基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

基于群体熵度量的无人机集群目标合围控制

针对受限环境中无人机集群的目标合围控制问题,提出了一种基于局部度量距离交互的分布式集群目标合围控制方法.首先,基于局部度量距离交互机制确定了每架无人机的时变邻域无人机集合,采用光滑成对交互势函数设计了集群内部无人机间的交互势函数、无人机与飞行环境中障碍间的交互势函数以及无人机与目标无人机间的交互势函数.在此基础上,基于自组织原则提出了分布式的无人机集群目标合围控制律,使无人机集群能够以指定环绕半径形成以目标无人机为中心的稳定α-晶格合围构型,对目标无人机进行合围和跟踪,同时使无人机避开飞行环境中的障碍,保障自身飞行安全.然后借助Lyapunov稳定性理论证明了集群系统的稳定性,并给出了集群系统内部无人机发生碰撞的条件以及合围构型参数的取值依据.此外,基于群体熵的概念尝试对无人机集群目标合围过程中的自组织水平进行度量.最后通过仿真来验证所提出算法的有效性.     

基于莱维飞行鸽群优化的仿雁群无人机编队控制器设计

针对无人机编队控制器设计难题,受到大雁飞行时头雁产生的上洗气流能有效减小雁群飞行所需要的体力消耗的启发,设计了无人机编队远距离飞行时的比例-积分-微分仿雁群编队控制器.编队飞行中,无人机由于会受到突风或其他客观因素的影响会偏离最佳的编队位置,针对该问题提出了一种基于莱维飞行鸽群优化无人机编队控制器参数的整定方法,以求取无人机编队时对外界干扰具有强鲁棒性的比例-积分-微分控制器参数.仿真对比验证表明,本文所设计的基于莱维飞行鸽群优化的仿雁群无人机编队控制器具有更强的快速性、稳定性和可靠性,减少了无人机远距离仿雁群编队时飞行的油量消耗,并增加了无人机的作战半径.     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.     

考虑未知输入的异构集群系统群体智能合围跟踪控制

集群系统合围跟踪控制是群体智能涌现在运动控制层面的实现途径之一,在智能化战争时代具有广阔的应用前景.本文面向未来空地群体智能作战中护卫任务的应用需求,聚焦军品押送、重要人物护送等典型任务场景,研究了异构集群系统考虑领导者具有未知输入的分布式编队-合围跟踪控制问题,以实现复杂环境下空地协同智能作战.首先引入代数图论知识,建立具有未知输入的异构集群系统模型,提出了一种编队构型生成系统.之后结合自适应控制律,利用邻居局部信息交互设计了基于边的分布式编队-合围跟踪控制器,并证明了闭环系统的稳定性.此外,对异构集群系统涌现出的更复杂的群体智能特征进行了分析与总结.最后,通过数值仿真验证了本文所提出的方法能够实现预期的编队-合围跟踪控制,并建立了实物等效验证系统,对控制方法的有效性进行了验证,为实际情况下大规模空地协同智能作战提供了有力的理论支撑.     

联合连通有向切换拓扑条件下无人机集群鲁棒编队控制

针对联合连通有向切换拓扑网络条件下存在外界扰动的无人机集群鲁棒时变编队与轨迹跟踪控制问题进行了研究.首先,依据无人机真实飞行状态信息、期望队形信息与需要跟踪的轨迹信息之间的误差,以及联合连通通信拓扑网络条件下能够相互通信无人机期望飞行状态与实际飞行状态之间误差信息设计出了无人机集群系统的编队控制方法.然后通过一类特殊的矩阵分解将集群系统时变编队与轨迹跟踪控制问题转换成联合连通快速时间平均系统的渐近稳定控制问题,进一步提出了系统渐近稳定的充分条件,并通过建立的分段连续Lyapunov泛函进行了证明.最后仿真结果验证了本文所提方法能够实现联合连通有向切换拓扑网络条件下无人机集群的时变编队与轨迹跟踪控制飞行.     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

基于流形鸽群优化的智能合约重入性漏洞检测方法研究

重入性漏洞在智能合约中普遍存在,可能造成巨大的经济损失.现有的基于符号执行的静态分析工具通过预设的规则判断漏洞是否存在,然而预设规则不全面可能会导致重入性漏洞的误报.为了避免误报,本研究尝试从软件测试用例生成的动态分析角度解决这一难题.本文将该应用场景抽象为存在重入性循环路径的路径覆盖测试用例自动生成问题,通过生成并执行覆盖重入性循环路径的测试用例来检测重入性漏洞.以鸽群算法为代表的群体智能算法是求解测试用例生成这类黑盒优化问题的常用方法.鸽群算法在整个决策空间内围绕种群最优解邻域搜索,然而,问题的最优解可能并不在该邻域内,导致路径覆盖率较低.为了提升鸽群算法的路径覆盖率,本文将利用流形启发式算子改进鸽群算法,使其分配更多的算力搜索与优化目标相关的子空间,从而提升鸽群算法求解效率,覆盖重入性循环路径.实验结果显示,改进后的流形鸽群算法能够更加高效地生成覆盖重入性循环路径的测试用例,检测出被测合约的重入性漏洞.与Oyente, Securify和Smartcheck这三个智能合约测试工具相比,本文提出的方法能够有效避免重入性漏洞的误报,在实验的8个被测试智能合约中重入性漏洞识别准确率分别...     

快速平滑收敛策略下基于QS-RRT的UAV运动规划

基于快速扩展随机树(rapidly exploring random tree,RRT)的运动规划算法,通过随机采样的方式探索未知任务空间,具有概率完备性和较高的计算效率.该类算法在应用于无人机运动规划时必须对飞行距离、过程安全性和航路平滑度进一步优化.针对这一问题,首先对威胁环境、无人机运动学性能和探测能力建模,然后根据飞行特征设计了随机采样、威胁规避、路径可跟踪性以及全局与局部平滑性等优化策略,并构建快速平滑收敛RRT(quick and smooth convergence RRT,QS-RRT),最后以此为基础分别提出了面向已知和未知任务空间的无人机运动规划算法.仿真结果表明,该算法能够在保证飞行路径收敛性、安全性及其规划效率的基础上,有效缩短飞行距离,改善航路的可跟踪性和平滑度,增强在实际飞行过程中的可操作性.此外,该算法还易于在航路优化效果和规划效率之间权衡,增强了对不同规划任务需求的适应性.     

基于凸优化理论的无人机编队自主重构算法研究

针对无人机编队自主重构中的最优重构航迹规划问题开展研究,通过综合考虑无人机飞行动力学特性和重构航迹代价,将其转化为多目标组合优化问题进行求解.为提高寻优效率,本文首先提出将多目标组合优化问题转换为非线性单目标优化模型进行求解,并针对两类优化问题等价性进行了理论分析.通过引入松弛算子和规范参数,本文所提出的内点优化算法能够改善经典内点法中的矩阵秩亏损现象,提高了所得解的最优性.通过仿真验证了本文所提出的自主重构算法的可行性和有效性.     

基于增益矩阵的二阶集群系统鲁棒分布式立体编队控制

本文研究解决了在三维空间内针对二阶集群系统的鲁棒分布式编队生成与保持控制问题,所设计的基于增益矩阵的控制方法仅需测量局部坐标系下智能体间的相对位置信息而不依赖于交互通信.首先设计了二阶集群系统的立体编队生成控制策略,通过构造李雅普诺夫函数证明了全局稳定性,并利用凸优化求解得出增益矩阵.所设计的生成控制律对扰动、输入饱和等具有较好的鲁棒性,同时在生成过程中引入了启发式的避碰算法.在此基础上,设计了带有期望距离的编队保持控制策略,使得集群系统能够保持固定大小的队形.然后,将所设计的控制律进行改进,拓展并应用于领航者-跟随者网络下的二阶集群系统立体编队控制.最后,通过相关的仿真实验验证了理论结果的正确性.     

基于拟态物理法的无人机集群与重构控制

基于拟态物理(artificial physics)法研究多无人机系统的集群构型生成及重构控制问题.在改进传统的拟态物理法基础上定义新的引力和斥力,使质点模型多无人机系统能够生成均匀分布的标准构型,并借助LaSalle不变集理论分析了集群控制律的稳定性;在此基础上,进一步讨论了序号无关的集群构型局部极值的改进策略.探索了一般性集群构型和标准构型之间的可逆且唯一的双射变换,利用双射变换提出了一般性集群构型生成的集群控制算法,并进而讨论了集群队形的收缩与扩张、集群构型切换和集群避障等集群重构问题.为验证提出的质点模型集群构型生成和重构算法,论文基于ROS(机器人操作系统)及Gazebo仿真器构建了多四旋翼无人机的协同仿真平台,分析验证了构型生成和重构算法的有效性.最后,将设计的基于拟态物理法的集群控制律扩展到多固定翼无人机系统,并搭建了基于X-Plane飞行模拟器和无人机自驾仪的多无人机协同控制半实物仿真环境,验证集群构型生成控制律的有效性.     

垂直起降飞行器的自适应集群编队飞行控制

本文针对垂直起降飞行器集群编队飞行控制问题开展研究.集群中的飞行器具有异构性质,即它们具有不同的惯性参数,并且每个飞行器对其自身的惯性参数也并未确切已知.另外,飞行器间的信息交互是局部的,每个飞行器仅与其邻近飞行器进行信息交互.为解决上述问题,本文基于级联架构,设计了一种自适应分布式控制算法.首先,在位置回路中设计一个分布式指令控制力,实现集群编队目标;接着,从设计出的指令控制力中提取出控制推力和指令姿态;最后,在姿态回路中设计一个控制力矩,实现姿态对指令姿态的跟踪.此外,在指令控制力和控制力矩设计过程中,提出合适的自适应算法对飞行器惯性参数进行估计.通过使用李雅普诺夫理论分析可知,所提出的自适应分布式控制算法确保了垂直起降飞行器渐进稳定的集群编队飞行.仿真结果进一步验证了所提算法的有效性.     

基于分组拍卖的集群机器人启发式图形构造算法

集群机器人的图形构造问题是指通过控制集群机器人的运动趋使其形成一个特定的图形.集群机器人中的图形构造问题通常可以分解为两个子问题:机器人与目标点之间的任务分配以及机器人与目标点之间的路径规划.根据集群机器人图形构造问题规模大、易拥堵、碰撞的特点,提出了一种集中优化、分组拍卖以及分布式交互相结合的OGADI(optimized grouping auction and distributed interaction)方法,以缩短图形构造的完成时间.将OGADI算法与最短路径集诱导顶点排序算法对比,结果表明,在集群机器人规模分别为500, 1000, 1300下, OGADI算法图形构造任务平均完成时间分别缩短了16.1%, 13.6%, 14.4%,仿真验证了OGADI算法的可行性和有效性.     

基于柯西变异鸽群优化的大型民用飞机滚动时域控制

采用先进的控制方法对大型民用飞机的多操纵面进行控制,可以有效提高大型民用飞机飞行的安全性和可靠性.针对大型民用飞机的在线滚动时域控制(receding horizon control,RHC)问题,提出了柯西变异鸽群优化(Cauthy mutation pigeon inspired optimization,CMPIO).柯西变异鸽群优化不但保持了鸽群优化(pigeon inspired optimization,PIO)收敛速度快的优点,而且通过执行加入柯西变异的地图和指南针算子和地标算子,可以有效降低优化结果陷入局部最优的概率,改善滚动时域控制的快速性和稳定性.在协调转弯过程和协调转弯的故障重构两个算例的仿真中,基于柯西变异鸽群优化的滚动时域控制使大型飞机稳定地达到参考状态,控制器同时合理地完成了多操纵面的控制分配和故障重构.     

飞行器轨迹优化数值算法综述

作为计算飞行力学的重要组成部分之一,飞行器轨迹优化数值算法一直是飞行力学工作者研究的热点与难点,较全面地对各种方法进行综合研究的文献非常有限且近期未见公开发表.通过对百余篇的相关文献的研究,从计算飞行力学的应用角度出发,并结合近年来轨迹优化领域的研究进展,系统归纳分析了目前用于飞行器轨迹优化的数值算法.简单综述了常用轨迹优化方法的基本原理、特点及应用,介绍了近几年来出现的一些新方法,新理论;最后重点对众多飞行器协同轨迹优化与高超声速飞行器轨迹优化进行了综述.在本文的结论部分,提出了对飞行器轨迹优化数值算法的研究方向,即众多飞行器协同、多目标、全局、实时在线、高精度、能够考虑各种未知的随机干扰的轨迹优化     

基于进化势博弈的多无人机传感器网络K-覆盖

针对多无人机传感器网络K-覆盖问题,提出了基于势博弈与Log-linear学习的分布式最优传感器配置方法.介绍了传感器最优配置的国内外研究现状,特别对基于进化势博弈理论的方法进行了详细的阐述.利用博弈理论对无人机分布式传感器配置问题进行建模,通过个体局部收益函数与全局性能函数的设计将问题构造成网络势博弈.提出了一种基于时变Log-linear学习的分布式求解方法,并利用非齐次马尔可夫链理论对收敛性与最优性进行了证明.仿真对比实验证明了所提算法的可行性、有效性和优越性.     

基于化学反应优化的多无人机地面移动目标协同观测航迹规划

随着无人机技术的飞跃式发展,利用无人机跟踪地面目标在军事和民用领域得到了广泛的应用.鉴于目标所在环境以及运动状态的不确定性,单一无人机已不能胜任日益复杂的应用环境,利用多无人机协同跟踪目标成为改善目标跟踪任务鲁棒性的一种有效手段.本文针对多无人机协同跟踪观测航路难以求解的特点,提出了一种基于进化算法的近似求解方法,以解决多无人机对被跟踪目标观测航路的时空优化问题.本文通过分析与机身以固定安装角连接的传感器在地面有效观测区域模型,提出了包括目标观测时间和航路安全在内的控制方案,并采用了一种基于化学反应优化(chemical reaction optimization,CRO)理论框架的启发式求解策略,规划无人机的最优协同观测航路.仿真的结果表明,本文所提出的方法能够实现多无人机协同跟踪地面移动目标的要求,在满足无人机性能约束和飞行安全的情况下,具有更长的对目标监测时间.     

带信息反馈的凝聚层次聚类算法

本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚类.该聚类算法主要有两大优势:(i)算法的适应能力较强,不需要假设的前提下可以处理无法预知的复杂数据结构;(ii)算法对噪声具有较强的鲁棒性,在不需要对数据集进行预处理的情况下能够在聚类的过程中识别噪声点或者噪声类.从人工数据和真实数据的试验结果可以看出新算法的优越性能.