对运动船舶的多无人机协同查证路径规划方法

为解决无人机对运动船舶进行查证面临的最优路径生成问题,设计了一种面向运动目标的多无人机路径规划方法,通过模拟退火算法对查证路径进行优化,确定完成查证任务所需的最少无人机数量、查证序列和运动路径。结果表明：该方法能够生成满足时间约束的多无人机协同运动船舶查证路径,可为海事监管领域开展无人机路径规划应用及优化资源配置提供技术支撑。     

一种新型多无人机系统体系结构的设计

针对多无人机系统(multi-UAV system)的特点和执行作战任务的需要,对多无人机系统的体系结构进行了初步研究,先提出功能需求和设计原则,然后给出一种新型多无人机系统体系结构的详细设计方案。在该体系结构下,所有的无人机物理上平等,没有哪一架无人机是不可缺少或不可替代的。该体系结构实现了在动态变化的战场环境下,无人机可以根据当前任务情况自主组建动态团队和子团队,无人机在团队框架下协作完成预定任务。团队中的无人机自主选举出团队领导,由团队领导对整个团队或子团队进行逻辑上的集中管理。最后对该体系结构实现中存在的几个问题进行分析并给出解决办法。设计过程表明,该体系结构能够满足所提出的功能需求。     

给定时间有向通信网络多无人机最优集结控制

为解决给定时间的多无人机最优集结问题，通过分布式优化的方法研究了能够使多无人机在权重不平衡有向通讯网络下按照给定时间范围内完成最优集结的控制算法。每架无人机都有其相应的局部目标函数，全局目标函数就是每架无人机所具有的局部目标函数之和，算法的目的就是通过分布式控制的方式，找到满足全局目标函数的最优集结点，文章中采用了时域映射的思想，将原本的给定时间下的集结问题转变为无限时域下的集结问题，并通过拉普拉斯零特征值下的左特征向量克服权重不均衡有向网络的不平衡性。结合凸分析理论和李雅普诺夫稳定性理论，验证了算法能够收敛到最优的解。仿真结果表明：不同出发点的无人机，在算法的控制下，均可以在给定时间内到达最优的集结点。     

复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

基于自适应分段势场法的多无人机航迹规划

为解决传统人工势场法在无人机进行航迹规划应用中易陷入局部极值、目标不可达与规划航迹曲率过大等问题，在分层势场法基础上提出了目标点处附加的第二局部引力场和由目标引力场组成的引力集合的方法。该方法克服了目标不可达和易陷入局部极值的缺陷，且在原有分层势场法中引入分段函数，提高了航迹规划效率，缩短了航迹长度。仿真对比了传统人工势场算法、对比算法一、对比算法二、本文提出的基于附加引力场和复合引力场的势场算法以及自适应分段势场算法。结果表明：自适应分段势场算法具有较好的有效性和较强的鲁棒性。