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.     

多无人机协同搜索的模糊认知决策方法研究

搜索决策方法是影响多无人机协同搜索效能的关键.传统的搜索决策方法关注于使多架无人机形成对任务区域的协同全覆盖,采用基于概率搜索图和滚动时域控制的搜索决策方法,对复杂搜索任务的适应性有限.本文借鉴人类实施搜索行为的认知决策方式,提出面向多无人机协同搜索的三层结构的认知控制模型.基于该模型和模糊聚类思想对任务区进行认知匹配和约简划分;之后,应用二次模糊聚类对各架无人机进行面向协同搜索的任务区域分配,在此基础上,再应用滚动时域控制方法完成对无人机的搜索控制.从任务区域覆盖模式和目标发现能力两个方面,通过仿真实验分析了本文提出的协同搜索模糊认知决策方法的性能.     

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.     

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.     

基于多分辨率粒子滤波的全局协同定位方法

野外环境下,多类型机器人协同合作可以克服单一类型机器人(如无人车、无人机等)在环境建模任务中的视角、尺度方面的问题,进而提高整体编队系统的环境感知与决策控制能力.而在多类型机器人协作系统中,协作定位是协同合作的关键难题之一,也是进行编队建模与编队控制的基础.在GPS缺失环境下,由于传感器类型的不同,非结构化的环境特征,视角的不同而导致基于匹配的多机器人定位方法无法实现有效稳定的定位.本文提出了一种基于多分辨率最近邻匹配和粒子滤波的协同定位方法,可以在初始相对位置未知的情况下,进行全局范围内的协同定位.本文采用了一种针对粒子匹配精度以及匹配效率的评估方法,并根据粒子评估结果进行粒子权重更新,地图更新以及粒子数目更新,以平衡在定位过程中粒子对状态空间的描述和定位效率.同时,针对于粒子退化或者粒子收敛速度过慢的问题,采用了基于分辨率等级和粒子匹配精度和匹配效率的自适应调整方法.最后结合具体平台,本方法在野外水湾环境进行了基于无人船与无人机的协同定位实验,实验结果表明本方法有效解决多机器人在GPS缺失下的协同定位问题.     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

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.     

基于鸽群智能行为的大规模无人机集群聚类优化算法

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.     

时空上下文融合的无人艇海面目标跟踪

视觉感知作为无人艇环境感知的重要组成部分,为无人艇智能控制提供十分重要的外界信息.准确、鲁棒且实时的海面目标跟踪算法可以有效提升无人艇的智能化水平.海面目标跟踪面临着几个独特的挑战:目标尺度变化极大、目标视角变化极大、目标抖动剧烈.为了解决上述海面目标跟踪任务中面临的三个难点,本文提出了一种时空上下文融合的目标跟踪算法,该算法结合了深度网络多尺度检测的图像空间上下文信息和相关滤波跟踪的视频时间上下文信息,实现了实时、精确且鲁棒的目标跟踪效果.最后,以无人艇在东海、南海实际作业场景中采集的图像数据作为跟踪算法的测试集,验证了该跟踪算法的有效性.     

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.     

基于自适应有限时间干扰观测器的无人机集群编队控制方法

近年来,随着无人机技术的发展,其任务能力逐渐增强,成本优势逐步凸显,加之多无人机协同技术的不断进步,无人机集群受到科学界、工程界越来越多研究人员的关注,其应用领域也在不断拓展.本文对无人机集群受未知干扰影响下的编队问题进行了研究.首先,设计了基于自适应增益的有限时间干扰观测器,可在有限时间内对未知干扰进行精确估计.然后,将集群中的无人机分为可获知期望编队的绝对位置和不可获知期望编队的绝对位置两种类型,并基于此,设计了一种具有统一形式的包含绝对位置误差、相对位置误差、绝对速度误差、相对速度误差、干扰估计值等的编队控制器,并给出了控制器收敛的充分条件.最后,通过设计的4个数值仿真实验,对所提出方法的有效性进行了验证.     

“群对群”协同对抗的规划与制导问题研究

随着未来空天飞行器的飞行速度和机动性不断增强,以及集群规模化攻击样式的发展,防御方传统的“一对一”对抗模式已经难以适用,采用多个飞行器形成集群,以“群对群”的协同方式进行对抗,将成为一种有效的技术途径.本文针对群体目标的对抗场景,探讨了“群对群”协同对抗的规划与制导问题.首先系统介绍了空天目标攻击样式和目标特性的发展,总结提炼研究的背景需求与典型场景;再针对典型场景提出了群对群协同对抗的初步方案,简述了国内外研究情况,并梳理了规划与制导的关键技术,包括编组构建与目标分配、集群目标建模与估计、集群协同围捕与制导、集群编队随动保持与控制等;然后结合部分关键技术的研究进展,对重点问题进行了数字仿真,初步验证其可行性;最后针对群对群协同对抗的规划与制导技术的应用前景与发展方向进行了展望.     

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.     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

基于策略多样性熵指标的无人机群智系统激发-汇聚程度度量方法研究

新一代无人机群系统的重要特征是具有群体智能,是一类典型的群智激发汇聚系统.目前,多智能体强化学习技术展现出较强优势,是构建新一代自主智能无人机群系统的重要方法.但多智能体强化学习的训练过程尚处于“黑盒”状态,缺乏对群体智能的激发和汇聚程度的有效度量手段.针对这一问题,从多智能体强化学习中智能体的策略出发,以策略多样性度量无人机群在多智能体强化学习的训练过程中的激发-汇聚程度.为了对策略的多样性进行度量,借鉴物种多样性和信息论中的相关概念,明确了策略多样性的内涵包括丰富和均匀程度两方面,提出了“策略距离二次熵”和“动作分布信息熵”这两种策略多样性的计算方法.设计了无人机群突防场景对本文所提出的策略多样性指标和两种计算方法的有效性和有用性进行了验证,并通过敏感程度分析对两种计算方法进行了对比.实验结果表明这两种计算方法在该场景中均能有效区分策略多样性的变化,且两种计算方法间具有一致性,从而验证了策略多样性指标及其计算方法的有效性.在有用性方面,验证了策略多样性与奖赏之间的关联关系,以及环境的动态改变与策略多样性之间的相互影响和关联关系,体现了策略多样性在认知群智系统,指导群智激发汇聚过程上...     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.     

基于动态规划的多无人机通信连通性保持研究

随着无人机技术的逐渐成熟,制造成本不断降低,无人机在多个领域得到广泛应用,如农业、工业、安全、军事等.而无人机在执行任务时,往往需要与地面基站保持通信的连通性.但在距离较远或有遮挡情况下,信道质量将严重下降,这对通信连通性的保持提出挑战.针对该问题,本文考虑部署多架无人机作为通信中继,以串联方式构建任务无人机与地面基站稳定的通信链路.本文以长期信道容量作为优化指标,基于动态规划理论提出了两种中继无人机的规划方法:CMMP-AT和CMMP-OBO. CMMP-AT方法强调在任务执行初期就部署全部中继无人机,该方法部署较为简便,但计算复杂度较高. CMMP-OBO方法提出按照任务需求逐架部署中继无人机,该方法较为灵活,且计算复杂度低,扩展性好,可节约中继无人机的运动能耗.实验结果表明, CMMP-AT方法针对一个两中继无人机场景,需要40.03 h规划结果,而CMMP-OBO方法只需57.66 s即可规划出结果,并且可节约3.87%的运动能耗.此外,为了精确控制中继无人机遵循规划出的轨迹行进,本文基于模型预测控制方法实现对规划轨迹的追踪,并在V-REP环境中实现了多中继无人机场景的仿真.仿真结果表明,相比PID控制方法,模型预测控制方法能够更精确地追踪规划轨迹.在两种仿真场景下,模型预测控制方法的追踪误差仅为PID控制方法的43.97%和41.42%.     

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.     

面向空间态势感知的天基可见光空间目标自主跟踪方法

天基可见光(space-based optical, SBO)监视是空间态势感知的重要手段之一.传统的天基观测平台都需要在自身精密星历已知的情况下,通过对目标的测量,确定其状态.而本文提出了自主天基空间目标监视的概念,天基可见光观测平台在自身精密星历未知时,也可以完成空间态势感知任务.与传统的目标跟踪不同,此方法只需依靠平台获取的在惯性系下描述的仅测角测量信息,便可实现自主定轨.结合长弧段的观测数据,本文给出了基于历史数据的事后自主轨道改进算法.通过分析发现,观测卫星对其他目标观测的历史数据也可用于改进原有的被观测目标的轨道.基于此,本文提出了通过额外测量量辅助下的实时自主跟踪策略,可通过单星搭载多SBO相机,对多目标同时跟踪的方式实现.最后,本文通过仿真算例验证了所提出方法的可行性.与传统的空间目标跟踪相比,虽然自主跟踪的精度较低,但在同时跟踪两目标时,尤其是在同时跟踪低轨和高轨两目标的情况下,估计精度能接近传统方法的水平.本文为发展自主天基空间态势感知平台提供了可行的方法.     

开放环境中基于自适应分布控制的群体机器人多目标搜索方法

多目标搜索问题是群体机器人一个重要的研究方向.现有工作多集中在带边界空间内的多目标搜索问题,而在开放环境中,探索机制会导致群体分散性过强而减弱探索能力.本文通过引入自适应扩散回归策略,在带有假目标的开放环境中,提出了具有高鲁棒性和适应性的群体机器人多目标搜索算法.文中首先从初始状态和处理假目标两方面对现有的主流群体机器人多目标搜索算法进行优化;基于机器人分布控制,本文对自适应群体机器人粒子群优化算法进行优化,提出基于自适应分布控制的群体机器人粒子群优化算法;其次,基于概率有限状态机搜索算法(PFSMS)对开放环境中的多目标搜索算法进行进一步的探索,本文以搜索时间为切入点,在PFSMS原有三种状态的基础上,添加回归状态作为附加状态,提出了基于自适应分布控制的概率有限状态机搜索算法(DPFSMS).当智能体的探索时间超过阈值时,智能体的速度由回归分量和扩散/搜索分量构成. DPFSMS算法给出了在无边界开放环境中的搜索策略,通过限制群体的扩散速度来自适应地调整智能体在无适应度值区域的运动随机性.最后,本文将DPFSMS算法与现有方法进行了对比,在对比实验中DPFSMS算法取得了目前最好的效...