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.     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.     

基于柯西变异鸽群优化的大型民用飞机滚动时域控制

采用先进的控制方法对大型民用飞机的多操纵面进行控制,可以有效提高大型民用飞机飞行的安全性和可靠性.针对大型民用飞机的在线滚动时域控制(receding horizon control,RHC)问题,提出了柯西变异鸽群优化(Cauthy mutation pigeon inspired optimization,CMPIO).柯西变异鸽群优化不但保持了鸽群优化(pigeon inspired optimization,PIO)收敛速度快的优点,而且通过执行加入柯西变异的地图和指南针算子和地标算子,可以有效降低优化结果陷入局部最优的概率,改善滚动时域控制的快速性和稳定性.在协调转弯过程和协调转弯的故障重构两个算例的仿真中,基于柯西变异鸽群优化的滚动时域控制使大型飞机稳定地达到参考状态,控制器同时合理地完成了多操纵面的控制分配和故障重构.     

基于零和微分博弈的航天器相对位置容错控制

针对带有执行器偏置故障和失效故障的航天器相对位置控制系统,本文提出了一种基于零和微分博弈的最优容错控制方法.首先,利用线性二次调节设计反馈控制器以保证无故障时系统的渐近稳定性能;其次,将航天器相对位置容错控制问题转换为零和微分博弈问题,结合Hamilton-Jacobi-Issac (HJI)方程和极小极大原则设计最优控制律;最后,利用自适应动态规划方法设计评判网络对最优性能函数进行估计,构成自适应控制信号,保证了系统稳定性和状态最终一致有界.仿真结果表明了本文设计的容错控制律的有效性.     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

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.     

一种粒子群结合遗传算法(PSO-GA)的云计算任务调度方法

针对云计算服务集群任务调度和负载平衡的优化问题,提出一种粒子群结合遗传算法(PSO-CA)的云计算任务调度方法。PSO-GA算法在遗传算法的基础上对种群进行分隔,用粒子群算法来构造变异算子,避免了变异算子的随机性和盲目性,很好地保持种群的多样性,克服了早熟现象。在Cloudsim平台进行模拟测试。实验结果表明,与同类算法相比,该调度方法能够缩短云计算下任务执行总时间,提高资源利用率。     

垂直起降飞行器的自适应集群编队飞行控制

本文针对垂直起降飞行器集群编队飞行控制问题开展研究.集群中的飞行器具有异构性质,即它们具有不同的惯性参数,并且每个飞行器对其自身的惯性参数也并未确切已知.另外,飞行器间的信息交互是局部的,每个飞行器仅与其邻近飞行器进行信息交互.为解决上述问题,本文基于级联架构,设计了一种自适应分布式控制算法.首先,在位置回路中设计一个分布式指令控制力,实现集群编队目标;接着,从设计出的指令控制力中提取出控制推力和指令姿态;最后,在姿态回路中设计一个控制力矩,实现姿态对指令姿态的跟踪.此外,在指令控制力和控制力矩设计过程中,提出合适的自适应算法对飞行器惯性参数进行估计.通过使用李雅普诺夫理论分析可知,所提出的自适应分布式控制算法确保了垂直起降飞行器渐进稳定的集群编队飞行.仿真结果进一步验证了所提算法的有效性.     

基于参数优化的平动点轨道族简单生成方法

在圆限制性三体问题框架内,针对不同类型平动点轨道的特点,提出一种基于优化算法的平动点轨道生成方法.通过设定轨道特征点,以轨道闭合程度为目标函数,使用优化算法寻找精确的初始状态,可得到闭合程度很高的平动点周期轨道;以航天器在限定区域自主运行时间为目标函数,使用优化算法将航天器状态不断修正到稳定流形上,理论上可得到任意时间长度的平动点拟周期轨道.这种方法简洁高效,通用性强,灵活性高,不需要使用任何解析方法即可得到多数典型类别的平动点轨道.将其应用到深空探测轨道任务中,将大大降低平动点轨道的计算难度,为平动点轨道设计提供一种新的思路.     

基于凸优化理论的无人机编队自主重构算法研究

针对无人机编队自主重构中的最优重构航迹规划问题开展研究,通过综合考虑无人机飞行动力学特性和重构航迹代价,将其转化为多目标组合优化问题进行求解.为提高寻优效率,本文首先提出将多目标组合优化问题转换为非线性单目标优化模型进行求解,并针对两类优化问题等价性进行了理论分析.通过引入松弛算子和规范参数,本文所提出的内点优化算法能够改善经典内点法中的矩阵秩亏损现象,提高了所得解的最优性.通过仿真验证了本文所提出的自主重构算法的可行性和有效性.     

航空集群构型控制及其演化方法

基于交感网络的适应性能力涌现是航空集群的基本特征,其构型控制与演化是产生适应性能力涌现的关键.根据航空集群构型演化与控制的基本原则和需求,将航空集群构型控制组织结构分为任务层、决策层、执行层,提出基于事件触发-规则驱动的构型演化机制;针对航空集群以实现面向任务的适应性能力涌现为目标的构型设计准则,提出将复杂任务按照能力需求分解为原子任务;以航空集群协同反隐身、无源定位、空战攻击为例,分析航空集群典型能力-构型的映射关系,结果表明,不同的构型将涌现出不同类型和层次的能力;基于多智能体系统一致性理论设计了航空集群构型生成与保持控制协议.最后,通过仿真和搭建航空集群作战演示验证系统,对所提出的理论结果进行了验证.     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

鸽群运动模型稳定性及聚集特性分析

鸽群运动模型参数对鸽群一致行为产生不同的稳定性和收敛性影响.本文通过分析鸽群群体运动的动力学模型特性,研究时延参数对群体同步特性的影响作用.基于鸽群运动模型,采用适合分析群体运动的模型描述方法和性能参数表达,并对比了不同运动形态下鸽群运动的不同特点.采用李雅普诺夫函数以及拉格朗日乘子法,对鸽群聚集运动的约束局部极小能量特性进行理论分析.利用李雅普诺夫理论、代数矩阵理论以及图论的相关工具,给出了鸽群运动聚集时的时延参数的稳定参数边界,以及收敛条件.以计算机数字仿真为手段,研究了不同参数情况下鸽群运动模式行为,分析了拓扑网络以及吸引-排斥函数对鸽群聚集-分离性能的影响.     

基于Floquet模态的平动点航天器编队构形设计与控制一体化方法

基于Floquet理论研究三体平动点周期轨道航天器编队的构形设计与控制方法.首先,介绍平动点周期轨道的Floquet理论,对Floquet模态进行仿真分析,利用Floquet模态可以线性表达相对于平动点周期轨道的运动偏差,并推导出了其模态系数的时间函数表达式,对于Z振幅较小的halo轨道,证明了周期模态的系数接近常值;在此基础上,应用Floquet模态对平动点轨道航天器编队构形进行设计,利用周期模态3,5或模态4,6的组合得到了多类特殊的规则构形;最后,提出了同时控制5个Floquet模态的相对运动轨道控制方法,仿真表明：该方法有效,并具有精度高、频度低、燃耗省等优势.本文形成了一种基于Floquet模态理论的平动点轨道航天器编队构形设计与控制的一体化方法,并基于该方法得到了几类特殊的规则构形,这对于深空探测任务轨道设计有重要的参考价值.     

一种环月交会对接航天器的自主导航方法

我国正在进行月球采样返回工程,月球轨道交会对接是采样返回任务中关键环节之一.本文提出了一种新交会过程中目标航天器和追踪航天器自主航方法.该方法综合利用成像敏感器、交会雷达和激光高度计测量信息,结合绝对轨道动力学模型,利用UKF滤波算法设计航滤波器,能够同时估算交会对接过程中追踪航天器和目标航天器绝对轨道参数.在月球阳照区,采用成像敏感器和交会雷达测量信息进行自主航;在月球阴区,则采用交会雷达和激光高度计测量信息进行自主航.通过理论分析和数学仿真,验证了所提出自主航方法有效性.本文所提出方法为月球轨道交会对接工程实现提供了理论参考.     

关于X射线脉冲星导航的轨道力学问题

X射线脉冲星导航是以脉冲星辐射的X射线信号作为信息输入,经过相应的信号和数据处理,为近地轨道、深空和星际空间飞行的航天器提供高精度的位置、速度、时间和姿态等导航信息的实现过程.本文在概述X射线脉冲星导航概念和原理的基础上,重点研究利用X射线脉冲星导航的航天器轨道力学模型以及时钟系统状态方程.并通过数值分析试验,定量分析基于X射线脉冲星的导航卫星轨道确定与时间同步的可行性,初步论证X射线脉冲星导航与航天器轨道力学模型的基本关系.     

基于改进遗传算法的云计算任务调度研究

针对云计算服务集群任务调度算法的效果，提出一种基于改进遗传算法的任务调度算法。该算法采用检测种群个体多样性生成初始种群，遗留优秀个体，检测个体相似度增加交叉操作的有效性等策略实现任务调度的改进。实验表明，该算法在云计算任务调度中是一种有效的算法，缩短了任务的执行时间并节约系统资源。     

基于改进蚁群算法的移动机器人路径规划

为了提高移动机器人在复杂静态环境下快速、精确地实现避障路径规划的能力，在蚁群算法的基础上进行改进，采用最优一最差蚂蚁系统，并且引入最差路径信息素自适应参数以更好地寻找全局最优解。搜索过程中引入起点终点引导函数，优先搜索距离起点远而距终点近的节点。为提高算法的实用性，运用几何方法对路径进行修正处理。从而实现了机器人的快速、精确路径规划。通过计算机仿真研究表明：该算法具有较强的实用性，能明显改善路径规划性能，并且算法简单有效。     

基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.