基于博弈论的无人机搜索路径规划

现阶段的无人机搜索路径规划主要以区域覆盖率以及搜索时间为指标,缺乏对目标运动行为的综合利用。本文以敌我双方为局中人,把敌我双方可能的行为作为策略集,建立博弈论模型,通过求解Nash均衡改进扫描式搜索路径规划算法。仿真表明,基于博弈模型的规划算法较改进前不仅能够满足对待搜索区域的完全覆盖,而且提高了无人机的任务完成率,说明了该算法的有效性。     

通信距离受限下多无人机分布式协同搜索

针对无人机之间的通信距离受到限制的情况,提出了一种基于Voronoi图的分布式协同搜索策略.首先建立了环境、无人机、传感器、通信等的数学模型;然后设计了速度约束下各架无人机的控制律;在通信距离不小于两倍视场半径的情况下,给出了各架无人机利用通信距离之内的邻居信息计算各自视场范围内的Voronoi图区域及其质心的方法,并设计了通信距离受限情况下的搜索策略,给出了通信周期与采样周期不同步情况下的信息更新公式.仿真结果表明,该分布式搜索策略比贪婪搜索和随机搜索策略在降低区域不确定度上具有更快的收敛速度,可实现通信距离受限情况下的多无人机分布式协同搜索任务.     

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。     

地面运动目标的多UAV协同搜索方法

对地面运动目标的搜索是无人机(unmanned aerial vehicle, UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle, multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。     

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。     

考虑韧性的无人机集群自组织区域覆盖方法

为提高无人机集群执行自组织区域覆盖任务成功率,提出一种基于个体相互作用力、边界排斥力、重点区域吸引力3种虚拟力的分布式自组织覆盖算法。在此基础上,进一步考虑无人机个体自身故障或毁伤等失效的影响,将集群韧性指标纳入到覆盖关键阈值调节机制中。仿真实验结果表明,该方法能有效使无人机集群对目标区域及重点区域进行覆盖,且能在集群发生故障或遭受毁伤后迅速进行自组织恢复,获得较高的任务成功率。     

无人侦察机路径规划方法研究

将无人机的侦察任务分为点状,线形和区域三类典型侦察任务.综合考虑探测传感器的特性,针对线形侦察任务,提出侦察走廊的概念;改进启发函数,基于A*算法有效解决点状、线形侦察任务路径规划问题;考虑飞机转弯半径限制,提出解决探测盲区的方法;针对带禁飞区的复杂区域搜索侦察任务,将全区域分割成若干无禁飞区的子区域,采用深度优先遍历算法,获得子区域的搜索顺序,在保证侦察无遗漏的前提下,利用往复前进式搜索方式,就可对区域侦察任务进行全区域覆盖的路径规划.仿真结果证实了规划方法的合理性和有效性.     

多UAV协同区域覆盖搜索研究

针对多无人机协同区域覆盖搜索问题,为降低问题求解的复杂度,将其分解为多UAV任务区域分配和完全覆盖路径规划两个子问题,对子问题分别优化求解。建立了无人机任务执行代价模型,采用分层模糊推理求解无人机的性能评估指数,根据性能评估指数采用基于面积的区域分割方法实现多无人机搜索任务区域的分配。分析了无人机实现区域内覆盖搜索的最优路径问题,给出了在特定多边形区域下最小代价的搜索模式和搜索路径。仿真实验结果验证了所给方法的有效性。     

战场环境下多无人机时敏任务动态分配算法

时敏目标呈现的持续时间和出现空间不稳定等特点加大了无人机编队任务分配难度,将影响无人机编队的任务执行效果。针对该问题,在Leader-Follower编队结构下提出一种多无人机时敏任务动态分配算法,实现战场环境下多架无人机对多个时敏目标的打击。该算法在时敏目标时间窗口约束下,通过综合评估目标威胁代价、距离代价、任务执行时间、毁伤能力和打击收益完成编队任务动态分配,保证了无人机编队打击多个时敏目标的效能最大化。仿真结果证明了该算法的有效性。     

具有广泛学习策略的回溯搜索优化算法

回溯搜索优化算法(backtracking search optimization algorithm, BSA)是一种新型的进化算法。同其他进化算法类似,该算法仍存在收敛速度较慢的缺点。针对这一问题,在详细分析该算法原理的基础上,提出了具有广泛学习策略的改进算法。为了充分利用种群搜索到的较优位置,该策略首先利用提出的最优学习进化方程,通过与引入的随机进化方程之间随机选择来提高算法的收敛速度和搜索精度;另一方面,该策略利用提出的最优学习搜索方程,通过控制种群的搜索方向,促使种群尽快收敛至全局最优解。最后对20个复杂测试函数进行了仿真实验,并与其他3种目前流行的算法进行了比较,统计结果和Wilcoxon符号秩检验结果均表明,所提出的改进算法在收敛速度以及搜索精度方面具有明显优势。     

基于自适应郊狼算法的无人机离线航迹规划

针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划.建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子...     

一种无人机路径规划算法研究

指出了飞行器航迹规划与路径规划的区别；提出了一种给定威胁分布下的无人机路径规划算法。根据威胁分布情况构造无人机可能飞行的航路集，用voronoi图表示出来，采用Dijkstra算法搜索威胁分布图，求解粗略最短路径。在粗略最短路径的基础上，应用三次样条曲线和序列二次规划的方法求解最优路径。用Matlab进行仿真验证，证明了算法的有效性。     

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LASSA算法的多无人机协同航迹规划方法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在求解多无人机(unmanned aerial vehicle,UAV)协同航迹规划问题时收敛精度不高,易于陷入局部最优等问题,提出了一种使用对数螺旋策略和自适应步长策略的SSA (logarithmic spiral strategy a...     

面向海上移动目标的空天协同连续观测模型

由于视距限制,对海上移动目标进行连续观测与定位探测难度较大.现有方法通过卫星和无人机等单平台对目标进行观测,不能解决面向海上移动目标连续观测的问题.针对当前单个平台的不足,本文构建了面向海上移动目标的空天协同连续观测模型,并提出了空天协同连续观测策略.空天协同连续观测策略抽取出卫星规划、无人机飞行计划、观测序列、区域预测以及路径规划等五个子问题,并对其进行建模求解.仿真实验表明,该方法大大降低了目标的平均观测周期,有效解决了海上移动目标连续观测问题.     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

基于TLD模型的UAV三维实时平滑航迹规划

针对无人机三维实时航迹规划问题,提出了一种基于三层决策模型的平滑航迹规划方法,以提高其规划效率和可操作性。首先根据无人机三维飞行的特点,并结合自身性能、威胁和障碍以及地形等约束,设计三层决策目标函数和决策变量;其次为了避免不必要的迂回和路径,提高航迹的平滑性,提出了元胞化地图的变长探测方法和启发式优化策略;最后,利用所提出的认知行为优化算法对这一问题进行求解,以提高规划路径的搜索效率。不同场景地形的仿真及与现有经典方法的比较结果表明:该方法能有效实时规避威胁和地形障碍,且具有较高的可执行性,能够快速生成安全、平滑的飞行路径。