舰艇编队协同防空体系免疫多智能体模型

针对舰艇编队协同防空问题, 根据舰艇编队协同防空体系与生物免疫系统防御机制和性质相似的特点, 实现了二者在结构和功能上的映射. 在此基础上, 结合多智能体理论与方法, 设计了舰艇编队协同防空体系的监测、调节和抗体等免疫智能体的功能结构模型, 构建出一种新颖的舰艇编队协同防空体系免疫多智能体(IMA)系统模型, 提出了免疫多智能体系统的形式化描述, 分析了舰艇编队协同防空体系免疫多智能体系统的免疫应答过程和机制. 该模型的防御机制具有自学习、自适应、自组织的特性, 充分体现了舰艇编队协同防空体系的协同防御机制和性质, 为舰艇编队协同防空体系研究开拓了一种新思路.     

具有弱通讯的多智能体分布式自适应协同跟踪控制

针对具有弱通讯的高阶严反馈非线性多智能体系统,提出一种新颖的分布式自适应反演控制方法,并研究了该系统的协同跟踪控制问题。首先,以5个智能体作为被控对象,其中一个智能体以分布式结构组成“领航者-跟随者”编队模式,并且将领航者的运动速度作为整个编队系统的前行速度,其余智能体作为跟随者跟随领航者编队运动。其次,采用自适应反演方法,对系统中由于弱通讯导致的不确定参数进行自适应估计,并对系统设计补偿追踪控制律,使系统中的智能体能够实现自主跟踪时变的参考轨迹,最终以最优的轨迹避开障碍物,并保持期望队形运动。接着,根据Lyapunov稳定性理论,证明了所提方法的有效性。最后,通过仿真对比表明,所提方法能够使多智能体系统的横向、纵向跟踪误差以及参考轨迹的相对误差均实现快速收敛,并在跟踪过程中保持该系统渐近稳定。     

基于免疫多智能体的舰艇编队协同防空体系模型

借鉴生物免疫系统的性质和机制,结合多智能体理论与方法,提出了一种新的免疫多智能体网络(Immune Multi-Agent Network,IMAN)模型。根据舰艇编队协同防空体系和生物免疫系统在防御功能、自适应和自组织特性上相似的特点,将舰艇编队协同防空体系映射到生物免疫系统之中,设计了舰艇编队协同防空免疫智能体功能结构模型,并综合上述免疫多智能体网络模型IMAN及其免疫防御原理,构建了一种新颖的舰艇编队协同防空体系免疫多智能体网络模型,分析了舰艇编队协同防空体系免疫多智能体的免疫防御机制及其性质,旨在为舰艇编队协同防空体系研究开拓一种新思路,并为建立适合现代实战需要的作战仿真系统提供理论模型。     

基于智能体的多移动机器人群集编队控制系统

群是一种普遍存在的自然现象,群集编队控制是模拟自然界中生物聚合运动的新型分散式控制方法。提出了一种基于智能体的有leader的群集控制算法。在此基础上,引入“虚拟力”的概念,运用动力学原理设计了由智能体到移动机器人的控制转化方法,并实现了一个实用化的多移动机器人群集控制系统。移动机器人群编队实验验证了该方法的有效性。     

基于动态拓扑有领航者的智能群体群集运动控制

对具有二次积分动态的智能群体跟随领航者实现群集运动编队,提出了一个分散控制方法对智能群体进行分散控制。基于动态时变有领航者的网络拓扑,用图论模型表示智能体之间的相互作用及通信关系,运用推广的Lyapunov理论、微分包含及非平滑分析进行了稳定性分析,并得到所有智能体速度方向收敛到同一方向并与领航者保持一致;所有智能体速度大小收敛并与领航者相同;互连的智能体之间没有碰撞发生;所有智能体的人工势场函数被最小化等重要结论。给出了一个仿真实例,验证了该方法的有效性。     

空天无人系统智能规划技术综述

鉴于以无人机群和多航天器为代表的航天无人系统的快速发展,以及任务要求的日益多样化和复杂性,在分析空间无人系统智能规划特点的基础上,首先阐述了无人机群聚、编队飞行、编队维护和编队重构等智能航迹规划策略,总结了无人机群任务智能规划的建模和优化方法.然后介绍了多航天器飞行和避碰轨道规划的内容和现状,总结了多航天器集中和分布式任务规划的主要研究成果.最后,对空间无人系统智能规划技术的未来发展提出了一些建议.     

基于多智能体与市场理论的多机载平台传感器管理

针对作战飞机编队多目标攻击中的传感器管理问题,提出了一种基于多智能体和市场理论的多机载平台传感器管理方法。该方法在多智能体的框架下建立飞机编队多传感器多目标分配模型,将目标分配和传感器管理问题转化为市场理论中的“性价比”最优问题,建立了基于“性价比”最高的任务规划模型、以任务为驱动的传感器目标配对模型以及多平台集中式融合跟踪模型,并利用市场拍卖算法完成传感器-目标分配问题。仿真结果证明了该方法的有效性,与基于信息论的传感器管理方法比较证明了方法的优越性。研究结论有助于提高作战飞机编队的进攻效率,从而提升整体的攻击能力。     

有单一虚拟领导者的时延编队一致性

引入一种有单一虚拟领导者的存在通信时延的二阶多智能体编队控制模型,分析了时延对编队一致性的影响。通过构造Lyapunov-Krasovskii泛函,综合运用LMI方法,推导证明了有单一虚拟领导者的时延编队系统取得一致的条件。证明过程中引入自由权矩阵的思想,得到了系统取得一致性的时延的上界和相应的自由权矩阵。数值实例和仿真结果表明了方法的有效性。     

基于MAS的编队协同作战仿真系统建模研究

在深入分析现代海战复杂性特点的基础上,以复杂系统理论为指导,采用基于MAs(Multi-agentsystem,多智能体系统)的建模仿真方法对编队协同作战仿真系统建模进行了研究,旨在为开展编队协同作战的战法研究构建一个贴近实战的作战仿真系统.重点阐述了编队协同作战仿真系统的建模过程,提出了基于MAS的编队协同作战仿真系统框架,并针对如何在编队多个作战兵力Agent之间开展有效协同的关键问题,根据编队协同作战指挥的特点,提出一种分布与集中相结合的MAS规划方法.最后,基于HLA(High Level Arclitecture,高层体系结构)规范设计了编队协同作战仿真系统的体系结构.     

多智能体系统的分布式预测控制器设计

针对多智能体系统的跟踪及编队控制问题,研究其分布式预测控制器的设计方法。考虑时变通讯拓扑情况,在优化问题中附加一项辅助约束,保证了优化问题的递归可行性及多智能体系统的闭环指数稳定性。在每个采样时刻,各智能体根据通讯拓扑实时更新其代价函数及辅助约束,通过求解带有状态、输入及辅助约束的优化问题来计算其控制输入。仿真结果验证了结论的有效性。     

有人/无人作战智能体分布式协同目标分配方法

有人作战智能体（manned combat agent, MCA）控制无人作战智能体（unmanned combat agent, UCA）的分布式目标分配是MCA/UCA协同作战的重要内容之一。结合设想的MCA/UCA混合编队结构和功能,建立了有限控制下的分布式协同目标分配模型。提出通信结构、信息结构和协同机制三维一体的模型求解策略,以合同网协议作为协同机制基本框架,分别对合同网的目标选择策略、招标策略、投标策略、中标策略进行扩展,可有效在多个编组之间进行目标到UCA及其所隶属的MCA的协同目标分配。针对想定案例进行了仿真计算,结果表明该方法能以牺牲少量计算时间为代价,以较少的通信量得到了较高质量的解。     

Globally asymptotically stable formation control of three agents

This paper considers the formation-shape control of three agents in the plane.By adding an adaptive perturbation to any agent’s movement direction,a novel control strategy is proposed.It is shown that the proposed novel control law can not only guarantee the global asymptotical stability of the desired formation shape,but also ensure the collision avoidance of agents between each other. Simulation results are provided to illustrate the effectiveness of the control algorithm.     

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。     

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。     

认知无线网络空闲频谱共享的竞争与合作定价

在频谱贸易中,价格是一个关键问题。针对认知无线网络中多个主用户的空闲频谱最优定价问题,在竞争模型下,基于非合作博弈论提出了竞争价格模型求解算法,并证明了该算法收敛到唯一的纳什均衡;在合作模型下,通过求解原问题的对偶问题,提出了合作价格模型求解算法,并证明了该算法在步长足够小时收敛到全局最优解。仿真结果表明,同已有的几个算法相比,所提的两个算法速度更快,取得的总收益相对更好,且均能较快地靠近最优解。     

基于一致性协议的多无人机协同围捕控制方法

针对无人机对运动目标的协同围捕问题, 设计了一种快速协同围捕控制算法。首先, 基于人工势场法设计了无人机与目标的动态博弈关系, 使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次, 利用无人机与目标的速度关系, 将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球, 通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后, 将无人机获取的目标信息引入到一致性协议, 以此来完成无人机编队对目标的协同编队围捕, 并引入二跳网络加快围捕队形收敛, 提高了无人机编队的任务执行效率。最终, 通过仿真实验证明了该控制算法的有效性。     

突击作战中干扰机编队协同决策研究

针对攻击机突击作战中,干扰机编队协同决策问题,在给出两种不同威胁作用范围定义及相互关系的基础上,为配合攻击机完成预定作战任务,并充分考虑干扰机编队自身安全,建立了确定干扰目标分配和干扰最优布阵的协同决策模型;为保证特定航路走廊的安全性,避免复杂的几何建模,同时为增加群体的多样性,设计了一种基于数学形态学的小生境遗传算法。仿真结果表明,特定威胁环境中,该算法对要求完成任意突击任务的航路走廊,能快速计算出合理的干扰机编队协同方案。     

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。     

基于强化学习和共识融合的分布式协作频谱感知方法

在频谱感知中为了解决不同信誉用户网络节点之间的数据融合问题,提出了一种基于强化学习和共识融合的分布式协作频谱感知方法。该方法将每个感知用户认为是一个智能体(agent), agent通过强化学习算法从相邻节点选择合作用户进行共识融合,采用信誉值作为奖励,确保agent倾向于信誉高的节点进行融合,并同时降低恶意用户的信誉值,使其逐渐退出感知网络,最后采用一致性融合方法使整个网络达成共识,并与判决门限对比,完成协作频谱感知。仿真实验表明,该方法能够有效的识别恶意用户,并通过强化学习提高整个网络的感知性能,使协作频谱感知网络更具智能性和稳定性。