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.     

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。     

基于图模型自主优化的多无人机多目标攻击

为在多无人作战飞机(unmanned combat aerial vehicle, UCAV)执行多目标攻击中适时确立决策优化的方向、改变任务优化所需的基本条件,采用图模型中的动态贝叶斯网络(dynamic Bayesian network, DBN)构建了空天威胁体感知模型,提出了基于图模型自主优化系统的分层架构和多UCAV自主协同规划方法。该方法利用数据融合形成的DBN状态转移网络及观测转移网络参数的变化表现复杂空天环境的变化,并充分利用DBN的学习和推理算法,实现了对威胁体的在线动态感知,达到了按照确定原则完成UCAV攻击目标重新分配与航迹协同等任务的目的。仿真结果表明了这种自主优化规划方法的正确性和可行性。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于双重遗传算法机制的路径规划

静动态障碍物同时存在的复杂环境下进行路径规划是一个比较难解决的课题.引入双重的遗传算法机制,提出了第一重遗传机制负责静态障碍物的避碰,第二重遗传算法机制以第一重机制规划出的最优路径为基础,负责动态障碍物的避碰的方法;设计优化算子,引入自适应技术提高路径的生成速度.实验表明,该方法能综合考虑多种因素,收敛到全局最优路径.     

可变洋流环境中自主水下航行器动态路径规划的改进QPSO算法

为更好地完成水下探测任务,提升潜行效率,本文提出了自主水下航行器(autonomous underwater vehicle,AUV)在可变洋流中的全局路径规划方法.首先,识别潜行区域地形与静态障碍物,建立以三维空间路径最短与路径平滑度最大为约束的多目标函数,利用提出的改进QPSO算法求解,生成初始路径;其次,考虑水下环境中不确定障碍物的存在和时变洋流的干扰,将动态障碍物信息更新在控制图上,用高斯噪声对洋流速度进行估计,确保AUV实现动态躲避与适应洋流变化以输出稳定的速度;最后,建立观测与惩罚函数来实时调整初始路径,得到更为科学合理的潜行路径.仿真结果表明,本文提出的全局规划方法求解的路径能使AUV潜行更加平稳与安全,使其具有更好的自主能力;所提改进算法与常规算法对比,改进的QPSO算法求解多目标离散问题所得解的精度与质量更好.     

无人机战场环境感知与理解技术研究

战场环境的感知与理解是无人机实现规划、决策及控制的前提,是体现系统自主性关键特征的基础。首先分析了战场环境感知与理解的内涵,详细阐述了该技术的国内外研究现状。其次,设计了基于多机协同的环境感知框架,并结合自主控制等级分析了无人机战场环境感知与理解的技术体系,然后在此基础上剖析了当前制约无人机战场感知能力发展的各项关键技术。最后,对未来的发展趋势进行了展望。     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

一种多仿生机器鱼协作系统的设计与初步实现

多仿生机器鱼群体协作的研究是针对未来杂复。动态水下环境中多仿生机器人系统控制和协调作业的需要而开展的相关理论和关键技术的研究，本文依据多仿生机器鱼群体协作研究的要求，给出了一种多机器鱼协作系统的硬件体系结构，并在此结构基础上提出了多机器鱼协作实验仿真系统的设计方案，最终开发并初步实现了该仿真系统，并应用于本文提出的一种协作型机器鱼的CLB分层式控制结构的仿真研究中，该系统实现了环境可视化，过程图形化和算法加载动态化等功能，极大地方便了多机器鱼协作系统研究工作的开展。     

一种Agent体系结构A2FC研究

Agent体系结构研究是由理论研究向系统实现的关键一步。针对战术级联合作战的特点,提出了一种适合于多Agent协作的通用体系结构A2FC,并详细分析了各模块的功能。该体系结构将领域知识细分为信息域和认知域两大类:作战实体、装备、编制等方面的知识属于信息域,而理解、协作等方面的知识属于认知域。并将协作功能单独作为一个模块设计到体系结构中,从而为应用系统中多Agent协作的实现打下了基础。     

汽车转向/防抱死制动系统的协调控制研究

协同控制结构由执行级和协调级组成。在执行级中,设计基于最佳滑移率的汽车防抱死制动可调节滑模控制器。针对滑模控制中固有抖振缺陷,自动适时调节控制参数增益以消弱抖振。此外,设计基于鲁棒自适应控制的横摆力矩控制器和主动前轮转向控制器力求改善汽车动态响应、鲁棒自适应性和稳定性。在协调级中,设计适用于复杂工况的制动力分配策略,并提出一种协调控制转向系统和制动系统的新方法。最后用仿真结果验证所设计控制算法的稳定性和有效性。     

Performance analysis and threshold selection for cooperative multiple packet reception based on NDMA

To accurately assess the performance of cooperative multiple packet reception (MPR) based on network-assisted diversity multiple access (NDMA), non-ideal collision detection is introduced in ALLIANCES (ALLow improved access in the network via cooperation and energy savings). To provide a unified analysis framework, the length of cooperative transmission epoch is fixed to the detected collision order. The mathematical analysis of potential throughput (PTP) and potential packet loss rate (PPLR) are given under a pessimistic assumption and an optimistic assumption. According to the analysis of PTP and PPLR, threshold selection is done to optimize system performances, e.g. the optimal threshold should guarantee PTP to be maximum or guarantee PPLR to be minimum. In simulations, the thresholds are selected according to PTP under the pessimistic assumption. Simulation results show that the proposed cooperative MPR scheme can achieve higher throughput than NDMA and slotted ALOHA schemes.     

基于区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子的多属性决策方法

基于将对偶犹豫模糊集和语言变量相结合定义对偶犹豫模糊语言集的思路,提出了区间对偶犹豫不确定语言集的概念,研究了区间对偶犹豫不确定语言变量相关的基本理论与方法,并针对属性值为区间对偶犹豫不确定语言信息的关联多属性决策问题,提出了相应的决策方法.首先,定义了区间对偶犹豫不确定语言变量的概念、运算法则、得分函数、精确函数、海明距离以及排序方法.然后,提出了区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子并证明了该算子的一些性质.为了确定属性集的模糊测度,建立了基于离差最大化方法以及Banzhaf函数的模型.进而,给出一种用于解决属性权重部分未知,属性值为区间对偶犹豫不确定语言变量的关联多属性决策方法.最后,通过算例验证了该方法的有效性.     

不确定集结算子及其在多属性决策中的应用

针对方案评估中属性信息的不确定性,提出了一个基于不确定信息的多属性集结算子。该算子将有序加权平均(OWA)算子和广义平均算子相结合而成的广义有序加权平均(GOWA)算子推广到不确定的环境中,提出了一个广义不确定有序加权平均(GUOWA)算子。并且给出了基于GUOWA算子的不确定多属性决策方法,最后的实例说明该方法的有效性和合理性。     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。     

直觉不确定语言集成算子及在群决策中的应用

直觉不确定语言数是直觉模糊数和不确定语言变量值的拓展. 针对直觉不确定语言信息的集成问题, 定义了直觉不确定语言数运算法则和大小比较方法, 提出了直觉不确定语言的加权算术平均算子(IULWAA)、直觉不确定语言的有序加权平均算子(IULOWA)以及直觉不确定语言的混合加权平均算子(IULHA)及这些算子的性质. 在此基础上, 提出一种属性权重确知且属性值以直觉不确定语言数形式给出的多属性群决策方法. 最后通过实例分析证明了该方法的有效性.     

Resource allocation for cooperative diversity systems based on quadrature modulation

To improve the error performance and the resource utilization of cooperative systems, the optimum resource allocation, i.e., power allocation and partner choice, for an adaptive decode-and-forward (DF) cooperative diversity system based on quadrature modulation is investigated. The closed-form expression of the bit error rate (BER) system performance is derived and an optimal power allocation (OPA) algorithm is proposed to optimize the power allocation between the local and relayed signals under the minimum BER criterion. Based on the OPA algorithm, a partner choice strategy is proposed to determine the partner locations specified by various cooperation gains. Simulation results show that the proposed resource optimization algorithms are superior to the unoptimized algorithms by significantly reducing the BER and improving the cooperative gain, which is useful to simplify the practical partner choice process.