基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

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.     

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.     

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.     

超视距协同空战火力打击网络协同目标分配研究

针对超视距协同空战目标分配问题,结合常规超视距协同空战目标分配方法,提出火力打击网络协同目标分配和超视距拦截联盟概念。根据火力打击网络协同目标分配含义和相关约束条件构建新的协同目标分配模型。并结合具体超视距协同空战实例进行模型的求解。通过具体实例与常规目标分配模型比较结果可知,在本文假设条件下,相对于常规目标分配结果,火力打击网络目标分配更能体现超视距协同空战的协同性。应用新的目标分配模型能够增加拦截次数,提高拦截效率,但同时增加了制导难度并牺牲了命中概率。本文所用方法和所得结论可为后续超视距协同空战目标分配研究提供参考。     

文化算法在有人/无人机协同作战目标分配中的应用

针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。     

多无人机分布式协同动态目标分配方法

在以"网络为中心"的作战模式下,以电子干扰无人机和UCAV编队协同作战为研究对象。针对多无人机协同作战的动态目标分配问题,建立基于导弹攻击区分析的威胁估计模型,综合考虑电子干扰效果建立目标分配模型,提出一种基于分布式拍卖机制的目标分配算法。针对不同的作战想定进行仿真计算,结果表明:算法能在规定的时间约束内给出接近理想化效果的目标分配方案,且所提算法与现有几种算法相比在可靠性、实时性上都有明显提高。     

基于鸽群层级交互的有人/无人机集群一致性控制

有人/无人机共融集群中的有人机可弥补无人机在复杂环境中能力的不足.利用鸽群层级交互机制能够高效传递信息的特点,提出一种有人/无人机集群一致性控制方法.根据动力学约束与人类行为特点,建立无人机动力学模型和多通道的有人机操作员模型.在此基础上,通过鸽群层级交互机制构建集群系统的层级交互网络:有人机对等级较高的无人机发送指令,并通过层级网络影响整个无人机群体.设计可节约资源的自适应牵制控制策略,实现有人/无人机集群运动状态的一致性.此外,对系统稳定性进行简要分析.仿真结果验证了方法的有效性.     

基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO

由于无人机航拍具有场景复杂多样，目标尺度变化剧烈，高速低空运动模糊等诸多特性，给目标检测带来了很大的挑战。针对无人机航拍目标检测效果不佳的问题，提出了Dy-YOLO模型，在YOLOv5的基础上引入Dynamic Head注意力，从尺度感知、空间位置、多任务3个角度探索具有注意力机制的预测头潜力；设计了C3-DCN结构和Dynamic Head注意力相互配合增强特征提取能力；此外，还使用SimOTA标签分配方式来弥补小样本的损失，并使用CARAFE(content-aware resssembly of features)上采样算子，有效增强了不同卷积特征图的融合效果。在VisDrone2019测试集上，Dy-YOLO检测的平均均值精度达到了38.2%,较基线方法YOLOv5提高了7.1%,同时与主流的检测方法相比也取得更高的检测精度。结果表明，Dy-YOLO算法对于无人机航拍检测任务具有较好的性能。     

非精确情报信息环境下跨域无人集群动态目标分配算法研究

针对非精确情报信息环境下跨域无人集群动态目标分配问题的算法进行了研究。首先,描述了一个实际的跨域无人机群作战场景,并对由于探测信息不精确性带来的目标位置和火力单元落点的不确定性进行了分析,在此基础上建立了目标预分配的概率模型,并设计改进的离散多目标粒子群算法求解;其次,针对作战环境中实时出现的新目标,提出了基于市场机制的合同网目标重分配算法,实时更新目标分配方案;最后,通过实验仿真验证了所提算法的有效性。     

一种多无人机层次化任务分配方法

针对大规模任务分配问题,为了提高任务分配的效率和合理性,提出了基于任务依赖关系和ISODATA算法相结合的任务分组方法。在任务分组基础上,从无人机负载均衡的角度出发,提出了基于资源福利的任务组级粗粒度任务分配方法,结合粒子群算法提出了任务组内的细粒度任务分配算法。通过实验仿真验证所提方法有效,且性能和灵活性较普通任务分配算法有较大的优势。     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

无人机自主集群技术研究展望

 动态不确定环境和复杂任务决定了无人机系统势必朝着集群化、自主化和智能化方向发展,具备共识自主性的无人机集群可无需任何集中规划或直接通信完成复杂智能行为。从无人机自主性内涵出发,讨论了无人机自主集群的概念、特点、优势及可能的作战形式,从人机共融、变体设计、人工智能和集群对抗方面探讨了无人机自主集群的发展趋势及无人机集群应对反无人机技术的必要性,从军用和民用领域分析了无人机自主集群的可能应用前景,从战略规划、研发模式、系统协调、交叉学科、国防应用及市场培育等方面探讨了无人机自主集群技术的发展方向。     

无人机集群对抗技术新进展

 无人机集群对抗是未来无人机作战的重要模式,它是一群无人机对另一群无人机进行拦截而形成的空中协作式的缠斗,对抗中无人机具有自组织、自适应特点和拟人思维属性,通过感知环境,对周围态势进行判断,依据一定的行为规则,采取攻击、避让、分散、集中、协作、援助等有利策略,使得在整体上涌现出集群对抗系统的动态特性。本文对近年来无人机集群对抗的研究进展进行综述,分析总结相关的关键技术,对研究思路和方法进行深入探讨,以期为从事无人机集群对抗建模研究提供参考。     

有人-无人作战智能体任务联盟形成策略方法

为解决有人-无人作战智能体协同执行任务形成联盟问题,采取先任务分组后进行智能体到任务组匹配的联盟形成策略,即利用任务间相关程度具有传递性的特点,引入任务距离概念,设计了任务能力需求一致的任务分组策略,并给出基于可达矩阵变换的分组求解方法.针对联盟形成是分布式能力聚合过程的特点,在考虑智能体到任务组的匹配程度优先级和作战智能体能力利用效率的基础上,设计一种基于拍卖机制的作战智能体到任务组的匹配策略.通过案例计算,得到离岛突击想定下的任务联盟形成方案,分析所形成联盟的资源冗余性,验证了所提联盟形成策略和方法的有效性.     

面向多目标搜索的群机器人任务分配研究

针对群机器人在多目标搜索过程中的协作分工问题,受黄蜂群劳动分工的启发,在黄蜂群的响应阈值模型中引入距离变量来解决群机器人多目标搜索中的任务分配问题。当机器人感知到目标信号时,机器人根据当前搜索该目标的机器人数量以及自身距群体最优位置之间的距离决定是否参与搜索该目标信号,从而实现了机器人之间针对搜索不同目标的任务分配。仿真结果表明,该方法有效可行。     

基于信息素的制造系统动态协调研究

受蚂蚁觅食行为模型与零件的生产加工工艺选择的相似性的启发,提出了基于信息素的任务分配协调机制。以信息素为介质,给出了制造系统生产加工工艺选择的静态和动态协调算法。仿真结果表明,通过此方法既实现了加工成本的相对优化,又实现了制造系统中各设备的均衡利用,并对制造系统内、外部环境变化具有良好的自适应性,为解决制造系统中的生产加工工艺选择问题提供了一种切实有效的方法。