Multi Agent动态分组模型用于多无人机协同任务分配

多无人机协同任务分配应用Multi Agent系统模型时需考虑对大规模Agent的分布式管理和动态协调。协同任务分配将每一无人机视为系统中一个Agent,对全体Agent进行动态分组,分别提出决策Agent及成员Agent的动态分组模型和评价函数,由决策Agent管理和协调本组全体Agent执行任务,降低了大规模任务分配的决策成本并有利于实现全体Agent协同。仿真实验验证了模型及算法有效性。     

“最后一公里”配送的分布式多无人机的任务分配和路径规划

无人机在完成"最后一公里"的货物配送时需解决任务分配与路径规划问题.本文将"区块链"思想引入拍卖算法中,对无人机编队的任务分配进行优化计算,计算方式由集成中心式计算转变为分布式多智能体间互联计算,使无人机编队在任务计划过程中重新对不合理的任务结果作出调整,使其总回报奖励更高,即分配总成本最少.在确定无人机配送的初末位置后,以路径长度、地形、雷达威胁、无人机碰撞为约束建立目标函数模型,利用改进的量子粒子群算法进行求解.与传统方法相比,本文提出的任务分配策略和路径规划方法可以得到更好的优化结果,并减少计算资源消耗.仿真结果表明:所提出的两种方法在计算效率和任务执行方面都是非常有效性的.     

无人机任务分配与航迹规划协同控制方法

针对无人机协同控制问题,提出一种多无人机任务分配与航迹规划的整体控制架构。将威胁和障碍区域考虑为合理的多边形模型,使用改进的A*算法规划出两个航迹点之间的最短路径。并利用该路径航程作为任务分配过程全局目标函数的输入,采用与协同系统相匹配的粒子结构进行改进粒子群优化(particle-swarm optimization,PSO)任务分配迭代寻优。根据分配结果并考虑无人机性能约束,基于B-spline法平滑路径组合,生成飞行航迹。仿真结果表明,算法在保证计算速度和收敛性能的同时,能够产生合理的任务分配结果和无人机的可飞行航迹。     

基于区块链的多无人机协同任务分配方法研究

针对多无人机系统自主协同控制缺少统一的底层技术平台和面临的单点失效、信息安全威胁等问题，提出了基于区块链技术构建协同任务规划平台的方法。以多无人机协同任务分配问题为研究对象，将合同网任务分配算法描述为智能合约，应用区块链共识算法实现系统共识，设计出一种安全高效在线实时任务分配方法。采用Hyperledger Fabric开源软件搭建了仿真实验验证系统，并以典型的海洋常规潜艇搜捕应用场景进行了仿真验证，实验结果证实了该方法的可行性和优越性。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non dominated sorting genetic algorithms II,CO-NSGA II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms II,NSGA II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的“拥挤距离”参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。     

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。     

一种多无人机协同侦察航路规划算法仿真

无人机协同侦察航路规划的算法复杂,数据量大,不易收敛。针对这些特点,采用了基于分散规划、集中调整思想的层次分解策略来确定参考航路。首先改进了粒子群优化算法,并运用该算法确定无人机的协同任务初始航路;然后给出了一种新的航路光顺优化指标,对初始航路平滑修正。仿真实验结果表明,该方法能够解决无人机的协同侦察航路规划问题,是一种效率较高的规划算法。     

非确定环境下基于分层理论多无人机动态协同设计

针对非确定环境下多无人机自主协同控制这一多约束、强耦合非线性优化问题,采用分层理论将其分解成三个相对独立子层,即协同感知层、环境态势理解层和协同全局重规划层.协同感知层借助"层协作感知"算子来进行多模信息融合,解决非确定环境下目标(包括静态确定目标和动态非确定目标)的感知与识别;环境态势理解层则是解决动态非确定环境更新,以及基于窗口势场法的障碍物(威胁目标)规避问题;而协同全局重规划层则是利用"层场景引擎"来实现多机非确定环境下的自主协同、路径快速寻优及状态决策.模拟结果显示构建的多机自主协同模型能较好地解决非确定环境下的路径寻优和状态决策问题.     

面向联合战斗仿真的多Agent协作体系研究

基于多Agent理论对战术级联合作战系统进行建模仿真,不仅可以充分利用Agent的描述能力对单个参战单元进行建模,而且可以利用多Agent协作模拟大量战斗单元的协同作战行为.所研究的协作体系主要面向信息化战争条件下的自同步作战仿真.首先对自同步作战的概念、特点以及需求等进行了讨论,以指导多Agent协作体系的开发,然后研究了一套适合于多Agent自主协同的协作体系.其目的是用于自同步作战仿真,从而用于联合作战协同方式方法的预先研究.     

基于视觉的无人机着陆半物理仿真系统的应用

针对无人机视觉着陆相关方法、算法验证困难的问题,提出了一种基于Windows平台下采用图形建模语言、实时扩展技术以及虚拟现实技术,实现基于视觉的无人机着陆半物理仿真验证的方法。利用该方法构建的半物理实时仿真平台能够验证无人机视觉着陆相关方法、算法的正确性、可行性,及时暴露缺陷,为基于视觉的无人机着陆相关方法、算法提供有效验证途径和技术手段,并为今后无人机视觉着陆方法逐步工程化提供必要的技术支撑。     

无人机数据链仿真测试平台构建技术的研究

针对通常采用飞行试验或野外拉距离试验仿真所具有的试验周期长,可重复性难,数据提取困难和试验成本高的特点,提出一种在暗室实现无人机数据链拉距离半实物仿真平台的构建方法,分析并构建了空间自然衰落,大气环境,飞机飞行姿态角等影响信号传输和接收的模型,同时采用了暗室链路标校的方法消除仿真试验条件,暗室试验环境对仿真结果带来的误差影响。仿真结果表明,理论计算功率和实际接收功率曲线趋势是一致的,从而验证了平台的有效性。     

基于共生仿真的UAV自适应路径规划决策支持平台研究

共生仿真系统是一种新的离散事件仿真范型,是系统仿真发展的新趋势之一。首先引入共生仿真思想,研究共生仿真系统体系结构及其各组成部分的功能;接着将共生仿真思想应用于动态环境下的无人机路径规划,分析并建立基于共生仿真的无人机自适应路径规划决策支持平台原型,为无人机的动态实时路径规划提供支撑;最后给出了一个原型实现。该研究既探索一条实现共生仿真的途径,也为研究动态环境下无人机自适应路径规划方法提供一种新的思路。     

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。     

无人机蜂群中紫外光隐秘通信能耗均衡路由算法

针对复杂战场环境下无人机蜂群的任务协同要求,保证编队内可靠的路由通信尤为重要。考虑无人机携带能源有限,为了尽可能延长空中作业时间,提出一种无人机蜂群中紫外光隐秘通信能耗均衡路由算法。在无人机编队保持的基础上,结合无线紫外光散射通信特点,在路由选择过程中引入通信链路路径损耗和无人机节点剩余能量来构建链路权值函数,从而有效地平衡无人机蜂群节点的能量消耗。仿真结果表明,与其他算法相比,所提算法能够动态地选择数据传输路径,使节点的能量消耗均衡,进而延长无人机蜂群的生命周期。     

基于多模自适应滤波的无人机控制系统故障诊断

建立了无人机控制系统传感器和执行器的全局故障和局部故障的模型，在此基础上应用多重模型自适应卡尔曼滤波方法对其传感器和执行器的各种软硬故障进行诊断，应用所建立的数学模型与方法，对无人机的三个传感器和两个执行器的局部与全局故障进行了仿真计算。在仿真过程中发现，此方法的诊断准确度高，无延迟报警，算法简单，仿真结果验证了该种方法的有效性。     

天地一体化任务中升空平台的时空特性仿真

针对天地一体化任务的实际需要,建立了卫星轨道计算与升空平台时空特性分析模型,在卫星轨道计算与星地可通信性分析的基础上,提出了升空平台执行天地一体化任务的时空条件分析以及升空平台的任务执行时机和位置的选取方法。以无人机作为升空平台,构建并实现了升空平台用于天地一体化任务的时空覆盖分析与仿真程序。验证了仿真程序的轨道计算数据的可用性,并对仿真结果中的无人机航迹数据进行了比较与分析。     

基于深度强化学习的UAV航路自主引导机动控制决策算法

针对无人机(unmanned aerial vehicle, UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控制决策函数与状态动作值函数,生成最优决策网络,开展仿真验证。仿真结果表明,该算法实现了UAV在任意位置/姿态的初始条件下,向航路目标点的自主飞行,可有效提高UAV机动控制的自主性。     

通信延迟约束下多无人机任务指派冲突消解

以复杂战场环境下多无人机任务指派为研究背景,针对分布式结构下通信延迟可能导致指派冲突的问题,设计了通过设置比较阈值和对无人机(unmanned aerial vehicle,UAV)进行优先级排序的方法,以极小的通信代价预测潜在指派冲突;之后开启编队内通信,通过比较各UAV的指派方案确定当前可执行的最优任务,从而达到冲突消解的目的。通过MultiUAV2仿真平台对提出的方法进行验证。仿真结果表明,该冲突消解机制能够准确高效地预测和消解指派冲突,具有可行性与合理性;且由于采用动态的阈值设定,对不同的作战环境有较好的适用性。