穿透性制空下无人飞行器发射母机作战体系及关键技术

穿透性制空是应对反介入/区域拒止环境的一种重要手段。在该作战需求下,无人飞行器发射母机因载荷数量和种类优势、作战距离和时间优势、研制周期和成本优势受到广泛关注。在梳理无人飞行器发射母机相关概念发展和支撑研究的基础上,设计了无人飞行器发射母机作战体系的组成系统、作战过程、作战事件追踪、信息交互等顶层作战概念。从复杂环境下战场态势智能认知、可信可靠远距离弹性通信、多无人飞行器仿生自主决策与协同、无人飞行器货仓内通用发射控制四个方面展望了体系关键技术,以期推动无人飞行器发射母机作战体系开发研制与技术储备,为体系流程和功能的仿真与评估提供理论基础和建模框架。     

无人集群智能协同仿真试验评估理论框架研究

智能无人集群装备作为智能装备的典型代表,其技术、装备、作战应用在全球范围内加速推进,但总体上无人集群试验理论的研究滞后于无人集群技术、装备,无人集群能力的涌现性、对抗的复杂性,以及无人集群试验的不可重复、不可泛化等特性给无人集群试验基础理论、方法带来了巨大挑战。从体系工程集成试验视角和装备研制建设全生命周期视角提出面向能力生长的智能技术、智能单装、智能集群、智能体系4个集群试验模式,深度剖析无人集群智能协同试验的基础理论问题,构建无人集群智能协同试验基础理论框架。     

无人飞行器Ad Hoc网络仿真研究

针对无人飞行器Ad Hoc网络仿真研究中的不足,提出了一种基于多分辨率建模的分布交互式仿真方法,利用元建模技术拟合高分辨率模型的输入/输出关系,对得到的元模型族进行适当裁剪和组合构造低分辨率模型,满足了多分辨率模型间的行为层次一致性。采用HLA高层体系结构,以KD-RTI为运行支撑环境实现了仿真原型系统。在想定场景下进行了无人飞行器Ad Hoc网络性能优化,实验结果表明,多分辨率建模提高了仿真效率,满足仿真优化应用的需求。     

无人蜂群电磁作战行动建模与仿真

针对自主、协同、智能的无人蜂群电磁作战行动难以描述、刻画、建模与仿真的问题,首先以联合作战为背景,分析了无人蜂群电磁作战行动的层次化特征,并基于BNF (Backus-Naur form)描述了作战行动链。随后,分析了无人蜂群个体自主作战与群体协同作战的行为特征,并以此为基础提出了基于RRA (rule, respond and algorithm)的无人蜂群电磁作战行为模型建模方法,给出建模具体流程与行为规则的形式化描述。再次,构建了个体电磁辐射源目标自主识别行为模型,以及群体电磁攻击协同目标分配行为模型,完成了RRA方法的具体实现。最后,通过作战仿真实验与算法验证实验,证明了本文建模思路与建模方法的合理性、有效性。     

CGF中的协同行为建模技术

协同行为建模技术是计算机生成兵力的重要研究内容,也是作战仿真中人类行为表示是否准确、仿真结果是否可信的关键所在.根据国内外研究现状和需求分析,针对现有协同行为模型的不足,提出了具有协同行为能力的CGF Agent认知体系结构,设计了协同行为建模框架,重点阐述了各子模块间的相互关系及算关键实现技术.文章最后讨论了协同行为建模技术的发展趋势和应用前景.     

基于多元公共品演化博弈的无人集群合作演化机制

针对控制规则失效下的无人集群自主协同问题,提出了一种基于多元公共品演化博弈的无人集群合作演化机制。首先分析无人集群自主协同需求,在愿景驱动规则下,构建多元公共品演化博弈模型。在此基础上,理论推导出模型的平均丰度函数,并仿真计算成本、收益系数、愿景水平三类参数分别对平均丰度的影响。最后,结合案例研究参数变化对集群合作行为演化的作用机理,并给出合理化建议,为相关理论向实际应用转化提供有意义的探索。     

基于多元公共品演化博弈的无人集群合作演化机制

针对控制规则失效下的无人集群自主协同问题,提出了一种基于多元公共品演化博弈的无人集群合作演化机制。首先分析无人集群自主协同需求,在愿景驱动规则下,构建多元公共品演化博弈模型。在此基础上,理论推导出模型的平均丰度函数,并仿真计算成本、收益系数、愿景水平三类参数分别对平均丰度的影响。最后,结合案例研究参数变化对集群合作行为演化的作用机理,并给出合理化建议,为相关理论向实际应用转化提供有意义的探索。     

基于多元公共品演化博弈的无人作战集群策略占优条件

如何提高集群中合作者占比, 是无人集群作战中自主协同的关键问题之一。基于多元公共品演化博弈框架, 对无人作战集群策略占优条件进行了理论推导和特性分析。首先,给出无人集群自主协同需求, 建立基于愿景驱动的多元演化博弈模型。然后,以平均丰度函数为出发点, 理论推导多元演化博弈的合作策略占优条件。在此基础上, 针对线性和带门限值的两类公共品博弈, 仿真分析收益系数、愿景水平、门限值等参数对策略占优的影响, 获取两类博弈模型的策略占优特性。最后, 依据特性分析结果, 给出实现无人集群合作策略占优的建议, 为无人集群作战的机制设计提供决策支持。     

基于军事规则的无人坦克集群协同作战仿真

现代战争逐渐向无人化、信息化、智能化方向发展,无人坦克作为未来陆战中的主要装备,在机动性、安全性和经济性方面具有很大的优势。单无人坦克在大规模的陆战中能力有限,很多复杂的任务需要无人坦克集群合作完成。围绕无人坦克集群协同作战应用,建立了动力学控制、单机决策、武器装甲等单无人坦克系统模型。结合无人坦克自身状态和融合态势信息,设计了无人坦克集群的协同感知模型,基于现有的目标分配、避敌和编队自修复等军事规则,提出一种新型无人坦克集群协同作战模型。搭建仿真系统,对所设计的模型算法进行了测试,探索验证了无人坦克协同作战的可行性和有效性。     

UAV集群自组织飞行建模与控制策略研究

针对多无人航空器协同控制难题,聚焦无人航空器集群(unmanned aircraft vehicles swarm,UAVS)自组织飞行建模与控制展开研究。基于集群智能理论建立了UAVS系统概念模型,在考虑个体排斥作用、一致作用、吸引作用和个体行动意愿作用4种因素的情况下建立了集群运动的变系数(repulsion matching attracting desire, RMAD)控制器模型,以此为基础,研究了所有个体掌握航迹信息和部分个体掌握航迹信息两种情况下UAVS自组织飞行控制问题,提出UAVS自组织飞行控制策略,实现了UAVS可控性自组织飞行。仿真实验结果表明构造的UAVS运动的RMAD模型及控制方法是可行的,为UAVS的工程应用奠定理论和实验基础。     

通信距离受限条件下的无人机集群协同区域搜索

针对通信距离受限条件下的无人机(unmanned aerial vehicle, UAV)集群协同搜索任务, 考虑防相撞约束, 定制了一种能够在搜索过程中根据机间距离切换交互方法的UAV交互决策机制, 实现了动态环境中的搜索航迹规划。首先, 运用栅格化方法建立包含3种属性的环境认知地图对任务区域进行表征。其次, 考虑多种搜索任务需求, 以最大化搜索效率为目标建立UAV集群协同搜索模型。然后, 根据机间有效通信距离定义了UAV协同搜索过程中的通信状态, 设计了一种能够在通信完全有效、局部有效以及完全失效3种典型场景下切换信息交互方法的信息交互与决策机制。最后, 采用滚动时域优化方法, 实现集群各成员的自主决策与交互行为。仿真结果表明, 所提算法能够在通信距离受限条件下有效完成协同搜索任务, 在完成覆盖搜索任务时能够有效兼顾对动目标的搜索。     

基于多Agent的多无人机协同决策算法仿真平台设计

无人机协同作战的相关算法概括起来可以分为两类:一种是用于为无人机指明"往哪飞"的任务分配相关算法,另一类是用于确定"如何飞"的路径规划相关算法。首先针对这两大类协同算法归纳出相应的抽象数学模型,然后以此为依据确定无人机Agent的各决策模块的内部结构和彼此之间的交互接口,以及对外提供的扩展"钩子";然后在此基础上,利用多Agent技术搭建了无人机协同作战算法仿真平台UAVSim,以模拟从任务分配到路径规划的协同全过程。整个平台采用分层的体系结构,将算法、内核和显示完全分离。平台中参与模拟的无人机个体都用单独的Agent表示,每个Agent遵循统一的协作框架,同时可根据特定的协同算法动态配置其决策模块。     

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。     

不确定环境下多无人机协同区域搜索算法

针对通信约束在不确定环境下对多无人机协同区域搜索问题的影响,提出了一种基于预测控制思想的多无人机协同区域搜索算法,研究各种通信约束对多无人机协同区域搜索效能的影响。首先,根据多无人机协同搜索的行为准则建立了无人机运动模型和搜索模型。其次,分析了通信约束对于多无人机协同搜索的影响,结合预测控制思想,使多无人机在执行区域搜索任务时同时考虑当前搜索代价和长期搜索代价,提高了多无人机的协同搜索效能。使用蒙特卡罗方法对各种情况进行仿真,仿真结果验证了基于预测控制的多无人机协同区域搜索算法的合理性和有效性。     

无人机集群任务规划方法研究综述

无人机集群以其高度的灵活性、广泛的适应性、可控的经济性,拥有越来越广泛的应用潜力,受到国内外的高度关注。任务规划是无人机集群应用的顶层规划，是根据任务环境态势、任务需求、自身特性等要求进行的综合调度，从而建立无人机与任务的合理映射关系，维持机间合理协同合作关系。本文从基于逻辑与规则的自上而下式任务规划和基于集群智能涌现的自下而上式任务规划两个方面,对无人机集群任务规划技术现状进行了全面的总结,分析了当前无人机集群任务规划技术研究应当关注的若干发展方向。本文的工作对于全面了解无人机集群任务规划技术现状具有重要参考意义。     

局部通信条件下多无人机协同搜索方法

针对复杂场景中障碍物、电磁干扰等因素造成的无人机(unmanned aerial vehicle, UAV)编队部分通信链路不可达问题, 提出局部通信条件下的协同搜索(cooperative search under local communication, CSLC)方法。首先, 根据各UAV的实时位置计算当前时刻编队通信拓扑关系, 建立UAV编队的局部互通网络。在此基础上, 综合考虑UAV通信能力和编队协同目标搜索能力, 构建基于通信链路稳定收益和协同编队收益的协同搜索模型。最后, 设定多UAV编队所需的安全距离和最大运动速率的约束条件, 保证模型能够得到最优路径可行解, 提高多UAV协同搜索效率。实验结果表明, 与现有的目标搜索方法相比, CSLC方法在保证协同搜索路径可行性的同时, 提升了多UAV协同搜索的能力。     

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。     

面向多智能体博弈对抗的对手建模框架

对手建模作为多智能体博弈对抗的关键技术,是一种典型的智能体认知行为建模方法。介绍了多智能体博弈对抗几类典型模型、非平稳问题和元博弈相关理论;梳理总结对手建模方法,归纳了对手建模前沿理论,并对其应用前景及面对的挑战进行分析。基于元博弈理论,构建了一个包括对手策略识别与生成、对手策略空间重构和对手利用共三个模块的通用对手建模框架。期望为多智能体博弈对抗对手建模方面的理论与方法研究提供有价值的参考。