基于全局优化的无人机编队协同攻击航路规划模型

为使无人机编队协同攻击航路从总体上达到最优,引入一种全局优化方法,分析了该方法在无人机编队协同攻击航路规划中的应用,建立了无人机编队的协同攻击航路规划模型,并对该模型的求解进行了分析,给出了求解的全过程。应用该模型对无人机编队协同航路进行了仿真研究,仿真结果表明,基于全局优化方法建立的模型可以满足约束条件下的航路规划要求,具有较强的工程实用性。     

一种协同诊断的任务协作规划方法

在多诊断资源协同诊断领域,由于装备复杂性和诊断资源异构性,诊断任务分配应具有自适应性.提出了一种动静态集成的协同诊断任务分配方法.在静态任务分配中,以装备的定性模型和模糊关系矩阵建立了诊断任务关系模型,通过改进D算法实现诊断路径规划,运用多约束整数规划进行资源配置;在动态诊断任务分配方法中,引入了基于效用和协商的扩展合同网方法.最后,通过工程装备的诊断事例验证了分配方法的有效性,并通过结论总结和延伸了该方法.     

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

基于PSO算法的多巡飞器任务分配方法

为使多个巡飞器协同完成针对地面多个目标攻击任务,从巡飞器载荷较小的特点出发,基于PSO算法对其任务分配方法进行了研究.根据巡飞器两种任务介入方式的不同,分别建立了布撒方式任务分配问题模型以及陆基发射方式任务分配问题模型.根据模型的复杂程度,分别选择使用基本PSO全局优化算法以及考虑资源消耗情况下对PSO整数规划算法进行改进后的算法,求解两种任务分配问题.仿真结果表明,算法可解决任务分配问题,任务分配方法合理,适应巡飞器协同需求.     

一种基于帕累托最优的机场智能驱鸟决策模型

为防范鸟击事件的发生,提出一种就近分配与帕累托优化相结合的驱鸟器任务分配方法,研究了驱鸟器的最优驱鸟路径。首先将空中的鸟类目标点通过就近分配全部分配到驱鸟器的任务集中,得到一个每一步都是最优策略的局部最优分配结果,然后将每个驱鸟器任务集中的目标分别通过各任务集之间的帕累托优化与一个任务集之内的帕累托优化进行任务分配。结果表明:通过此方法能够得到一个基于帕累托优化的最优驱鸟路径,为驱鸟器提供了较为智能的分配算法。首次提出针对鸟群的驱鸟设备任务分配以及路径规划,在现有的鸟击防范工作基础上提供了较为智能的分配算法。     

基于改进型A*-Markov联合模型的无人机航路规划

实验一种基于改进型A~*算法来对无人机进行任务路径规划.引入了无人机的机动步长、转角限制和飞行高度,有效地缩减了无人机搜索空间,除此之外还引入了地形、任务等约束条件,使航路规划更接近于真实环境.考虑到规划过程中敌方能力的不确定性,以及无人机在航路中的生存概率的不可知性,采用八状态Markov模型评估无人机的飞行状态.该模型与A~*算法结合时在威胁区域内完成任务后,由于时间的积累向外扩展时生存代价值越高,导致迭代次数过多,而同心圆模型越向外扩展时生存代价值越低的优点可避免该问题,因此引入同心圆模型与Markov模型的联合模型.仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,以此对整个航路进行评估,并且有效降低了仅采用Markov模型时在威胁区域内完成任务点后规划新航路迭代次数过多的问题.     

基于混合遗传算法的多UCAV协同任务分配方法

针对多UCAV协同作战的控制决策问题,提出了多UCAV任务分配的多目标整数规划模型.将问题的启发性知识融合进遗传算法,提出了求解该问题的基于整数编码的混合遗传算法.将变量根据约束条件特点分为自由变量和非自由变量,仅对非自由变量编码,减小了染色体长度和变化要素,从而提高了算法的效率.设计了适于整数编码的交叉和变异算子,并巧妙地利用约束条件限制变异范围,以提高个体满足约束条件的概率.以UCAV的SEAD任务为想定,进行了仿真实验.实验结果表明混合遗传算法可以有效地解决大规模整数规划问题,在求解效率和提高约束条件满足率上优于标准遗传算法.     

基于CNDLS的空中多编组时限约束任务分配方法

针对空中多编组任务分配具有整体任务完成时间限制和个体任务完成时窗限制的特点,以最高任务执行效率为目标,建立了包含时限约束的多编组任务分配数学模型。分析编组在作战过程中的资源损耗,构建了编组资源能力动态更新模型,使所建模型更为符合实际作战。在动态列表规划选择任务、量子遗传算法分配编组的基础上,设计了用于求解该模型的循环嵌套动态列表规划(CNDLS)的任务分配方法。针对作战想定进行仿真计算,仿真结果表明所建模型和所提方法能通过多次迭代可实现一定资源和时限约束下的最佳多编组任务分配。     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

动态环境下基于改进合同网的多Agent任务分配算法

任务分配算法是多Agent研究的一个重要方向。基于传统合同网的任务分配算法在动态环境下存在效率较低的问题,而动态环境在实际工程中广泛存在。因此,为了使多Agent系统的任务分配算法适用于动态环境,本文提出了一种改进的合同网方法。该方法通过引入任务信任度和负载均衡度指标对传统合同网的任务分配方法进行改进。仿真实验结果表明本文所提方法较现有方法具有更高的系统收益且减少了多agent系统任务完成所需时间。     

考虑观测次数的无人机交通巡视时空网络模型

针对传统道路信息检测方式不能获得实时连续的道路信息的问题,提出使用无人机进行路网巡视的方法。通过时空路网建立多机飞行路径优化模型,解决无人机的路径优化问题。模型可分别以完成所有任务条件下最小化所有飞机总飞行时间或最小化单机的最长飞行时间为优化目标,不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,将动态路径规划转化为静态路径规划,而且还加入了对重点路段多次巡视和多次巡视的时间间隔约束。对某一案例进行分析的结果表明,与不考虑巡视次数的路径规划相比,无人机的总飞行时间和单机飞行时间分别增加15.87%和15.15%,即可完成对2条重要路段巡视3次的任务目标。算例分析表明,优化后的巡视路径更加切合实际需要。     

基于本体的多无人机系统语义互操作方法

引入基于领域本体的语义模型形式化建模方法,提出了多无人机交互描述的语义描述模型方法和交互配置的语义增强方法.设计了无人机本体UAV O和服务描述本体UAV OS,在OWL S（Ontology Web Language for Services）基础上扩展服务动态特性等的描述,可以为服务质量、服务状态和服务关系提供语义描述;扩展了对多无人机任务和动态配置、组合所需控制结构等的描述.为了实现多无人机应用配置的自动化和动态性,基于本体的语义增强方法可以用于配置管理,在匹配中引入高层次的语义增强匹配,对多无人机交互配置处理进行语义增强.在无人机综合仿真环境中进行了验证,结果表明,提出的基于本体的语义互操作方法能有效地支持多无人机应用交互和集成.     

基于Q学习的无人机三维航迹规划算法

针对现有的基于强化学习的无人机航迹规划方法因无法充分考虑无人机的航迹约束而使规划获得的航迹可用性较差的问题,提出一种更有效的无人机三维航迹规划算法.该算法利用无人机的航迹约束条件指导规划空间离散化,不仅降低了最终的离散规划问题的规模,而且也在一定程度上提高了规划获得的航迹的可用性,通过在回报函数中引入回报成型技术,使算法具有满意的收敛速度.无人机三维航迹规划的典型仿真结果表明了所提出算法的有效性.     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

从鸟群群集飞行到无人机自主集群编队

无人机可通过自主集群编队提高其在复杂环境下执行任务的能力.多飞行器并存导致系统协调管理难度提升等一系列问题,因此如何设计合理高效的无人机集群编队协调自主控制算法是一个亟待解决的难点问题.在鸟群群集飞行过程中,个体通过遵循简单行为规则进行相互合作而产生复杂有序的集体行为.由于鸟群群集飞行过程中所表现出的邻近交互性、群体稳定性和环境适应性等特点与无人机集群编队的自主、协调和智能等控制要求有着紧密的契合之处,因此,研究鸟群群集飞行机制,并将其映射到无人机集群系统,是解决无人机集群编队协调自主控制问题的一条切实可行的途径.     

基于引导点的无人机三维航迹规划方法

为提高无人机航迹规划的速度,提出了一种基于引导点的航迹规划方法. 该方法结合了不同规划方法的优势,将无人机航迹规划分为两个层次:全局规划和局部规划. 全局规划利用遗传算法规划出最优或次优的区域点集,然后产生区域的引导点列;局部规划根据全局规划提供的引导点列,利用SAS(sparse A search)算法快速规划出满足约束条件的可行航迹. 仿真实验表明,该方法较好地结合了遗传算法和SAS算法的优势,规划航迹效果优于单一的遗传算法和SAS算法,并且有效地提高了规划速度.      

基于云台相机的四旋翼无人机跟踪控制系统

针对四旋翼无人机跟拍过程中视角固定,易丢失目标的问题,设计了一种基于云台相机的四旋翼无人机跟踪控制系统。首先,使用云台相机对地面移动目标进行拍摄,通过对目标的颜色特征和形状特征进行检测识别,使用核相关滤波( KCF: Kernel Correlation Filter) 方法进行视觉跟踪,得到地面移动目标在图像坐标系的位置。然后,通过建立针孔模型,解算出在云台相机带有俯仰角时的无人机与地面目标的相对位置关系。最后,设计了离散串级比例-积分-微分( PID: Proportion-Integral-Differential) 踪控制器,实现对无人机的位移控制,使四旋翼无人机可对地面移动目标进行稳定跟踪。同时设计了串级比例-微分( PD: Proportion-Differential) 控制器以实现云台相机的视角跟踪,增大了无人机的跟踪范围,降低了丢失目标的风险。实验结果表明,所设计的四旋翼无人机跟踪控制系统可实现对地面移动目标的稳定跟踪。     

基于启发式搜索算法的无人机航迹快速规划

基于无人机导航系统的自身特点,无人机在导航过程中会出现无法精确定位的情况,从而产生定位误差。如果不能及时校正随时间累积的定位误差,会使无人机无法到达预定目的地,从而导致飞行任务失败。为避免这种情况的发生,本文研究了考虑定位误差的无人机航迹快速规划问题。以航迹距离最短为目标,考虑定位误差校正约束与航迹约束,建立了混合整数规划模型。根据深度优先搜索算法与回溯算法的特点,设计了启发式深度优先搜索+回溯算法来求解问题,并在此算法基础上加入模拟退火机制对解的质量进行优化。以某飞行区域的数据为例进行仿真实验,结果表明启发式深度优先搜索+回溯算法可以快速有效地求解考虑定位误差的无人机航迹规划问题。     

无人飞行器延时航迹规划方法

编队飞行中无人飞行器由于战场态势改变等原因常常需要延迟打击目标。在定高飞行模式下,提出了基于分层规划的延时航迹规划方法,首先基于最小风险值选择最佳延时机动区域,然后采用基于解析法的延时航迹规划算法,生成满足延迟时间和飞行约束条件要求的延时机动航迹。通过分析计算各个航迹段附近区域的风险值,确定了无人飞行器延时机动的安全飞行区域;基于解析法提出徘徊延时航迹的规划算法,并用该算法生成满足飞抵时间延迟量要求的延时航迹。仿真结果显示,徘徊延时航迹规划算法能够高效准确地规划出需要的延时航迹,规划总时间在规定的时间范围内,较好地满足了无人飞行器需要延时飞行的时间要求。     

贝叶斯网络的对地攻击无人机自主能力评估

作战任务条件下评估对地攻击无人机自主能力，是无人机作战使用亟待解决的关键问题之一。针对对地攻击无人机作战流程与特点，选取感知探测、规划决策、作战执行、安全管理和学习进化5个紧密贴合其作战运用特点的自主能力影响因素，构建面向全任务过程的对地攻击无人机自主能力评估指标体系。基于贝叶斯网络建立自主能力评估模型，利用改进熵权法确定根节点的先验概率，并运用贝叶斯软件Netica进行实例仿真。针对对地攻击无人机任务前、任务中和任务后的自主能力，利用因果推理、截断分析推理和影响因素推理3种推理模式进行仿真验证及推理分析，根据仿真验证结果给出了各个阶段自主能力的动态调整建议。