空天无人系统智能规划技术综述

鉴于以无人机群和多航天器为代表的航天无人系统的快速发展,以及任务要求的日益多样化和复杂性,在分析空间无人系统智能规划特点的基础上,首先阐述了无人机群聚、编队飞行、编队维护和编队重构等智能航迹规划策略,总结了无人机群任务智能规划的建模和优化方法.然后介绍了多航天器飞行和避碰轨道规划的内容和现状,总结了多航天器集中和分布式任务规划的主要研究成果.最后,对空间无人系统智能规划技术的未来发展提出了一些建议.     

基于粒子群优化的无人战斗机编队任务协调方法研究

执行任务时多无人机之间的任务协调是保证无人机具备协同工作能力并且顺利完成任务的关键.将无人战斗机编队的协调过程看成一种动态的任务分配过程,建立任务协调模型,分析任务协调问题的粒子初始化和寻优方法,编写基于粒子群优化算法的任务协调问题程序.对粒子群优化算法参数对任务协调方案的影响进行了仿真验证,结果表明此方法得出的方案合理有效可以满足无人战斗机任务协调问题的要求.     

多智能体系统的有限时间跟踪控制

基于领导-跟随者模型研究了多智能体系统的有限时间跟踪控制问题。针对领导者状态是时变的情况,提出了一类非线性有限时间跟踪控制算法,在固定网络拓扑结构下,利用Lyapunov有限时间稳定性理论和矩阵理论分析,得到了该算法使得系统中跟随者状态在有限时间内与领导者状态达到一致的充分条件;在切换网络拓扑结构下,提出了一类有限时间跟踪控制算法,在领导者的状态是时不变的情况下,给出了该算法使得系统实现有限时间跟踪控制的充分条件。仿真实例验证了所提出两类算法的有效性。     

无人机全局渐近稳定自动编队飞行控制研究

研究了无人机在"长机-僚机"编队结构中僚机的编队保持自动驾驶仪控制算法.首先提出了一个基于两机相对位置动力学的控制算法,但该算法在状态空间中存在奇异点,因此又提出了一个在惯性坐标系中基于新的误差形式的无奇异点的编队控制算法.最后证明了该算法在整个状态空间中的全局渐近稳定性并进行了数值模拟,说明该控制算法具有较好的性能.     

基于Holon组织的有人/无人机作战联盟形成

基于Holon组织构建理论,分析了有人/无人机群对目标群协同作战的任务分配问题。有人/无人机群Holon联盟(Holon coalition of manned/unmanned vehicle swarm,HCVS)形成过程即是无序的有人/无人机群面向任务需求形成各个作战编队的过程。将对目标群的总任务分解为不同类型的子任务,根据无人机作战资源能力与任务资源需求,定义机群资源冗余指标、资源冗余方差指标,构建了HCVS形成的多目标优化模型。最后提出了一种多目标混合蜂群求解算法,并利用算例验证了算法的有效性与优越性。     

基于一致性协议的多无人机协同围捕控制方法

针对无人机对运动目标的协同围捕问题, 设计了一种快速协同围捕控制算法。首先, 基于人工势场法设计了无人机与目标的动态博弈关系, 使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次, 利用无人机与目标的速度关系, 将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球, 通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后, 将无人机获取的目标信息引入到一致性协议, 以此来完成无人机编队对目标的协同编队围捕, 并引入二跳网络加快围捕队形收敛, 提高了无人机编队的任务执行效率。最终, 通过仿真实验证明了该控制算法的有效性。     

战场环境下多无人机时敏任务动态分配算法

时敏目标呈现的持续时间和出现空间不稳定等特点加大了无人机编队任务分配难度,将影响无人机编队的任务执行效果。针对该问题,在Leader-Follower编队结构下提出一种多无人机时敏任务动态分配算法,实现战场环境下多架无人机对多个时敏目标的打击。该算法在时敏目标时间窗口约束下,通过综合评估目标威胁代价、距离代价、任务执行时间、毁伤能力和打击收益完成编队任务动态分配,保证了无人机编队打击多个时敏目标的效能最大化。仿真结果证明了该算法的有效性。     

基于改进势场的无人机编队恢复与一致性仿真

针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题,提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型;定义含协调因子和通信权重的机间协调势场函数,实现防撞和队形恢复的控制目标;在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项,实现位置和速度的收敛一致性;结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制算法,并由Hamilton函数证明该算法的稳定收敛性。仿真结果表明：该方法可以实现防撞、队形恢复及位置与速度收敛一致的控制目标。     

固定翼无人机编队构型与通信拓扑优化

本文研究了考虑攻防对抗态势与最小信息流要求的固定翼无人机(unmanned aerial vehicles, UAVs)编队构型与通信拓扑优化问题。建立了编队构型指标体系, 给出了大规模集群分层编队构型设计模型和编解码方法, 提出了基于态势场的队形模型, 采用粒子群算法开展了队形参数优化。建立了通信网络拓扑效能指标体系, 提出了通信代价模型, 给出了基于Q学习的网络连通性控制算法。仿真算例验证了所提方法的有效性。     

基于联盟的无人机集群编队控制方法

针对切换拓扑结构下的集群编队控制问题,设计只需个别无人机获取虚拟长机信息也能保证集群连通性的编队控制算法。当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时,以距离为原则对集群进行联盟划分,各联盟内部成员以信息浓度大小为标准同其他成员进行竞争,由信息浓度最大的无人机获取虚拟长机信息,其联盟成员通过与该无人机通讯间接获取虚拟长机信息。该算法使得每架无人机在任意时刻都能直接或间接地获取虚拟长机信息。引入集群对虚拟长机的反馈机制,与传统反馈算法不同的是,本文中反馈无人机的数量和组成成员都是变化的,从而提高了系统的收敛速度和鲁棒性。在此基础上进一步讨论编队的损伤问题,设计了一种基于分层的分布式递归自修复算法,解决了网络分裂状态下的自修复及修复后队形变化过大的问题。仿真结果表明了所建模型的合理性和求解方法的有效性。     

无人船实时路径规划与编队控制仿真研究

安全和无碰撞导航是无人船正常航行的基础。通过Unity3D构建高保真的虚拟海洋环境，在无人船建模基础上，提出一种面向未知复杂环境的实时路径规划及编队控制方法。利用激光雷达获取的局部环境信息，在重规划的策略下，结合A-star以及航路抽稀方法完成实时局部路径规划。基于领航-跟随者策略与一致性方法进行编队控制，结合人工势场法完成多无人船的避障航行任务。在多种复杂地图上的仿真实验表明，该仿真系统具有较好的真实性和视觉效果，为无人船模拟试航提供了有效手段。同时，无人船群利用所提算法可以依次抵达预设航路点，自主变换队形实时避障，在工程应用中具有一定理论意义和实用性。     

基于超扭曲算法的无人机动态逆编队控制器设计

针对扰动条件下的无人机编队飞行控制系统,研究了一种将非线性动态逆（nonlinear dynamic inversion, NDI）理论与超扭曲算法相结合的非线性编队控制方法。以其中一架僚机的编队控制器设计为例,在无人机质心动力学和运动学模型的基础上,建立了基于偏差的编队控制系统,从而将编队控制问题转化为僚机的路径跟踪问题;在二阶滑模控制中超扭曲算法的基础上,设计了僚机的NDI控编队控制器,以消除滑模算法中存在的抖振现象,并实现对位置指令的跟踪及干扰的抑制。最后以3架编队无人机构成的编队飞行控制系统为例,对此方法进行了数学仿真,仿真结果表明基于该方法的编队控制系统具有良好的稳定性和鲁棒性。     

基于参数优化的导弹编队控制一致性算法

为有效克服导弹自动驾驶仪动态特性对编队制导性能的不利影响,结合参数优化方法,提出基于参数优化的导弹编队控制一致性算法。将导弹自动驾驶仪等效为一阶惯性环节,在所建立的编队控制算法基础上,得到闭环制导控制系统方程,应用代数图论证明系统的渐进稳定性,在实现既定队形收敛的同时速度趋于一致。为进一步提高导弹编队系统性能,以编队各成员位置和速度的累计误差建立指标泛函,基于最优控制理论,提出算法中待定系数的优化方法。仿真结果验证了算法的有效性,适用于领从结构导弹编队队形的生成与保持。     

基于虚拟子目标联合边界力的编队避障算法

针对复杂环境条件下无人机（unmanned aerial vehicle,UAV）集群编队系统中领航-跟随集群的编队控制和人工势场法中的避障问题，提出了一种基于虚拟子目标联合边界力（joint virtual sub-target and boundary force, JVBF）的无人机集群编队避障算法。采用基于虚拟子目标的领航-跟随法并优化修正力函数来实现无人机集群的队形控制，以达到帮助跟随无人机快速恢复队形的目的；采用基于边界力的人工势场法负责局部路径规划，解决无人机目标不可达和狭窄通道内振荡的缺点。仿真结果表明，所提算法相较于传统算法具有更高的编队队形一致性和时间效率。     

基于MAS的合作—竞争编队研究

基于牧羊犬跟羊群的自然现象,研究了一类具有合作—竞争拓扑的一阶多智能体系统的新型编队问题.针对每个智能体以领导—跟随者法设计了一种分布式编队控制算法,实现了合作—竞争交互网络的编队运动.利用结构平衡的独立强连通分量(SBiSCCs)推导出了一个充分条件,以确保所有智能体以分布方式进行合作—竞争编队运动.最后,通过数值仿...     

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。     

无人机编队飞行模糊控制系统设计与仿真

将模糊技术应用于无人机编队飞行控制系统设计的研究中,在研究模糊控制理论的基础上,设计了无人机编队飞行控制系统,它包括无人机速度、高度和方向三个部分的模糊控制器.针对编队飞行特点确定相应规则和算法,实现了对编队飞行中无人机的稳定控制,仿真结果说明此模糊控制器优于传统控制器,验证了此方法的有效性和可行性.     

基于加权双质心支持向量聚类的机群编队分组

针对机群编队分组问题,提出了一种加权双质心支持向量聚类算法。所提算法在支持向量训练时引入最大熵原理,快速求解Lagrange乘子;针对样本特征对聚类结果的贡献不同,在聚类标识过程中,引入加权密度质心,提出了加权双质心聚类标识,并在典型数据集上验证了所提算法的有效性。通过对机群编队分组模型的描述,建立了机群聚类时一个目标点需要的特征集,完成了编队分组的仿真实验。仿真结果表明了所提算法能够针对应用的具体样本集实行快速聚类分析,并保证聚类结果的有效性。     

一种具备协作机制的市场化无人战斗机任务分配方法

当多无人战斗机编队需要对多个目标的敌方阵地进行攻击时,如何在有限的无人战斗机中选择最优的任务分配方案是UCAV编队能够有效完成任务的关键.首先提出了的方案优劣判定定理,然后将目标看作优化对象,根据UCAV的数目和目标的数目之间的差别制定了相应的任务分配策略.其次,基于相应的任务分配策略提出了具备合作机制的市场化的任务分配方法.该方法通过市场上买卖的方法和优化目标之间的相互协作,可以求出满足帕累托优化条件的最优任务分配方案.最后将本方法和基于粒子群的任务分配方法进行了对比分析并且进行了仿真验证.仿真结果表明使用本方法可以消除使用粒子群算法给帕累托最优方案的求解带来的不确定性.在局部代价和收益发生变化时,通过局部协调就可以获得最佳任务分配方案.     

基于混合多目标进化算法的多无人机侦察路径规划

由于侦察任务的复杂性和不确定性,无人机对其目标的侦察时间往往是不确定的。将多无人机对观测时间不确定目标的侦察路径规划问题建模为使任务时间、编队总耗时和编队规模同时最小化的多目标优化路径规划问题。对此,在基于ε 占优的稳态多目标进化算法基础上引入多目标局部搜索,给出了混合ε 占优多目标进化算法,提出了一种使用插入最近点方法的启发式遗传操作。实验结果表明,算法能够有效解决所研究的问题,并且其优势随着问题规模的增大而显著。