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。     

多无人机协同探测快速目标的控制方法设计

针对无人机(unmannd aerial vehicle, UAV)对快速运动目标的协同探测问题, 设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷, 根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中, 控制载荷持续照射目标; 引入有限时间一致性协议到UAV编队控制中, 用以形成协同探测队形, 并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合, 从而实现UAV对快速运动目标探测时间的最大化, 极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。     

无人机系统的电磁环境效应分析

战场环境的不断恶化和电磁环境自身的复杂,要求无人机系统具有良好的环境适应能力。分析了战场电磁环境对无人机系统的影响,建立了与无人机系统相关的典型电磁环境模型,提出了系统分析电磁环境效应的方法,并依据电磁兼容性标准和系统性能,为无人机系统电磁环境效应仿真和预测提供了一个评估准则。     

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。     

基于NMPC的无人机自主防撞控制方法

针对非合作条件下的无人机自主防相撞控制问题,在分析无人机与入侵飞机在三维空间几何关系的基础上,提出并证明了相撞冲突判决准则,定义最小间隔和剩余冲突消解时间衡量无人机与多入侵飞行器间的冲突紧急程度,建立了无人机自主防撞最优控制模型。基于非线性模型预测控制方法建立三维空间无人机自主防撞控制算法,运用剪枝搜索方法提高算法求解时效性。仿真实验表明,所提算法实现多无人机高动态环境下的防撞控制,能够有效降低无人机飞行安全威胁。     

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。     

基于无人机的三维MIMO信道建模与仿真分析

针对无人机通信环境特点以及多输入多输出(multiple input multiple output,MIMO)系统,将三维空间相关法建模和机身遮挡现象相结合,提出一种无人机的三维移动空间信道模型(three dimensional dynamic spatial channel model, 3DD SCM)。〖JP2〗推导了无人机天线阵列的相关性表达式,同时提出一种遮挡控制器来表示无人机与地面在通信过程中受到机身遮挡的影响。通过仿真分别分析了无人机不同飞行方向和机身遮挡对信道性能的影响,验证了该信道模型的正确性和有效性。该无人机通信模型可用于指导无人机天线设计,研究编码技术。     

A Second-Order Sliding Mode Controller of Quad-Rotor UAV Based on PID Sliding Mode Surface with Unbalanced Load

Quad-rotor unmanned aerial vehicle(UAV) is a typical multiple-input-multiple-output underactuated system with couplings and nonlinearity. Usually, the flying environment is very complex,so that it is impossible for the UAV to avoid effects derived from disturbances and uncertainties. In order to improve the reliability of flight control, we established the dynamic model of quad-rotor UAV by Newton-Euler equation in unbalanced load conditions. Considering external disturbances in the attitude, a second-order sliding mode controller was designed with PID sliding mode surface and Extended State Observer(ESO). The simulation experiments have got good control performance,illustrating the effectiveness of our controller. Meanwhile, the controller was implemented in a quadrotor UAV, which carried a pan-tilt camera for aerial photography. The actual flight experiments proved that this paper dealt with the high stabilization flight control problem for the quad-rotor UAV,which laid a good foundation for autonomous flight of the UAV.     

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。     

改进Quatre算法的无人机编队快速集结方法

为了提高多无人机在编队集结过程中的稳定性, 提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary, IQuatre)算法的无人机编队集结方法。首先, 基于分布式模型预测控制(distributed model predictive control, DMPC)建立无人机编队的运动预测模型, 通过预测无人机的“未来态”规避编队内碰撞风险, 滚动优化的数学模型提高了无人机到达指定位置的稳定性, 使得无人机更好、更快地加入编队飞行; 其次, 对Quatre算法进行种群优化改进, 将携带最优基因的父代个体有选择性地加入子代种群, 加快种群收敛。实验结果表明, 基于DMPC的无人机编队集结未出现碰撞情况, 减小了无人机调整状态过程中出现的位置偏差; 对比仿真验证了IQuatre算法能够提高编队集结的稳定性, 较原Quatre算法减少了5.2%的平均迭代次数, 在计算时间上节约了4.6%, 位置误差减小了0.45 m。     

多目标情况下无人机编队持续侦察能力的仿真

无人机(UAV)编队的规模即UAV的数量、UAV探测能力和目标强度的变化都会对UAV编队的持续侦察效能产生影响。针对水平面内常采用的交叉线搜索方式,在拟定假设条件和效能指标的基础上对UAV编队侦察体系进行建模与仿真分析。采用基于Agent的建模方法对UAV编队在多目标的情形下的持续侦察效能进行仿真分析。通过设计一组实验分析UAV规模、UAV探测能力和目标强度对UAV编队持续侦察效能的影响。结果显示UAV的规模和UAV探测能力对UAV编队的持续侦察能力影响比较大。最后根据分析的结果在相关方面提出建议。     

无人飞行器集群协同行为建模技术综述

无人飞行器集群协同作为一种全新的任务执行形态, 正逐渐成为生成体系作战能力的有效途径, 而自组织集群行为建模技术是实现集群高效率协同的关键所在。基于无人飞行器集群协同特点梳理总结了关键技术问题, 从复杂系统图形化建模、集群多编队协同、集群队形变换、集群决策控制等4个方面, 对无人飞行器集群协同行为建模技术现状和存在难点进行了全面总结, 提出了基本框架和实现途径, 展望了当前无人飞行器集群协同行为建模技术研究应当关注的若干发展方向和可预见的显著效益, 为无人飞行器集群协同行为建模技术发展提供了参考与依据。     

基于动态RCS的无人机航迹实时规划方法研究

为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。     

基于数字信息素的无人机集群搜索控制方法

研究了无人机集群搜索问题的由来、概念、特点,反应行为机制的重要性以及信息素的应用价值。模拟两种基本的生物信息素,设计了一种基于数字信息素的无人机集群搜索控制方法。从全局决策和单机决策的角度,建立了基于数字信息素的无人机集群搜索分布式决策方法。抽象出所建立的数字信息素模型的主要特征,研究分析了具备此类特征的集群搜索系统的稳定性,并确定了集群边界。仿真结果表明,该方法能够形成稳定的数字信息素闭环,能够和所设计的飞行决策方法结合,使多机呈现出鲜明的集群行为特征,实现无人机集群搜索控制;仿真同时表明,该方法驱动的无人机集群搜索的效率显著优于常规编队模式,这也从侧面证明了无人机集群的搜索能力远高于无人机编队。     

基于RPPP的无人机自主着舰关键技术研究

在有风浪的复杂海况下，需要自主着舰的无人机与舰船两者相对运动带有极大不确定性，为了提高无人机着舰时相对定位以及控制的精度，确保无人机着舰时的安全性与可靠性，提出一种通过差分对流层误差的相对精密单点定位技术(relative precise point position, RPPP)。该技术仅依靠数据链和载波型卫星定位接收机，消除相同环境下卫星定位相同误差，获得精确相对定位。将比例导引与LQR(linear quadratic regulator)控制器相结合，解决了无人机着舰入射角偏差较大的问题，提高了无人机着舰末段高程方向及入射角度的控制精度。对无人机着舰轨迹进行规划，建立无人机着舰的运动模型，设计无人机着舰横向和纵向的控制律，搭建无人机自主着舰的仿真平台。仿真结果表明，采用上述算法着舰误差控制在0.2 m以下，入射角偏差在10^-3量级，可满足无人机着舰要求。     

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。     

基于随机森林权重补偿的无人机高精度定位算法

为了减小室外无人机(unmanned aerial vehicle，UAV)监测过程中的定位误差，对室外UAV进行实时定位，提出了一种基于随机森林的Chan-Taylor三维定位算法。通过K近邻对定位数据扩展后，根据Chan-Taylor算法将随机信号多径噪声转化为高斯分布，便于模型提取信号特征。使用交叉验证，实现随机森林特征参数与混淆矩阵阈值的自适应确定，并用该阈值衡量模型的一致性。利用分类结果更新UAV定位权值矩阵，有效地补偿目标高度数据。此外，使用标定UAV对设备误差进行估计，校正定位结果。理论分析与仿真结果表明，该算法能够有效地提高UAV定位精度，实现利用移动通信基站对UAV进行无源定位。     

基于规则的无人机集群飞行与规避协同控制

针对已有方法在大规模集群系统控制方面的不足,提出一种基于规则的无人机集群系统飞行与规避自主协同控制方法。受群智能思想启发,定义集群内无人机成员的基本飞行规则,实现无人机集群正常飞行和队形重构,在此基础上,将规避动作作为一种新的飞行规则,通过设置相应的规则权重系数,建立整体和成员两种规避控制机制,最后基于线性反馈控制理论证明了无人机集群系统的稳定性。仿真结果表明,所提方法能够控制集群正常飞行并有效处理规避问题,同时具有良好的实时性。     

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%。