基于改进凸优化算法的多机编队突防航迹规划

为更好地发挥多机编队在低空突防作战中的优势，对已有的凸优化算法进行改进，提出一种多机编队低空突防航迹规划方法。首先，根据低空突防任务特点进行问题建模，包含多机编队航迹规划模型、障碍物模型以及任务分配评估模型。其次，提出基于匈牙利算法的集群任务分组概念，设计更符合战场需求和运动学规律的预规划航迹。之后，考虑新类型的外部障碍物和不同任务小组间的组间避障，通过对约束进行合理的近似与凸优化，实现多机安全飞行。最后，通过对比仿真，验证所提改进方法的可行性和有效性。结果表明，改进后的航迹规划算法能实现对低空突防任务的合理分配，求解效率和成功率均有所提高，对新加入的障碍有良好的避障效果。     

有人机/无人机编队协同任务分配方法

任务分配方法是任务控制过程的重要组成部分,是编队协同作战指挥策略的关键。以合同网协议(contract net protocol, CNP)和多智能体系统（multi-agent system, MAS）理论为基础,建立了有人机/无人机编队MAS结构和基于投标过程的任务分配模型,将任务优先权引入任务分配模型中,可以实现预先任务分配和执行过程中动态任务分配,保证动态环境下编队整体分配效能较优。针对作战想定进行了仿真计算,结果表明,基于CNP和MAS理论的有人机/无人机编队协同任务分配策略具有良好的预先任务分配和实时任务分配效果,能够满足编队作战任务的需要。     

基于进化算法的多飞行器四维航迹规划方法

鉴于目前的航迹规划方法都局限于二维或三维空间,提出了一种基于进化算法的多飞行器四堆航迹规划方法.该方法在三维航迹规划的基础上加入时间代价约束,通过计算航迹节点在四维空间的坐标,将到达目标的时间与航迹搜索结合起来,使多个无人飞行器能够对目标进行同时打击并避免飞行器在飞行过程中的碰撞.仿真试验结果表明,该方法可以快速有效地完成四维航迹规划,获得满足要求的多飞行器飞行航迹.     

带集结区的协同航迹规划方法研究

通过调控飞行器在各介航运段的速度,提出了一种基于进化算法的带集结区的多飞行器协同航迹规划方法.该方法通过将协同时间误差引入进化算法的代价函数中,使得规划出来的航迹能够满足集结区的时间和空间约束,同时使得协同到达目标点时间误差尽可能小.仿真实验结果表明该方法能够达到很好的效果.     

多无人机自主编队协同制导技术的概念、设计和仿真

现代防空技术的迅速发展使得制导武器的突防效果大大下降,多飞行器自主编队协同制导技术成为提高未来制导武器作战效能的关键技术之一.定义了高动态自主编队协同制导技术的概念体系;提供编队队形生成、队形保持和控制、协同导航与航路规划、目标协同捕捉与动态分配、协同末制导等关键技术的框架结构和设计方法:并设计了适用于自主编队协同制导技术的无线自组织网络结构和组网协议,实现高动态环境下信息的互联、互通和互操作,且节点具备自主管理能力和容错能力;通过所构建的多UAV自主编队协同制导验证演示系统验证表明,系统的框架结构和设计方法有效,系统性能满足技术指标要求.     

考虑避碰与任务分配的多飞行器协同制导技术

集群协同打击可以提升飞行器整体作战效能，然而集群内部碰撞会引起自损，降低整体作战效能。针对集群协同打击过程目标分配不合理导致的碰撞问题，基于协同打击移动目标的场景，建立了多飞行器碰撞问题的数学模型，揭示了分布式架构集群协同运动的规律。进一步，考虑飞行器的安全区域约束，基于总路径最短的目标分配方法，引入考虑时空避碰的目标评价规则，提出了兼顾避碰与协同效果的任务分配方法，并与反应式避碰策略相结合，极大地提高了集群协同飞行的安全性。仿真结果表明，研究提出的考虑时空避碰约束的任务分配方法能够有效减小碰撞概率，在保证协同打击效果的同时确保飞行安全，具有较强的工程应用价值。     

无人机任务分配与航迹规划协同控制方法

针对无人机协同控制问题,提出一种多无人机任务分配与航迹规划的整体控制架构。将威胁和障碍区域考虑为合理的多边形模型,使用改进的A*算法规划出两个航迹点之间的最短路径。并利用该路径航程作为任务分配过程全局目标函数的输入,采用与协同系统相匹配的粒子结构进行改进粒子群优化(particle-swarm optimization,PSO)任务分配迭代寻优。根据分配结果并考虑无人机性能约束,基于B-spline法平滑路径组合,生成飞行航迹。仿真结果表明,算法在保证计算速度和收敛性能的同时,能够产生合理的任务分配结果和无人机的可飞行航迹。     

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。     

编队干扰方案协同决策研究

为了解决在舰艇编队反导作战过程中考虑协同时的编队干扰作战方案动态优选问题,提出了基于协同的编队干扰方案决策方法.以协同理论为依据,定义了干扰方案之间的协同度,给出了协同度的求解方法,并与动态规划原理有机结合,找到了一种基于协同的多阶段多方案优化策略.将该方法应用于解决编队干扰方案协同决策的优化中,在给定的战术想定条件下,使用该方法得出了协同情况下的全程干扰效能指数,结论明确合理.     

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。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

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。     

有人/无人机编队指挥控制系统结构设计

针对有人/无人机(manned aerial vehicle/unmanned aerial vehicle, MAV/UAV)编队指挥控制系统结构设计问题进行了研究。以未来空中作战为背景,结合MAV/UAV编队作战流程和特征,基于人机合作机制，设计了MAV/UAV编队协同三层递阶式指挥控制结构,分别为任务规划层、协调控制层和功能实现层。在此基础上,分析了系统结构中关键模块如辅助决策模块、人机交互系统、编队控制管理系统和航迹规划路径跟踪系统的内容。最后，设计了人机交互系统指挥界面,并针对典型控制任务进行了仿真验证。     

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non dominated sorting genetic algorithms II,CO-NSGA II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms II,NSGA II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的“拥挤距离”参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。     

基于拍卖算法的多机协同火力分配

为解决超视距协同空战中的多机协同火力分配问题,首先建立了空战威胁估计和空战优势估计模型,构建了多机协同火力分配的数学模型。其次基于多智能体拍卖算法,提出了一种分布式的多机协同火力分配方法,该方法同时考虑了火力分配的效益和代价,能在较短的时间内给出较为合理的协同火力分配方案,具有计算量小、通信量低、动态性以及实时性好等特点,可应用于解决多机协同火力分配中的资源分配、冲突消解等协作问题。最后,通过仿真实验证明了该方法的合理性和有效性。     

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

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。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先，采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

网络化多传感器-多武器协同防空任务规划

针对网络化防空体系的多传感器-多武器协同任务规划问题, 考虑任务要求、装备性能、运用限制等约束, 构建多武器拦截与多传感器跟踪任务规划模型。前者以拦截时机、次数等为优化目标, 输出武器-目标配对以及对目标的拦截时段、跟踪时间要求; 后者以满足跟踪时间要求为目标, 输出传感器-目标配对和对目标的跟踪时段。设计了基于时段优选拼接和分支定界法的多传感器-多武器协同任务规划算法, 生成多传感器-多武器协同交战计划, 支持多传感器接力跟踪、跨平台打击引导、多武器协同抗击。在假定的舰艇编队与预警机协同防空场景下验证了所设计模型的有效性。