通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

不确定环境下多无人机协同区域搜索算法

针对通信约束在不确定环境下对多无人机协同区域搜索问题的影响,提出了一种基于预测控制思想的多无人机协同区域搜索算法,研究各种通信约束对多无人机协同区域搜索效能的影响。首先,根据多无人机协同搜索的行为准则建立了无人机运动模型和搜索模型。其次,分析了通信约束对于多无人机协同搜索的影响,结合预测控制思想,使多无人机在执行区域搜索任务时同时考虑当前搜索代价和长期搜索代价,提高了多无人机的协同搜索效能。使用蒙特卡罗方法对各种情况进行仿真,仿真结果验证了基于预测控制的多无人机协同区域搜索算法的合理性和有效性。     

带信息素回访机制的多无人机分布式协同目标搜索

为了提高无人机对目标的搜索捕获能力和对不确定度较高的区域的回访能力,进而提高多无人机协同搜索效率,提出了一种带信息素回访机制的多无人机协同目标搜索方法。首先,建立了包含目标存在概率地图、不确定地图和数字信息素地图在内的环境感知地图及其更新机理,使得无人机对任务区域中环境和目标信息的感知更加全面和准确,为无人机在线自主地进行搜索决策奠定基础。其次,考虑到任务子区域的可控回访需求,借鉴信息素“释放-传播-挥发”的特性,设计了基于信息素的网格回访机制,来引导无人机对目标存在可能性较大的区域或者不确定度较高的区域进行回访搜索。最后,设计了基于环境感知地图的协同搜索决策性能指标,在分布式滚动时域优化框架下,建立了多无人机协同搜索决策方法。使用蒙特卡罗方法验证了无人机数量、传感器探测靶面半径、传感器性能对搜索效率的影响。对比仿真表明,信息素回访机制能够保证较强的遍历能力和回访能力,使得无人机能够尽早搜索到更多的目标,尽快地降低整个搜索区域的不确定度。     

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.     

基于视觉的多无人机协同目标跟踪控制律设计

针对基于视觉的多无人机协同目标跟踪控制律设计问题,对无人机协同控制策略进行了研究。分别提出了两架及多架无人机协同速度控制律,使无人机能够动态调整速度,以较低速度跟踪目标。针对多架无人机提出了一种最小化各无人机到目标夹角误差平方和的夹角误差定义方法,提高了无人机协同效率。仿真实验验证了本文提出的夹角误差定义方法和协同控制律的有效性。     

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明：所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。     

通信距离约束下双无人机目标跟踪算法

提出了一种旨在提高定位精度,同时具有保证通信距离约束和传感器探测距离约束性能的无人机双机协同跟踪路径规划算法。分析了传感器误差引起的目标定位误差,指出使用协同跟踪的优势。针对通信约束、传感器距离约束以及精度要求,分别提出了漏斗函数、参数冻结等策略,满足了双无人机协同目标跟踪时的相关约束。设计了双无人机目标三维定位的方法。通过对无人机双机协同跟踪精度与单机目标测量精度仿真对比,验证了算法能够在维持两种距离约束的情况下,以较高的精度跟踪目标。     

面向目标不确定的多无人机鲁棒协同搜索

多架无人机（ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ,ＵＡＶ）协同搜索是多无人机协同的一个重要研究方向。多架 ＵＡＶ 同时对一个未知区域进行搜索,目的就是大量获取搜索区域的信息,确定目标存在的具体位置。提出了一 种基于贝叶斯理论的多ＵＡＶ 鲁棒协同搜索方法,首先建立搜索环境的数学模型,然后考虑到ＵＡＶ 传感器测量 的不确定性以及环境自身的不确定性,引入鲁棒性能参数以提高系统的抗干扰性以及稳定性,最后对目标函数进 行优化求解,从而引导ＵＡＶ 在区域中进行搜索。通过仿真结果验证了所提方法的有效性。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

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。     

无人机协同中继过程中的路径规划与通信优化

通信网络是保证无人机在协同搜索时获取更多的战场信息,发挥协同作战优势的基础。主要研究多无人机完成通信中继任务过程中的搜索路径规划和通信性能优化问题。搜索路径规划的目的是确定未知地面移动人员具体方位并对其组网,以便无人机执行中继任务;而通信优化问题则是针对无人机中继过程中可能出现的通信中断、失真等问题,分析通信网络信息传输的路由选择,选取通信延时为性能指标,通过改变无人机的路径选择来提高通信网络的性能。仿真结果表明了本文实现通信中继和通信网性能提高的有效性。     

基于运动目标预测的多无人机分布式协同搜索

多无人机(unmanned aerial vehicle, UAV)协同搜索是多UAV协同一个重要研究方向。随着战场环境的复杂化,UAV对动态时敏目标的搜索显得尤为重要。针对动态时敏目标的运动特性,首先建立动态时敏目标的运动预测模型,为了降低由于目标运动造成的不确定性以及优化UAV的搜索性能,在采用贝叶斯理论对目标存在概率进行更新的基础上,研究了一种基于高斯分布的目标转移概率密度,通过计算得到动态时敏目标的存在预测概率,然后合理建立UAV协同搜索的性能指标函数,在分布式模型预测控制框架下,将多UAV集中式在线优化问题转化为各架UAV的分布式在线优化问题,最后对性能指标函数进行优化求解。通过仿真验证了所提方法的有效性。     

分布式多AUV协同搜索方法

针对水下协同搜索中存在通信延时、单个自主式水下航行器(autonomous underwater vehicle, AUV)易失效的问题, 提出一种采用分布式协同结构和滚动优化策略, 利用改进型头脑风暴优化(brain storm optimization, BSO)算法优化基于目标存在概率、环境不确定度、协调信息素的目标函数的新方法。仿真结果表明, 所提方法能实现避碰, 并在通信延时情况下仍有能力搜索到所有目标。通过仿真给出了所提方法关键参数的建议取值范围, 并验证了个别AUV在搜索过程中失效对总体搜索效果影响不大, 方法具有很强的实时性和鲁棒性。     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。     

地面运动目标的多UAV协同搜索方法

对地面运动目标的搜索是无人机(unmanned aerial vehicle, UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle, multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。