基于量子遗传算法的无人机冲突解脱方法

飞行冲突解脱对于无人机飞行安全至关重要,遗传算法(genetic algorithm, GA)在解决无人机冲突解脱时存在求解速度慢、产生的延误距离较大等缺点,针对这些缺点,提出一种基于量子遗传算法(quantum genetic algorithm, QGA)的无人机冲突解脱方法。该方法采用了量子比特编码,设计加入了延误指数函数强制优化策略和变航向优化策略,通过利用量子旋转门实现个体的演化,并在延误距离、冲突解脱航迹等多方面与遗传算法进行了对比实验。仿真实验结果表明,该方法与遗传算法相比,求解速度更快,解的质量更高,所得解脱航迹更平滑,能获得较小的飞行延误,在无人机冲突解脱方面具有有效性和良好的应用价值。     

基于博弈策略的双无人机冲突解脱方法

针对无人机在空域飞行时完成冲突解脱所存在的消耗时间长、绕飞距离严重、机动次数多等问题,在2架无人机发生冲突的条件下,基于博弈论的知识,提出一种双无人机冲突解脱方法。首先,依据2架无人机的运动模型建立冲突探测模型,求出达到最小距离的时间公式,根据此公式反解出2架无人机改变的速度或航向值;其次,将鹰鸽博弈与贝叶斯博弈结合,以期望效用分析适合双方的解脱策略;最后,完成解脱后为减小航迹偏离等情况,无人机执行恢复策略恢复至初始状态。结果表明,与单机解脱相比,在解脱时间、绕飞距离、总飞行时间及总飞行距离方面的效果都有所改善。改进后的探测模型不仅能迅速计算出解脱策略改变值,而且在引入博弈策略后冲突双方可根据自身最大效益选择解脱策略,解决冲突解脱问题的方法简单有效,可以保证无人机在空域内发生冲突时能快速解脱。     

基于调速的飞行冲突探测与解脱方法

随着中国民航的快速发展,空域资源的紧缺和空中交通拥堵现象越来越严重,由此带来的飞行冲突也越来越多.首先,提出了一种基于调速的飞行冲突探测与解脱方法并且通过非线性规划的方法优化调速机动阶段的燃油消耗.其次,通过飞行冲突探测和解脱方法确定飞机可以进行调速的速度区间,通过优化调速机动阶段燃油消耗,得到可调速的速度区间中的最省油的速度.最后,将速度剖面实时分配给相关的航空器,使航空器之间的间隔大于给定的最小安全间隔.通过仿真分析,提出的飞行冲突探测与解脱方法能够快速解决飞行冲突,非线性规划优化燃油消耗的方法能够带来较大的燃油消耗的节省.     

一种改进蚁群算法的无人机避险方法仿真研究

随着低空空域的逐渐开放以及无人机产业的高速发展,无人机数量不断上升,无人机间随时有发生冲突的可能,需要一种可靠的冲突解脱技术使无人机可以避免危险。针对无人机冲突解脱问题,提出基于改进蚁群算法的无人机冲突解脱方法:采用参数自适应调整策略,根据解的质量,动态调整参数值,防止算法早熟,提高收敛精度;在算法状态转移规则中引入扰动因子,加快算法初期收敛。算法测试实验结果显示,改进蚁群算法收敛精度更高。仿真实验表明,改进算法可以帮助两无人机及时脱离危险。该算法作为一种通用优化算法,也可应用到目标识别、路径规划等问题中,具有重要的研究意义与广泛的应用价值。     

自由飞条件下的冲突探测与解脱方法

该文介绍了自由飞行的概念 ,并简述了采用自由飞行的原因及其给空中交通管制员工作带来的困难。分析了如何将遗传算法用于自由飞条件下的飞行冲突探测与解脱问题 ,并介绍了基本遗传算法的原理和运算步骤。结合我国空管的有关规定 ,进行了合理的假设 ,通过一些算例将遗传算法用于冲突探测与解脱 ,计算结果表明该方法能够很好地探测并解决飞行冲突问题     

基于改进人工蜂群算法的多机飞行冲突解脱策略

针对同一空域内多无人机飞行冲突解脱问题,提出了一种基于改进人工蜂群算法的冲突解脱策略。在传统蜂群算法的基础上改进了跟随蜂对雇佣峰的选择概率及跟随蜂的搜索策略,发挥了迭代过程中最优解的引导作用,保持了传统人工蜂群算法全局搜索和跳出局部最优的能力,解决了传统人工蜂群算法局部搜索效率较低的问题,提升了收敛性能,增加了得到最优解的概率。利用该算法通过航向调整和速度调整2种策略实现了多机的冲突解脱。对比仿真结果验证:该方法在收敛速度、运行速度和最优解的适应度等方面都较遗传算法有很大提升。     

空中交通控制的冲突探测算法

针对快速增长的空中交通流量和空中飞行安全的要求,给出了一种综合改进的冲突探测算法,该算法综合了确定型冲突探测方法和概率型冲突探测方法在工程应用中的优点,考虑了空管规则和简单的过滤算法,引入了持续探测方法。综合改进的冲突探测算法对即将发生冲突的飞机对提前做出预测和报警,减轻管制员工作负担,从而避免冲突的发生,确保飞行安全。最后,结合中国某国际机场的实际数据,利用该算法对实际空域进行实时冲突探测,取得较好的效果。     

基于Kalman滤波的飞行冲突探测

基于飞行途中的随机影响及观测仪器的随机误差的考虑,从随机框架的角度提出了Kalman滤波作为冲突探测的一种方法．该方法不仅从模型上保证了更接近飞机的实际飞行情况,而且理论和计算机模拟结果也都表明该方法不但能对明显存在冲突的态势给出准确的预报,对于那些由于随机因素而产生的潜在冲突也能给出一定概率的预报．     

飞行冲突调配概率安全评估方法研究

现行技术条件和运行模式下,通过地面监控与引导、地空协同、调配和化解飞行冲突是保障空中交通安全的关键,因此以飞行冲突调配为对象,开展量化的安全性分析是一项重要的基础性工作。结合空中航行的运行实际,对飞行冲突检测与解脱的过程进行了分析,并利用事件树分析(ETA)方法对飞行冲突调配的逻辑顺序进行了解析。针对评估中人失效的问题,采用了人误评估与减少技术(HEART)分析飞行冲突调配过程中空中交通管制员、飞行员的人因失误概率。最后在综合考虑防相撞设备可靠性因素后,得到飞行冲突调配的整体失效概率。研究结果表明:利用ETA和HEART组合的概率安全评估模型对空中航行系统进行安全评估是可行的,为空中航行安全性分析提供了量化参考,同时为防范空中飞行冲突风险提供了指引。     

基于UPF的中程飞行冲突探测

2000年,Prandini等建立了飞机位置的概率模型, 该模型将飞行扰动的方差作为全程飞行时间与路程的函数,基于此模型,他们提出了中程飞行冲突探测的随机化算法. 本文作者将飞行扰动作短时处理, 建立了包含雷达观测误差在内的一个更精确、更符合实际的概率模型, 并提出了基于UPF的中程飞行冲突探测算法.     

基于视觉的多旋翼无人机定位与地图构建

 在缺乏GPS 等定位方式的未知环境中,采用视觉的方法对多旋翼无人机定位导航与地图构建逐渐成为该领域研究的热点,本文针对无人机的视觉定位与地图构建技术方法进行综述。首先,分析了两种自主飞行控制方式的优缺点,指出设计的要求和难点;其次,研究无人机定位与地图构建的不同视觉方法,对几种方法特点进行分析并总结研究现状;最后,讨论多旋翼无人机视觉控制的发展趋势。     

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。     

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。     

异构Web对象共指冲突识别与消解研究

针对现有的语义Web 中对象共指的消解工作研究不足,提出了一种异构Web数据流对象共指消解的技术.首先,定义了Web数据流对象的对象共指冲突识别与消解框架;然后,提出了一种基于描述逻辑的对象共指识别技术,归纳给出了描述逻辑的层次依赖关系并提出了基于依赖图的冲突遍历识别算法;并且,在冲突消解方面,定义了冲突的三种类型、冲突消解匹配模式与仲裁消解算法;最后,分别用测试集检验了本文提出的异构Web数据流冲突识别与消解技术的应用效果.     

2021年无人机热点回眸

随着人工智能技术的发展以及机载任务平台性能的提升,2021年无人机技术与应用呈现新的发展态势.从无人机政策法规、自主控制、反无人机、应用领域等多方面回眸了2021年无人机的技术研究热点,分析了无人机技术领域未来的发展动向.人工智能、视觉导航等技术使无人机综合能力更加强大,也使其应用领域向更宽、更深、更综合方向拓展,尤其...     

无人机自主控制关键技术新进展

 无人机在军用、民用领域具备巨大的应用潜力,当前世界各国正在大力推进无人机的研发工作,而无人机自主控制是无人机研发中极富挑战性的关键问题。本文介绍了无人机的分类和系统框架;根据无人机实际应用的要求,提炼出无人机自主控制进程中的几个关键性技术问题,包括感知与规避、故障诊断与容错控制、协同控制及这3 项关键技术有机综合的新问题与新方法--容错协同控制等,并重点阐述了这些关键技术的机理和较有代表性的成果及新进展;以目前无人机重要应用领域--空中加油过程及森林资源与火情监测为例,简述了以上技术在实际应用中的具体体现及其新进展;最后对无人机自主控制技术进行了展望,并给出各项关键技术存在的挑战及可能的解决思路。     

基于多因素融合建模下无人机航行环境评估方法

当前无人机(unmanned aerial vehicle,UAV)任务路径的研究已日益广泛。现实环境中执飞空域将由多机种多机型共同参与,针对无人机间,以及与载人运输机间的航行环境分析及空域密度评估,还处于研究初级阶段。为正确分析大型无人机在复杂区域内执行任务对航行环境的影响,综合考虑尺寸与性能数据、空域结构、空中交通服务和飞行技术安全等因素,首次建立多种因素融合下的无人机航行环境评估模型,并获取量化评估结果。计算结果表明:通过分析模型计算得出航空器间最小距离,可为制定航路航线间隔,判断空域密度等问题提供数据参考。为未来低空空域开放,实现载人运输机和无人机安全、协同飞行创造条件。