车载多无人机协同多区域覆盖路径规划方法

针对小型无人机在区域信息采集中的优势,考虑到复杂多变的应用情景,提出一种面向大面积多区域覆盖扫描任务的车载多无人机协同模式。该模式中,车辆可作为无人机的移动基站,与多架无人机协同完成多个大面积区域的覆盖扫描任务。充分分析新问题特点后,建立了优化车辆地面行驶路径和多无人机协同空中飞行路径的0-1整数规划模型,提出了一种基于三阶段的智能优化算法,先后对多无人机区域覆盖路径以及车辆协同路径进行规划,快速构造可行解,而后基于自适应大规模邻域搜索算法对可行解进行优化。本文设计了包含8个目标区域的实际案例,验证了车载多无人机协同模式的优势和算法有效性,并进一步通过10个随机案例验证了算法性能。对比实验证明,车载多无人机协同模式在执行多个大面积区域覆盖任务上,相比车载单无人机模式能够显著缩短任务时间。     

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。     

无人机集群自组织搜索仿真模型设计与实现

城市威胁背景下无人机集群自组织搜索移动目标问题，是无人机集群作战应用的一个重要发展方向。采用基于Agent的复杂系统建模仿真工具，构建了无人机集群搜索仿真模型框架，设计实现了无人机集群自组织搜索模型。在考虑无人机集群作战可能受到威胁的背景下，展示了无人机集群自组织搜索概念，探索了使用基于概率的有限状态机模型实现集群自主决策的解决方案，并通过案例进行了分析验证。该仿真模型为无人机集群作战应用研究提供了参考案例、模型支撑和实验平台。     

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。     

基于垂直区域宽度分解的无人机覆盖航迹规划

为解决多无人机执行区域覆盖任务时,存在覆盖效率低的问题,提出了基于垂直区域宽度分解的无人机覆盖航迹规划算法。首先,为了尽可能以最少的转弯次数完成任务,提出了垂直区域宽度分解法。然后,考虑到实际运用中由于飞手数量与无人机数量不匹配,导致资源分配不均的问题,使用垂直区域宽度分解法将任务区域分解为待覆盖的子航迹集合,并建立了以时间代价为目标函数的混合整数线性规划子航迹分配模型,来根据飞手数量与无人机数量动态的将子航迹进行均衡分配,达到提高覆盖效率的目的。最后,通过仿真实验验证了该算法的有效性。     

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。     

运动目标的多无人机编队覆盖搜索决策

针对无人机搜索运动目标时,由于目标运动状态的不确定性,传统静态环境下的无人机覆盖搜索航迹规划算法不再适用的问题,分析了无人机覆盖搜索的基本原则,提出了运动目标垂线搜索（moving target with vertical line search pattern, MTVL）算法,证明了在MTVL策略下的任务完成条件。对MTVL算法进行了改进,通过控制无人机的运动方向与搜索区域边界的角度,提出了运动目标斜线搜索（moving target with slanting line search pattern, MTSL）算法,从理论上分析了在MTSL策略下的任务完成条件并进行了仿真验证。仿真结果表明,提出的两种搜索策略在满足一定条件下都能够完成对指定区域的搜索任务,而无人机完成任务的能力取决于无人机速度与目标速度的比值、无人机数目等因素;完成同样的搜索任务,与MTVL算法相比,MTSL算法对无人机速度和无人机数目的要求更低。     

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。     

基于联盟的无人机集群编队控制方法

针对切换拓扑结构下的集群编队控制问题,设计只需个别无人机获取虚拟长机信息也能保证集群连通性的编队控制算法。当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时,以距离为原则对集群进行联盟划分,各联盟内部成员以信息浓度大小为标准同其他成员进行竞争,由信息浓度最大的无人机获取虚拟长机信息,其联盟成员通过与该无人机通讯间接获取虚拟长机信息。该算法使得每架无人机在任意时刻都能直接或间接地获取虚拟长机信息。引入集群对虚拟长机的反馈机制,与传统反馈算法不同的是,本文中反馈无人机的数量和组成成员都是变化的,从而提高了系统的收敛速度和鲁棒性。在此基础上进一步讨论编队的损伤问题,设计了一种基于分层的分布式递归自修复算法,解决了网络分裂状态下的自修复及修复后队形变化过大的问题。仿真结果表明了所建模型的合理性和求解方法的有效性。     

基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别，存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先，提取集群通信信号的高阶累积量和瞬时特征统计量，并融合雷达航迹特征构建无人机集群特征矩阵。其次，提出一种改进的特征选择算法—二次筛选的近邻成分分析，对融合特征矩阵进行降维。最后，利用稀疏自编码器网络进行集群类型的识别。仿真结果表明，该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时，对5种集群类型识别的正确率可达88%。     

通信距离约束下的无人船集群覆盖搜索方法

针对通信距离受限时水面无人船(unmanned surface vessel, USV)集群对未知水域的覆盖搜索问题, 提出一种竞拍协同边界探索算法。首先根据边界探索的思想提取地图探测边界, 然后以基于层次聚类思想进行改进的K-means++聚类算法划分任务区间, 消除不安全或低收益的目标搜索点, 再以分布式竞拍算法为USV集群动态分配搜索任务, 使集群搜索效率最大化, 各艇经过多轮分配、执行搜索任务直至覆盖全水域。仿真实验表明，在相同集群规模下, 相较于无协作的几种边界探索算法, 该算法任务用时和集群航行总路程更少; 在相同任务地图下, 覆盖搜索效率随USV集群规模增大而提高。     

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。     

基于虚拟子目标联合边界力的编队避障算法

针对复杂环境条件下无人机（unmanned aerial vehicle,UAV）集群编队系统中领航-跟随集群的编队控制和人工势场法中的避障问题，提出了一种基于虚拟子目标联合边界力（joint virtual sub-target and boundary force, JVBF）的无人机集群编队避障算法。采用基于虚拟子目标的领航-跟随法并优化修正力函数来实现无人机集群的队形控制，以达到帮助跟随无人机快速恢复队形的目的；采用基于边界力的人工势场法负责局部路径规划，解决无人机目标不可达和狭窄通道内振荡的缺点。仿真结果表明，所提算法相较于传统算法具有更高的编队队形一致性和时间效率。     

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。     

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。     

分布式卫星集群博弈任务均衡分配方法

针对分布式卫星集群博弈任务中的分配不均衡问题，提出了一种基于偏好联盟博弈(hedonic coalition game, HCG)的任务分配方法。首先，在考虑燃料和时间最优的卫星集群任务分配模型的基础上，引入对敌毁伤概率以适应集群博弈背景；其次，为保证分配结果的均衡性，引入HCG设计个体联盟特征函数；最后，考虑卫量集群的一对多作战分配方式难以保证局部兵力优势，在一致性拍卖算法(consensus based auction algorithm, CBAA)结构上拓展性地提出了一种多对一任务分配算法。仿真结果表明，该算法在全局效益接近经典集中式算法全局效益98%的前提下，时间约为经典算法的70%,且该算法具有一定的问题规模拓展性。     

基于邻域跟随与辨识的无人机集群控制与规避策略

针对已有方法在集群系统控制上的特点,采取融合和改进的手段首先研究了三维空间理想全通信条件下的集群控制问题,通过将局部规则与势场法融合产生了一种新的引力斥力函数,并结合软控制方法成功实现无人机的聚集和集群的飞行控制,对未知突发障碍在有限区域感知的基础上提出了应急避障策略;接着,针对电磁环境只有部分无人机能正常接收航迹信息的情况,采用“邻域辨识”的方法选定目标无人机进行跟随,实现期望的集群运动。仿真结果表明,提出的方法在控制集群运动方面灵活性强、一致性好、避障效果显著。     

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。     

无人机集群网电攻击行动协同目标分配建模

以一体化综合防空系统中的雷达为作战对象,从体系对抗的高度研究了无人机集群网电攻击行动协同目标分配的思路与方法,并以目标重分配规则与有人机/无人机协同规则为重点构建了基于协同目标分配规则的协同目标分配模型。然后研究了基于智能优化算法的协同目标分配模型求解方法,运用混合离散粒子群优化算法模拟有人机目标分配,运用基于协议规则算法模拟无人机目标分配。最后进行了仿真实验测试,实验结果证明了协同目标分配模型的有效性,并反映了集群自组网状态对于集群作战效能的重大影响,为无人机集群以及反无人机集群的战法设计提供定量依据。