对运动船舶的多无人机协同查证路径规划方法

为解决无人机对运动船舶进行查证面临的最优路径生成问题,设计了一种面向运动目标的多无人机路径规划方法,通过模拟退火算法对查证路径进行优化,确定完成查证任务所需的最少无人机数量、查证序列和运动路径。结果表明：该方法能够生成满足时间约束的多无人机协同运动船舶查证路径,可为海事监管领域开展无人机路径规划应用及优化资源配置提供技术支撑。     

基于多蜂群的多无人机协同自适应搜索

针对多无人机(unmanned aerial vehicle,UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法.首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型.其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数.在考虑到UA...     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于Lyapunov导航向量场的无人机协同跟踪地面目标

针对多架无人机协同跟踪一个地面移动目标进行研究.通过基于Lyapunov导航向量场的航向控制使各架无人机收敛到位于目标上空的极限环,绕目标展开跟踪.进一步通过相位控制,使各架无人机均匀分布在极限环上,对目标进行协同跟踪.以3架无人机协同跟踪沿S型公路匀速前行的地面目标进行仿真.结果表明该方法能使无人机成功地完成协同跟踪任务.     

多无人机模糊态势的分布式协同空战决策

针对不确定环境下的多无人机协同攻击多目标的空战问题给出了一种分析方法.首先通过分析不确定环境下的无人机空战态势,建立了多无人机模糊态势的任务分配模型.然后提出了异步一致性拍卖算法,将目标收益作为竞标的依据,给出了不确定环境下的多无人机协同攻击多目标的分布式空战决策方法.仿真结果表明,该算法在双方机群较大时能够实现快速收敛,提高了空战效率与资源利用率,且具有良好的稳定性和可扩展性.     

近距空中支援中无人机目标分配问题研究

利用无人机实施近距空中支援作战是当前研究的重点,需针对复杂战场环境对实行多目标火力打击的无人机进行路径优化与目标分配。综合考虑无人机飞行高度、不同武器挂载、目标类型及各项指标、威胁区威胁代价、作战时间代价等因素,构建目标毁伤综合指标提高非对称打击效能,设置威胁区安全阈值提高路径有效性分析,采取自适应权重粒子群协同优化算法求解单无人机单目标航迹总代价,采取0-1规划法求解多无人机对多目标的不平衡任务分配方案,为近距空中支援任务中多无人机对多目标的分配提供决策支撑。     

基于Stackelberg策略的多Agent强化学习警力巡逻路径规划

为解决现有的巡逻路径规划算法仅仅能够处理双人博弈和忽略攻击者存在的问题,提出一种新的基于多agent的强化学习算法.在给定攻击目标分布的情况下,规划任意多防御者和攻击者条件下的最优巡逻路径.考虑到防御者与攻击者选择策略的非同时性,采用了Stackelberg强均衡策略作为每个agent选择策略的依据.为了验证算法,在多个巡逻任务中进行了测试.定量和定性的实验结果证明了算法的收敛性和有效性.      

编者按

针对多无人机对入侵飞行器的协同追踪围捕控制问题,将自然界中生物群落在捕捉猎物时展现的逃逸-围捕策略引入到多无人机协同作战研究中,设计了一种多无人机协同围捕逃逸目标策略.该策略由2个阶段组成,第1阶段使用基于动态反馈线性化的控制方法准确跟踪逃逸目标,第2阶段使用李雅普诺夫矢量场方法.该方法可以保障多无人机在围捕飞行中躲避敌方防空力量、雷达探测等危险区域.仿真结果验证了所设计的策略在多无人机围捕和阻止目标逃逸场景中的可行性与有效性.     

基于配送模式的无人机城市配送路径规划

无人机以其“小、快、灵活”的优势逐渐应用于城市物流配送当中。本文首先论述了无人机配送模式,分为机车协同模式与无人机独立运行模式。其次阐述了无人机配送路径规划的影响因素,包括能耗、禁区障碍物等绕飞因素以及不确定的自然环境。最后根据两种配送模式,探讨了内外因素对无人机配送路径规划的影响。结果说明非线性无人机能耗模型更符合无人机实际运行特征;风、温度等天气因素影响其城市配送飞行方向与电量能耗等;禁飞区、时间窗等外部因素也影响无人机路径规划。实际运行中无人机会受到多重因素共同影响,能耗与外部因素对无人机路径规划影响问题研究还有待进一步完善。     

车辆与无人机混合编队的路径优化问题模型构建

为研究无人机与传统车辆配送融合的混合编队问题,即车辆与无人机混合编队路径优化问题(vehicle-drone routing problem,VDRP),梳理了近年来国内外针对无人机与车辆配送路径优化的相关数学模型构建方法,据此提出在传统旅行商模型(traveling salesman problem,TSP)和车辆路径模型(vehicle routing problem,VRP)基础上,结合无人机工作特点,考虑各模型研究中的网络结构以及约束条件,构建了基于TSP的车辆-无人机扩展路径模型(TSP-D)和基于VRP的车辆-无人机扩展路径模型(VRP-D)。在数学模型中考虑多架无人机同时取货、送货情况下可能附加的约束。与传统TSP和VRP模型相比,无人机融入配送路径优化问题之后其网络更具复杂性,进行模型构建时除要考虑传统的车辆路径约束、车辆时间约束外,还要考虑无人机路径约束、无人机时间约束,特别是要增加车辆与无人机在路径节点和时间协调的协同约束。鉴于该模型的复杂性,采用LINGO软件和一系列小规模算例对模型进行了测算。结果表明:车辆与无人机混合编队的配送模式比传统采用车辆单一配送模式在节约配送成本上具有一定的优势。通过总结现有的研究,提出了VDRP未来主要的研究方向包括,更现实模型的构建、精确算法和启发式算法的设计、测试算例数据源的构造。     

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

基于NSGA-Ⅲ算法的多无人机协同航迹规划

当多架无人机协同作战时,需要进行协同航迹规划,以提升任务成功率.将协同航迹规划中的约束转换为多个目标后,对NSGA(Non-Dominated Sorting Genetic Algorithm)-Ⅲ算法与势场蚁群算法进行融合设计.算法首先对地图进行势场构建,使距离障碍物较近的节点不易被选择,并且引导搜索方向.然后对航迹代价、空间协同约束和时间协同约束进行数学建模,转换为数值指标,并设置为NSGA-Ⅲ算法的多个目标.对NSGA-Ⅲ算法设计了临界层选择方法和进化算法等.最后在二维和三维栅格地图中,改进NSGA-Ⅲ算法利用各种群为各无人机搜索出期望的航迹.仿真实验表明,规划所得到的各无人机航迹安全且代价较小.     

大规模无线传感网络数据收集的无人机路径规划

针对部署在地表交通困难的大规模无线传感网络,采用目前可控无人机(unmanned aerial vehicles, UAV)进行数据收集能够达到更好的效果. 然而,考虑到无人机自身有限的资源,以及网络中存在大量传感器节点的情况,无人机飞行路径规划对于顺利完成数据收集任务具有重要作用. 无人机路径规划可以看作经典的旅行商问题(traveling salesman problem,TSP). 针对部署具有均匀性特点的大规模无线传感网络,提出了一种规则化快速路径规划(fast path planning with rules, FPPWR)算法. 该算法通过网格划分,将全局区域飞行路径的求解划分到多个较小的方格中进行,并通过成对算子路径优化算法在初等飞行路径上将方格区域中的路径合并为全局路径. 实验证明,该算法在保证了较高精度的同时,显著提升了路径规划的效率.      

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。     

群无人机动态环境分布式持续覆盖算法

动态环境具有多变性和不确定性,为将动态环境的不确定性控制在一定范围内,需要群无人机对其进行持续覆盖以便完成感知、监视、侦察等任务.提出了一种考虑无人机飞行动力学约束的分布式协同覆盖算法,无需先验知识、无需事先进行路径规划.各无人机独立地根据局部感知和局部通信所获信息进行在线覆盖决策,使整个群无人机系统涌现出持续覆盖行为.提出的方法通信次数少,仅需邻居无人机的位置信息进行合作,且对无人机的前飞航向没有数量约束.仿真结果表明,此分布式算法可实现群无人机对动态环境的持续覆盖,算法性能稳定,具有很好的灵活性和可扩展性.      

多对多无人机空战的智能决策研究

针对能够进行自主空战的无人机,设计了一套空战流程.建立了基于双方位置、姿态和能量等的优势函数评价体系,通过改进的混合粒子群优化算法实现了多对多空战的目标分配,结合改进的Double Q-learning算法设计了无人机的机动决策策略,并在4对4空战场景下进行仿真验证.仿真结果显示无人机可以很好地追踪并击败敌方目标,还能够协同其他友方无人机攻击敌方无人机.同时算法具有很好的时效性,表明所提出的方法能够有效地解决多对多空战的问题.     

一种多无人机协同定位与稠密地图构建算法

针对VINS-Mono(monoculor visual-inertial state)算法定位精度较低且构建的稀疏点云地图包含的信息较少无法用于无人机的自主导航的问题,提出了一种集中式多无人机协同定位与稠密地图构建算法。该算法通过提高回环闭合中特征点匹配准确度以优化多无人机之间的定位精度,为了建立多个无人机之间的连接约束,使用四种不同类型的坐标系进行坐标转换优化,采用双向检测匹配法对关键帧进行特征点匹配,结合PROSAC(progressive sampling consensus)算法剔除误匹配,通过对有回环闭合约束的多无人机的位姿与全局地图进行全局位姿图优化,结合Voxblox构建了可供五架无人机协同导航的全局稠密地图。在EuRoc数据集的五个序列中,提出的多无人机协同定位与稠密地图构建算法与VINS-MONO算法相比,绝对轨迹误差分别降低了34%、26%、42%、24%、19%。实验证明,改进算法有效提高了多无人机之间的定位精度,并且构建的全局一致稠密地图包含距离信息与梯度信息,可以用于多无人机的自主导航。     

针对逃逸目标的多机协同围捕策略研究

针对多无人机对入侵飞行器的协同追踪围捕控制问题,将自然界中生物群落在捕捉猎物时展现的逃逸-围捕策略引入到多无人机协同作战研究中,设计了一种多无人机协同围捕逃逸目标策略。该策略由2个阶段组成,第1阶段使用基于动态反馈线性化的控制方法准确跟踪逃逸目标,第2阶段使用李雅普诺夫矢量场方法。该方法可以保障多无人机在围捕飞行中躲避敌方防空力量、雷达探测等危险区域。仿真结果验证了所设计的策略在多无人机围捕和阻止目标逃逸场景中的可行性与有效性。     

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Dubins路径的无人机避障规划算法

研究了一种基于Dubins路径的无人机的避障规划算法. 通过采用遗传算法,结合无人机的飞行性能和最小转弯半径,提出了一种在已知障碍空间位置前提下的无人机路径规划方法,并通过算法改进,将其推广成为在未知障碍位置等先验知识的前提下的无人机实时避障算法. 仿真结果表明,该算法原理正确,对于多障碍环境下无人机避障策略的获取具有较好效果.