基于任务分配的多飞行器协同航迹规划

在综合考虑飞行器编队的飞行代价和作战效果的基础上, 研究了基于任务分配的多飞行器协同航迹规划方法, 构建了结合任务分配的飞行器编队协同航迹规划模型, 设计了分解式协同航迹规划算法, 可以有效地对多目标存在的情况进行综合权衡, 得到合理的任务分配和航迹规划方案. 仿真算例表明, 这种航迹规划方法不仅能保证各飞行器选择合理的协同航迹, 也使得作战任务可以获得最佳作战效果, 有效地提高编队作战的效费比.     

复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队队形集结控制问题，设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先，考虑编队队形集结边界约束与防碰撞约束条件，设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后，以规划得到的集结航迹作为期望航迹，设计了一种双回路结构的非线性路径跟踪控制方法。最后，利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验，仿真结果验证了方法的有效性和优越性。     

小型无人机快速三维航迹规划方法

针对小型无人机航迹规划中难以满足自身性能约束和实时性要求的问题,将飞行环境中的威胁分为可穿越威胁和不可穿越威胁;基于序列规划思想,采用粒子群优化算法规划基准航迹,采用改进的稀疏A*算法进行在线航迹规划。为提高在线航迹规划效率,将三维航迹规划转化为二维水平面规划和高度规划,仿真实验验证了该算法能够生成三维可行航迹,且规划时间显著减少。     

基于细菌觅食算法的多异构无人机任务规划

针对多无人机任务规划问题, 以细菌觅食算法为基础, 融合遗传算法的交叉变异操作, 进行任务分配。为了提高算法的收敛能力, 动态自适应调节算法的游动步长、繁殖次数和迁徙概率。基于Lyapunov导航向量场和避障向量场构建融合向量场, 模拟真实静态和动态障碍物环境, 在任务分配阶段完成航迹规划; 基于合同网拍卖算法, 进行无人机坠毁后的任务重分配。仿真结果显示, 改进算法满足任务规划需求, 在考虑静态和动态障碍物的环境下, 能够高效的完成多异构无人机的任务分配以及重分配且总代价最小。     

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法.通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹.并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题.仿真结果验证了算法的有效性.     

“最后一公里”配送的分布式多无人机的任务分配和路径规划

无人机在完成"最后一公里"的货物配送时需解决任务分配与路径规划问题.本文将"区块链"思想引入拍卖算法中,对无人机编队的任务分配进行优化计算,计算方式由集成中心式计算转变为分布式多智能体间互联计算,使无人机编队在任务计划过程中重新对不合理的任务结果作出调整,使其总回报奖励更高,即分配总成本最少.在确定无人机配送的初末位置后,以路径长度、地形、雷达威胁、无人机碰撞为约束建立目标函数模型,利用改进的量子粒子群算法进行求解.与传统方法相比,本文提出的任务分配策略和路径规划方法可以得到更好的优化结果,并减少计算资源消耗.仿真结果表明:所提出的两种方法在计算效率和任务执行方面都是非常有效性的.     

基于动态RCS的无人机航迹实时规划方法研究

为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。     

基于VORONOI图的无人机航迹规划

无人机的航迹规划对发挥无人机的自主飞行和执行任务中起着至关重要的作用。在分析VORONOI图的性质基础上,以无人机仿真环境中作战想定与任务规划成员为背景研究基于VORONOI图的航迹规划技术。重点讨论了如何根据威胁分布的VORONOI图建模,计算航路代价,航迹搜索和航迹优化。最后总结了算法的优缺点,提出算法的改进新方法。     

基于人机合作的有人/无人机编队队形变换策略

队形变换是有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队飞行的关键技术,为提高编队队形变换效率并减轻飞行员操纵压力,设计了基于人机合作的MAV/UAV编队队形变换策略。首先设计了MAV/UAV编队控制系统,然后在UAV运动学模型基础上设计了一种以路径跟踪为主,速度调节为辅的MAV/UAV编队队形变换策略。通过将水平转弯机动与虚拟力相结合,并考虑实际情况中编队内碰撞问题,设计了一种改进虚拟力路径跟踪方法;根据MAV与各UAV之间的路径差,设计各UAV速度控制律,使得MAV与各UAV速度与航向角一致,从而实现编队队形变换。仿真结果验证了所提方法的有效性和实用性。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。     

基于虚拟长机的无人机侦察编队控制方法

针对使用多无人机编队对周边区域实施协同侦察任务的协同控制问题,提出了以虚拟长机为编队航迹引导的分布式编队控制方法。该方法基于编队通信拓扑的分布性,以“相邻”无人机为参考估计长机状态,然后设计无人机编队的分布式线性化反馈控制器。仿真实验表明,在无人机编队沿阿基米德螺旋线实施侦察的过程中,该控制器能够使多无人机形成期望队形,并维持其稳定,同时减小编队队形误差,实现对侦察航迹的高精度跟踪。     

异构UAV编队反雷达作战中任务分配方法

针对异构无人机编队在反雷达作战中的任务分配特点,建立了无人机与执行任务之间合理的协同约束关系,提出了基于时间窗的异构无人机编队混合整数线性规模型。同时,结合遗传算法的全局搜索和并行计算能力,提出了基于时间窗的多层编码遗传算法实现异构无人机编队任务分配。仿真实验和分析表明了两种算法的有效性,并对比分析了它们的优势与适用范围。     

多无人机3D侦察路径规划

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。     

基于超扭曲算法的无人机动态逆编队控制器设计

针对扰动条件下的无人机编队飞行控制系统,研究了一种将非线性动态逆（nonlinear dynamic inversion, NDI）理论与超扭曲算法相结合的非线性编队控制方法。以其中一架僚机的编队控制器设计为例,在无人机质心动力学和运动学模型的基础上,建立了基于偏差的编队控制系统,从而将编队控制问题转化为僚机的路径跟踪问题;在二阶滑模控制中超扭曲算法的基础上,设计了僚机的NDI控编队控制器,以消除滑模算法中存在的抖振现象,并实现对位置指令的跟踪及干扰的抑制。最后以3架编队无人机构成的编队飞行控制系统为例,对此方法进行了数学仿真,仿真结果表明基于该方法的编队控制系统具有良好的稳定性和鲁棒性。     

基于粒子群算法的无人机舰机协同任务规划

无人机舰机协同任务规划技术是指充分利用无人机与舰艇的优势互补,协同进行作战任务规划的新技术,它是无人机任务规划问题的研究新热点,对于提升海军海上作战能力具有重要意义。针对该问题提出了相应的数学模型,并利用自适应的粒子群算法(self adaptive particle swarm optimization, APSO)进行了求解,该算法能够自适应调整粒子群的惯性权重,更好的防止粒子群陷入局部最优。实验表明,在给定的实验样本中APSO相对于标准粒子群算法和带有压缩因子的粒子群算法能更有效的求解。     

多无人机集结问题分布式求解方法

针对多无人机协同对地打击的任务区集结问题,建立了基于一致性理论的分布式控制结构,设计了结合航迹规划与轨迹控制的策略以实现多无人机同时到达。以提高一致性算法收敛速度为目的,引入状态观测器,改进了含有虚拟Leader的一致性控制算法,并对新算法的收敛性和快速性进行了数学证明。仿真结果表明,本文的方法能够有效实现多无人机同时集结到目标位置,改进的算法具有更快的收敛速度。