飞机的布局及控制方法，选取鸭式布局飞机，前部鸭翼和机翼主翼内部设置涵道安装多个发动机来实现分布式动力；垂直起飞状态前部鸭翼和机翼主翼倾转为竖直，八个发动机产生拉力使机体离地，同时差动工作修正机体姿态；达到一定高度时，前部鸭翼和机翼主翼逐渐倾转，角度根据油门动态调整；当前飞速度足以使前部鸭翼和机翼主翼产生的升力与重力相抵时前部鸭翼和机翼主翼完全转为水平，进入高速平飞状态，实现垂起、悬停到平飞的转换；平飞、悬停到垂落的转换过程正好相反。本发明动力系统设置简单，并设置锁止机构；本发明控制直接可靠，将倾转机构和姿态控制分立，避免因一个系统故障导致多个功能失效的问题。
-
公开(公告)号：CN108647370A
公开(公告)日：2018-10-12
申请号：CN201810216913.5
申请日：2018-03-16
申请人： 北京航空航天大学
IPC分类号： G06F17/50
摘要： 本发明涉及一种基于双环迭代的无人直升机气动外形优化设计方法，步骤一、确定初值和约束；步骤二、几何文件生成模块；步骤三、网格生成模块；步骤四、气动分析模块；步骤五、优化器模块；步骤六、近似方法；步骤七、优化算法；步骤八、优化过程集成。本发明优点在于：多次迭代过程提高了计算结果的精度；采用了响应面模型来近似求解，在保证精确的基础上，大大提高了计算效率，不仅减少了多个变量的精细计算，更是将复杂的CFD计算简化为近似迭代计算，大大减少了外环CFD计算的次数；数次外环修正，将误差影响降到最低；适合于多目标优化问题求解，计算过程是比较简单的，并同求解问题的其它启发式算法有很好的兼容性。
-
公开(公告)号：CN118966496A
公开(公告)日：2024-11-15
申请号：CN202411029721.5
申请日：2024-07-30
申请人： 北京航空航天大学
IPC分类号： G06Q10/047 , G06N3/006 , G06F18/23213 , G06N3/0499 , G06N3/084 , G06N3/048 , G06N5/01
摘要： 本发明涉及一种面向应急物资投送任务的无人机路径规划方法，属于路径规划技术领域，解决了现有技术中缺少指导搜索的有效策略、问题规模较大且固定、容易陷入局部最优和问题求解速度慢效率低的问题。本发明使用神经网络学习已知问题的最优解，用于在新场景下预测各个节点连边概率，以预测结果为启发式信息对信息素矩阵进行初始化，为搜索创造良好开端；使用k‑means方法将救援点分成多组求解，减少问题规模，并根据搜索状态自适应变更分治规模，有效增强分治的多样性，帮助算法跳出局部最优；在蚁群算法中加入解修复机制和局部搜索算法，有效提升局部探索性能和解的利用效率，求解高效快速，缩短救援物资配送等待时间，高效规划无人机配送路径。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.077 秒)
