基于改进梯度策略的多虚拟结构算法的无人机协同控制

针对多无人机(unmanned aerial vehicles,UAVs)协同控制问题,提出一种用于无人机协同编队控制方法。以虚拟结构控制为框架,结合梯度策略方法设计奖励函数和惩罚函数,将其看成一种引力和斥力运用到无人机协同编队控制系统,解决在多虚拟结构控制点下因编队数量增加导致机群的稳定性和协调性下降的问题。本文算法使得无人机编队既能协同运动,又能在运动中维持稳定的队形变换,还能防止机群之间的两机碰撞。对有控制输入的无人机编队系统进行仿真,验证了该方法的有效性。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

采用自适应原始对偶迭代的无人机编队协同航路规划方法

针对目标通过机动进入无人机雷达探测盲区、导致雷达跟踪不稳定的问题，提出一种无人机编队协同航路规划方法。首先，根据雷达多普勒速度盲区、雷达探测视角、距离边界区等建立协同航路规划约束条件；然后，以机动目标稳健跟踪为目的建立优化目标函数，并结合约束条件构建协同航路优化模型；最后，设计了一种自适应原始-对偶迭代算法，对建立的航路优化模型进行快速求解，得到无人机飞行实时航路。对比仿真结果表明：所提方法能够实现无人机编队协同航路快速规划，达到对机动目标持续稳定跟踪的目的；与传统的高斯伪谱法和模型预测控制算法相比，所提方法求解速度提升了10%,算法复杂度相对较低；所提方法求解的无人机航路平滑性较好，可减少无人机飞行油耗，便于长时留空探测。     

无人机编队协同追踪控制律和编队信息架构

针对"长机-僚机"模式的无人机编队追踪运动目标出现姿态信息和位置信息不一致而导致碰撞的问题,设计了一种协同追踪控制器并对该控制器进行稳定性分析。该控制器以3架无人机构成的编队作为控制体,采用拉氏矢量场方法获取无人机编队追踪运动目标的轨迹,同时构建无人机之间的信息架构,实现无人机编队按照预期的姿态和位置信息在运动目标周围的圆形轨道飞行的目的。研究单架无人机的航迹规划和多无人机编队协同追踪:对于单架无人机的航迹规划,采用反馈控制完成航向收敛证明;对于多无人机编队,采用一种多变量控制器可以保持无人机编队在圆形轨道运动,同时使用未知风和运动目标的自适应估计量来确定无人机编队在圆形轨道飞行的稳定性。仿真结果表明:在追踪过程中,3架无人机能够快速(15 s)以相同的姿态和位置渐进靠近目标,同时保持相对稳定;在满足航向速率和空速条件时,任意两架无人机相对距离误差能够快速(10 s)收敛到稳定值。该控制器突破了多无人机编队近距协同追踪目标的局限,可为多无人机分布式控制器设计提供方法借鉴。     

基于改进蒙特卡洛树搜索的无人机目标分配与突防决策方法

针对多无人机任务规划问题,在多种约束与机动动作下,进行目标分配和突防决策统一建模与优化求解方法研究。首先,基于无人机自身优势、目标威胁以及突防概率分别建立目标分配优化函数和突防决策优化函数;然后,利用线性加权法将两者融合,形成多无人机协同任务规划统一目标函数;其次,在强化学习框架下,分阶段构建协同任务规划的状态空间和动作空间,并根据统一目标函数设计奖励函数;提出一种改进的蒙特卡洛树搜索强化学习算法,在统一目标函数最大收益下实现对无人机目标分配和突防决策问题的求解;最后,通过对比仿真实验验证所提出的方法的时效性和最优性。研究结果表明：相较于传统方法,所提出的方法在提升收敛程度的同时,将训练时间减少了15%。     

无人机密集编队穿越竞速导引算法

针对无人机密集编队穿越门框竞速问题,提出了一种时间近似最优的导引算法。首先,对穿越竞速问题进行了阐述;其次,在单架无人机穿越门框导引模型推导的基础上,研究了其穿越门框的导引算法,该算法具有在期望时间内将无人机导引到目标点的能力;最后,针对多架无人机编队穿越竞速问题,提出了基于飞行时间控制和脱靶量控制的穿越算法,该算法具有良好的时间近似最优性能;仿真结果表明,所设计的导引算法能够使无人机编队在期望时间内完成穿越竞速,且具有极低的脱靶量和导引时间误差;可为无人机集群避障与防撞控制提供技术支撑。     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

基于改进的多目标量子行为粒子群优化算法的多无人机协同任务分配

为在给定的时间内以最小代价和最大效益完成任务,建立了多无人机协同任务分配问题的多目标优化模型.采用改进的多目标量子行为粒子群优化算法求解最优任务分配方案,定义了一种从所求候选方案中选取最优分配方案的自主选择准则.对比分析多目标粒子群优化、多目标进化算法和该文算法所求的最优分配方案.仿真结果表明该文算法能够较快地求解问题,而且所求最优任务分配方案的性能优于其它三种算法.     

基于全局优化的无人机编队协同攻击航路规划模型

为使无人机编队协同攻击航路从总体上达到最优,引入一种全局优化方法,分析了该方法在无人机编队协同攻击航路规划中的应用,建立了无人机编队的协同攻击航路规划模型,并对该模型的求解进行了分析,给出了求解的全过程。应用该模型对无人机编队协同航路进行了仿真研究,仿真结果表明,基于全局优化方法建立的模型可以满足约束条件下的航路规划要求,具有较强的工程实用性。     

基于自适应目标函数的协同干扰策略分配

在多机伴随突防组网雷达过程中,会受到不同体制雷达的威胁。多机伴随协同干扰在保证目标成功突防中起重要作用,而如何提高己方干扰资源的利用效率是协同干扰的核心。文中提出协同干扰效果是关于距离的函数,如果单纯以某一单一目标函数作为干扰效果评估指标,会大大影响干扰机的利用效率,因此,在协同突防编队由远及近的突防过程中,将该过程划分为搜索与定位两个阶段,分别以检测概率和几何精度因子(GDOP)建立各阶段的干扰评估指标,随着距离的变化,干扰效果评估指标也在逐渐变化,通过改进的粒子群算法对每个阶段的目标函数求解寻最优,既解决了传统的动态规划算法计算量过大的问题,又实现了算法的快速收敛和寻优。通过MATLAB仿真结果分析,该算法能够快速地收敛并且提高干扰机的利用效率。