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。     

面向多机协同的Att-MADDPG围捕控制方法设计

多无人机对动态目标的围捕是无人机集群作战中的重要问题.针对面向动态目标的集群围捕问题,通过分析基于MADDPG算法的围捕机制的不足,借鉴Google机器翻译团队使用的注意力机制,将注意力机制引入围捕过程,设计基于注意力机制的协同围捕策略,构建了相应的围捕算法.基于AC框架对MAD-DPG进行改进,首先,在Critic网络加入Attention模块,依据不同注意力权重对所有围捕无人机进行信息处理;然后,在Actor网络加入Attention模块,促使其他无人机进行协同围捕.仿真实验表明,Att-MAD-DPG算法较MADDPG算法的训练稳定性提高8.9％,任务完成耗时减少19.12％,经学习后的围捕无人机通过协作配合使集群涌现出更具智能化围捕行为.     

一种多帆器人协作围捕策略的研究

在二维受限环境中,研究多机器人对移动目标的协作围捕问题,结合追捕者与逃逸者的相对位姿,对多机器人围捕的初始状态条件进行划分,针对多机器人群体规模、速度、成功围捕条件进行讨论,并对目标机器人的逃逸策略和围捕机器人的围捕策略进行协调性动态调整,提出了采用夹角最大原则的逃逸策略,确定了迎面对角阻截与虚拟势点相结合的围捕策略。课题对分别将新提出的逃逸策略和围捕策略与原有逃逸策略和围捕策略相比较进行仿真实验,结果表明所提出的动态调整策略的有效性。     

一种多机器人围捕策略

以多机器人的围捕为研究对象,分析了成功围捕目标机器人的临界条件,即围捕机器人和目标机器人速度比的临界值,给出了该临界值的计算公式.设计了当围捕机器人的速度小于目标机器人的速度时多围捕机器人的伏击围捕方案:即先将目标机器人驱入最佳围捕区,然后再实施智能围捕策略完成围捕任务.采用Matlab的仿真结果验证了临界条件的正确性以及伏击围捕方案的有效性.     

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.     

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。     

基于模糊控制协调策略的多自主机器人围捕

为了降低多机器入围捕中的通信量,提高多机器人系统对未知环境的适应性,提出了一种基于模糊控制协调策略的多自主机器入围捕方法.围捕机器人根据感知范围内同伴和目标的分布,从L模糊控制器、R模糊控制器和M模糊控制器中选取合适的一个用以控制和最邻角同伴之间的夹角,进而实现多机器人之间的局部协调,结合基于局部感知的目标跟踪,在围捕...     

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。     

多无人机编队协同目标分配的两阶段求解方法

多无人机编队协同目标分配是一类组合优化问题,常规的求解方法难以满足战场环境对求解速度的要求。文章提出了一种两阶段目标分配方法,将该问题分解成编队级分配和编队内分配2个阶段。首先通过K-Medoids聚类算法实现编队级目标分配,将目标簇分配到无人机编队,然后通过混合整数线性规划模型和蚁群算法实现编队内目标分配,将目标分配到无人机。通过两阶段求解,降低多无人机编队协同目标分配问题的求解难度。仿真结果表明,该方法可行且有效,能够提高求解效率,大幅度缩短求解时间。     

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。