无人机集群对地作战任务可靠性评估

针对无人机(unmanned aerial vehicle, UAV)集群执行对地攻击任务可靠性评估问题,考虑实际作战环境和任务规划,建立了一种适用于具体任务过程的可靠性评估方法。首先,建立了UAV集群作战的时态异构网络模型,用时态打击链模拟UAV集群任务规划和协同作战过程。然后,基于连续时间马尔可夫链(continuous-time Markov chain, CTMC)建立了UAV集群在威胁区域飞行的生存概率模型。进而,综合UAV集群的作战能力和生存概率,提出了任务可靠性评估方法。最后,通过实例分析,验证了该模型的实用性和合理性。该模型考虑到各方面影响战果的因素,贴合实际,为UAV集群任务可靠性评估和决策提供了参考。     

无人机集群实时任务分配方法研究

针对无人机(Unmanned Aerial Vehicle,UAV)集群实时任务分配,提出了一种集中式分配方法.该方法基于实时战场态势,依靠协调调度层进行分配决策,依据打击效费比生成打击顺序,针对战场实时态势滚动优化,使分配结果能够在当前认知范围内始终保持优化和效率的平衡.针对粒子群算法求解任务分配,设计了一种粒子二维...     

基于差分进化算法的异构多无人机任务分配

针对不同类型无人机协同完成对目标的侦察、打击以及毁伤评估的任务分配问题,在充分考虑不同UAV执行任务方式差异的基础上,建立了更加贴近实际的异构多UAV任务分配模型.采用任务分层解耦的方法降低模型求解难度,并提出一种基于种群灾变的自适应差分进化算法求解该模型.仿真实验表明,该算法具有收敛速度快,寻优能力强等优点,能够有效的完成异构多UAV的协同任务分配.     

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。     

基于混合模型的异构无人机蜂群效能评估

为实现无人机蜂群效能的快速评估,提出一种基于ADC (availabilitydependability capability)系统效能评估和BP神经网络预测的混合模型,以应对无人机蜂群配置和状态的多样性以及效能计算的复杂性。在分析蜂群效能构成要素的基础上,建立包含无人机通用平台能力,系统级能力,以及任务执行能力的能力指标体系。利用ADC法生成蜂群作战效能样本集合,运用BP神经网络构建关于无人机参数和能力指标的综合作战效能评估模型。利用该评估模型实现异构无人机蜂群实例的综合作战效能评估。结果表明：该模型评估误差可达5%以下,基于样本的评估时间可达3 h以内,验证了该模型在异构无人机蜂群效能评估中的有效性及高效性。同时,通过分析数量、配置对无人机蜂群综合效能的影响,获得了异构无人机蜂群配置的可行建议。     

基于联邦滤波算法的无人机集群分层协同导航

为了解决传统单主从式无人机(unmanned aerial vehicle,UAV)相对导航结构因长机故障导致导航精度发散以及全连通协同导航算法计算量和通信负担较重的问题,提高集群导航稳定性以及导航信息的利用率,基于联邦滤波算法,提出了一种分层协同导航算法,并且根据导航精度将UAV集群分为长机层与僚机层,建立了UAV集...     

基于细菌觅食算法的多异构无人机任务规划

针对多无人机任务规划问题, 以细菌觅食算法为基础, 融合遗传算法的交叉变异操作, 进行任务分配。为了提高算法的收敛能力, 动态自适应调节算法的游动步长、繁殖次数和迁徙概率。基于Lyapunov导航向量场和避障向量场构建融合向量场, 模拟真实静态和动态障碍物环境, 在任务分配阶段完成航迹规划; 基于合同网拍卖算法, 进行无人机坠毁后的任务重分配。仿真结果显示, 改进算法满足任务规划需求, 在考虑静态和动态障碍物的环境下, 能够高效的完成多异构无人机的任务分配以及重分配且总代价最小。     

面向虚拟矿山的复杂异构地形网格渐变仿真

针对虚拟矿山动态仿真中地形网格具有规模大、结构复杂和变化前后拓扑异构等特点,实现了一种边界一致的快速异构网格渐变仿真方法。首先将大地形网格划分为静态区和动态区,对变化前后的动态区网格进行双向插值,实现顶点对应和拓扑重构;然后利用k-d树等结构建立动态区顶点和三角形网格的空间索引关系,实现对地形网格变化区域的快速查找和更新;最后根据地形网格特征自动计算符合实际生产工艺的渐变推进方向。通过实验表明,该方法在效率和逼真度方面均能满足虚拟矿山动态可视化仿真需求,可以较好地完成复杂地形网格渐变模拟过程。     

面向虚拟采办的复杂异构系统统一建模方法

针对集团企业大型装备虚拟采办应用中,存在多层次、多方位的模型异构性,以及已有大量专业沉淀,需要提高模型的可重用性和可组合性水平的问题,本文基于一种复杂异构系统统一建模的理论框架,给出复杂异构系统统一建模方法的形式化定义,从可信度分析的角度探讨统一建模方法的自洽性,并从工程化的角度提出统一建模方法的实现方式及其文本描述规范。最后,以某装备虚拟采办为背景,对本文所提出的统一建模方法进行应用验证。结果表明,所提出的统一建模方法可有效支持在集团企业开展大型装备的虚拟采办。     

基于态势演化博弈的无人机集群动态攻防

针对无人机集群动态攻防问题,提出了态势演化博弈模型。首先,从基地与守方无人机集群相互作用以及攻防双方动态斗争角度出发,构建了攻方无人机与守方无人机的态势演化博弈模型。其次,设计了同态势演化博弈模型相对应的态势评估函数,使每阶段个体的策略选择都为该阶段的最优解。然后,根据策略选择,结合社会力模型,驱动无人机向指定目标运动,完成攻防双方无人机集群的动态对抗。实验结果表明,无人机集群的动态运动符合空战情况,验证了基地在具备功能时的优越性,以及设计的态势演化博弈模型能够实现无人机集群对抗决策的自适应选择。     

基于合同网的无人机协同目标分配方法

多无人机（UAV）协同目标分配是多无人机协同控制的重要内容之一。针对多无人机协同侦察问题,以提高作战效能,减少侦察代价和任务完成时间为目的进行目标分配,首先建立了目标分配问题的数学模型,在初始分配的基础上,使用基于合同网的目标分配方法,引入负载系数参数,最后通过迭代执行买卖合同与交换合同实现了任务的合理分配。由仿真结果可知,算法能够给出很好的优化效果的分配方案,并有很好的可扩展性。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle, UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance, VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。     

基于模式/区域分解的无人机集群电磁特性快速分析

无人机(unmanned aerial vehicle, UAV)集群在军事和民用领域的应用越来越广泛, 针对UAV集群目标电磁散射特性的获取和分析对生成对抗策略及反UAV有着重要的研究价值。目前, UAV集群动态测量数据获取难度较大、成本高; 而对于仿真数据, 传统计算电磁方法建模精度和效率较低, 有效的特性数据不足。因此, 提出了一种基于模式/区域分解的UAV集群目标电磁仿真方法, 该方法在矩量法的基础上, 引入特征模分解和区域分解技术, 前者极大地降低了计算未知量, 后者有效地解决了建模精度问题, 为UAV集群目标特性数据的生成提供了创新技术支撑。     

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

面向多无人机协同对地攻击的双层任务规划方法

无人机(unmanned aerial vehicles, UAVs)的任务规划包含任务分配、执行顺序确定以及航迹优化等。为了达到任务规划的全局最优,需要全盘梳理任务的各个方面,提出高效的优化策略。综合考虑任务规划过程中任务分配、执行顺序确定以及航迹优化等方面的需求和相互间影响,首先从优化框架出发, 设计了双层互耦的任务规划求解策略, 而后将任务规划模型分为上层任务分配和下层任务序列优化, 并对每一层的优化方法和优化步骤进行了详细设计。在任务分配问题中, 基于模拟退火算法, 提出了可跳出局部最优的模拟退火-撒点(simulated-annealing-shooting, SAS)算法, 并详细探讨了算法参数的设计原则。最后通过仿真分析, 验证了所提出的规划框架和SAS优化算法的有效性。     

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。     

基于集群的集中调度式RSOM并行训练方法

聚类算法常需处理海量和高维的大数据集,为了提高算法的效率,设计并行的聚类算法,以提供更好的计算能力是十分必要的。集群系统是目前流行的高效并行计算环境,针对大数据集聚类问题,集群系统的运用是一种很好的选择。由于RSOM(recursive self-organizing mapping,RSOM)模型具有内在的层次化及分布式结构特点,本文研究了基于集群的集中调度式RSOM树并行算法,并通过视频图像特征集实例证实了算法的可行性。     

基于改进鸽群层级的无人机集群视觉巡检模型

为解决无人机在执行输电线路巡检工作过程中易受环境干扰,以及传统单人单机工作模式巡检效率低下等问题,提出基于改进鸽群层级算法的无人机集群视觉巡检模型。根据载机车辆与待检塔位的GPS坐标计算出启航无人机的初始地标点,并规划运动轨迹;根据当前在巡无人机结束巡检点的位置更新待起飞无人机初始地标,实现启航与在巡无人机巡检地标的动态衔接,完成对地图指南针算子的改进;利用改进的自适应模板匹配算法优化在巡无人机的Adaboost视觉识别系统,通过自适应比对线路间距实现无人机与输电线路间相对位置的自主调整,在动态调节姿态的基础上提高检测质量。实验结果表明：相比于传统鸽群方法,该模型在巡检效率方面的在空巡检时间提高了12%、巡检距离提高了27.5%,风吹、地形变化的情况下巡线质量相比于常规识别模型分别提高了21%和15%。