无人机集群路径规划算法研究综述

无人机集群路径规划算法是无人机集群控制的重要研究方向之一.多无人机路径规划相较于单无人机路径规划,会考虑空间协同和时间协同约束、飞行安全等问题.首先对无人机集群路径规划算法进行分类,分为传统路径规划算法、智能优化算法和深度强化学习算法.其次对各类算法进行简要分析和总结,针对缺陷,给出相应的改进思路及例子.再着重对深度强...     

基于蜂群与A*混合算法的三维多无人机协同

研究了一种基于蜂群与A~*混合算法的三维多机航迹规划方法。理论和仿真研究表明该混合算法较单独的A~*算法更易躲避威胁,整体路径更优;其次,基于该混合算法探讨了多无人机三维路径协同规划下的自适应时间协同。通过判断多无人机到达时间范围,多机自适应时间协同状态为同时到达、时序到达或者无法协同重新航迹规划。针对时序到达情况采用了到达时间差迭代选择,相比于固定到达时间差的时序到达,迭代过程加大了无人机满足时序到达的可能性,增强了多机协同打击能力。     

无人机任务规划系统研究及发展

无人机任务规划系统是指根据所要完成的任务、无人机的数量及任务载荷的不同,对各架无人机进行任务分配并通过航路规划技术制定飞行路线。首先介绍了无人机任务规划系统的基本功能及组成结构。然后,详细分析了任务规划系统的建模技术及其优化算法的研究现状。最后指出了讨论了无人机任务规划存在的问题,并阐述了无人机任务规划系统的发展趋势。     

多无人机任务分配/航迹规划的一体化求解方法

针对多异构无人机任务分配和航迹规划存在的强耦合特性,为解决串行求解仅能获得局部最优解的问题,提出了一种基于图论的一体化求解框架,采用三维Dubins模型,通过对无人机航向角进行离散化,将路径规划问题和任务分配问题建立为离散图模型。为了实现该混合整数规划问题的快速求解,建立了基于并行化处理的遗传算法策略;为避免执行时序约束任务存在的死锁问题,引入深度优先算法（DFS）,通过检测时序任务图环路状态判断任务规划结果的可行性,从而剔除规划结果中的不可行解。仿真结果表明,相比于解耦方法,一体化求解方法能明显提高规划结果的品质;相比于集中式遗传算法,分布式遗传算法能显著提高算法的收敛速度。     

有人机/无人机混合编队协同作战研究综述与展望

有人机与无人机混合编队协同作战是未来空战的重要形式。有人机是中央指挥,而无人机直接接受有人机的指挥和控制,并进行战场态势感知、目标打击等。有人机和无人机可以看成空间上分离而逻辑上一体的巨型虚拟战机,二者优势互补,充分发挥最大综合效能,既提高了有人机的生存能力又延伸了无人机的探测距离范围和攻击距离。本文首先简述了有人机/无人机混合编队协同作战的发展历程,然后重点归纳了协同作战的关键技术原理和国内外研究成果,包括协同态势感知与评估技术、协同任务分配技术、协同航路规划技术、编队飞行与跟踪控制技术,并给出了一个在典型作战任务设定下的协同作战流程。最后对该领域的研究发展方向进行了展望。     

无线传感器网络空中目标跟踪任务分配技术的研究

以无线传感器网络对空中飞行目标跟踪为背景，针对无线传感器网络协同技术中的任务分配问题，以降低传感器节点之间的通信能量消耗为目的，提出了一种基于弹性神经网络的任务分配算法。首先对多动态联盟多目标跟踪问题进行建模，然后依据最小能量准则，采用一种非全连接的环形结构的弹性神经网络模型，解决了多目标跟踪时的任务优化分配问题以及多个动态联盟对传感器资源竞争冲突时系统能耗增加的问题。仿真结果表明，该算法与传统的方法相比，大大降低了跟踪系统的能量消耗。     

非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题，提出了基于非死锁合同网协议(DF CNP)的分布式时序任务分配方法，从理论上避免任务死锁，提升分配结果最优性。定义了局部信息条件下时序任务死锁判据，通过检测时序任务图环路状态与顶点可达性，判定分配方案的全局死锁状态，保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法，在合同网排序过程中优先选择最近邻任务，并结合死锁判据递归回溯，在分布式架构下并行生成满足死锁约束的任务排序方案，提升分配结果的最优性。仿真对比结果表明：相比于非死锁遗传算法(TB GA)，DF CNP在求解效率方面具有显著优势；与耦合约束一致性束算法(CBBA TCC)相比，DF CNP结果最优性明显提升。     

无人机协同测控中SC-FDMA技术设计

针对无人机协同任务测控传输的多机接入问题,提出基于分布式任务分配模型的高动态SC-FDMA技术。通过将贪婪原则、信道动态分配机制和多用户接入技术结合,利用集中映射方式设计子信道数目可调的映射规则,配置各无人机节点所占用子载波数目。仿真结果表明,与传统FDMA、CDMA、TDMA、OFDMA等相比,基于SC-FDMA设计的一站多机测控链路在峰均比、误码率、频带效率、重构时间等方面具有更均衡的性能,可改善系统可靠性、实时性、安全性和稳定性,更加适于无人机空地时变信道星状网互联,并且有效实现了任务分配、信道环境和链路状态的统一。     

多UCAV协同中基于协商的分布式任务分配研究

针对多无人作战飞机（UCAV）分布式协同任务分配问题展开研究。在对多UCAV任务分配问题进行分析的基础上，提出了基于市场协调机制的多UCAV分布式协同任务分配体系结构，设计了能够支持不同自主能力UCAV的任务控制模型，各UCAV在分布式计算的基础上进行相互协商实现动态任务分配。通过综合采用买卖合同、交换合同和聚类合同三种协调机制，实现了多UCAV协同作战中的分布式任务分配。仿真实验结果表明，基于协商的分布式任务分配方法能够快速有效地实现对态势变化的反应，对于解决作战过程中的动态任务分配具有突出优势。     

基于合同网的分布式卫星系统任务优化分配研究

面向未来分布式卫星系统(DSS)自主协作运行模式,对DSS任务协作中的优化分配问题进行了分析和描述,提出了基于协商的任务优化分配体系结构,并由此给出任务组的概念,通过集覆盖理论将任务分配问题转化为集覆盖问题.从而引入合同网协议,以系统完成任务目标的总耗能最少为原则,加入限定卫星可回应任务数的约束后,提出了一种基于合同网的严格启发式优化分配算法对问题进行求解.同时,证明了算法搜索结果的上确界;分析了算法的收敛性和时间复杂度.该算法具有分布性,搜索空间缩减快,适合于中小规模问题的任务分配.     

基于粒子群拍卖混合算法的空空导弹制导权移交技术

为解决超视距协同空战中的空空导弹制导权移交问题,首先对空空导弹制导权移交问题进行了数学建模,构建了我机对目标机制导优先权模型以及我机对空空导弹制导优先权模型,建立了空空导弹制导权移交的任务分配模型;其次为实现对大规模空空导弹制导权移交问题的快速寻优求解,提出了一种分布式的粒子群拍卖混合算法,该算法对粒子群算法进行了改进,并融合了拍卖算法的优点,可在较短的时间内获得较为合理的制导权移交方案,具有较好的动态性、全局寻优性能以及易于计算机编程实现等优点。最后,通过仿真实验证明了本方法的合理性和有效性。     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

凸优化算法在有人/无人机协同系统航迹规划中的应用

为更好地发挥多智能体在空战中的优势，以凸优化理论为基础，提出一种有人/无人机协同系统的航迹规划方法。首先，分析协同系统的体系结构和控制流程，建立系统的运动模型。其次，根据协同系统中有人机与无人机的任务特点，分别设计航迹规划器与编队规划器，并在编队规划器中引入协同时空约束条件，进而对两规划器模型进行近似与凸化，利用凸优化算法进行求解。最后，通过对比仿真，验证所提方法的可行性。结果表明，凸优化算法能有效求解航迹规划器与编队规划器的优化模型，并且通过协同时空约束，能有效提高系统的飞行安全性及航迹变换的灵活性。     

基于信噪比优化的中段传感器预指派模型

结合中低轨中段弹道目标连续跟踪这一特殊应用背景,从跟踪相机交接的再捕获确认到稳定跟踪的全程角度出发,提出了一种基于信噪比和跟踪精度联合优化的新的传感器预指派模型。并采用通过对粒子降维处理和位置矢量更新的实值粒子群优化算法,对所提模型的性能进行分析和比较。仿真实验表明,该模型的调度性能较之前的优化目标函数及二进制粒子群优化算法,更贴近导弹中段飞行情况的实际且性能有所改进,因而是一种更高效的调度模型。     

复杂不确定性下多无人机的抗扰时变编队控制

针对存在不确定非线性动态和外部时变干扰的多无人机系统的时变编队问题，提出了基于扩张状态观测器(ESO)的抗扰编队控制方法。首先建立了分布式ESO来估计多无人机系统的不确定性，基于ESO的输出提出了抗扰编队控制律，并提出一套算法来对控制律进行参数选定。然后，通过分析得到基于该控制律下，多无人机系统实现抗扰时变编队所需要的充要条件，并最终严格证明了在满足编队充要条件和基于提出的控制律下，多无人机系统可以稳定实现抗扰时变编队。最后仿真结果表明理论方法的有效性。     

分布式仿真系统实体节点分配问题实时求解算法

分布式仿真系统中,如何使计算节点彼此间通信量尽可能小,是实体节点分配问题研究的内容。针对该问题提出一种基于规则的启发式两阶段实时求解算法。第一阶段构建最小期望事件数量的目标分配模型并进行求解,即根据连通图理论将原问题分解为多个子问题,结合缓存、分治和过滤优选策略,设计递归算法求解子问题,最后得到覆盖所有实体的事件最小集。第二阶段实现分箱算法,将最小集中单个事件关联的实体尽量分配至相同计算节点,最终得到实体节点分配关系。实际应用表明,相比常见的顺序分配策略,该算法能显著减小分布式仿真系统的跨节点网络通信,从而提升仿真效率。该算法还能在秒级耗时生成分配方案,特别适用于包含大量实体的复杂场景分布式仿真。     

空间环境中的多处理器混合容错调度算法

为提高空间应用环境中混合实时任务的容错调度效率,提出基于空间环境的多处理器混合容错调度算法。算法在周期任务调度中采用基于分组的“最佳适应”分配策略,以少量增加的计算时间获得更为紧凑的任务调度结果,从而减少调度所需的处理器数目和任务执行时间;在非周期任务调度中,利用基于空闲时间片的方法完成动态调度,使得混合实时任务的容错调度效率有显著提高,能够更好地适应复杂空间环境的任务处理。仿真结果表明算法在改善混合实时任务容错调度性能上具有重要作用。     

一种面向节能的星载实时任务动态调度算法研究

星载嵌入式操作系统性能和任务能耗之间的平衡非常重要,采用合理的处理器和电压分配策略是一个重要手段。提出一系列基于计算概率的建模方法,用来解决星载实时嵌入式系统中对于具有数据依赖的非周期性任务的处理器和电压分配相关问题,并且能够确保所有的任务都能在时间约束下执行。首先设计一个处理器调度算法,将任务的有向无环图(DAG)映射到一组可变电压处理器上,然后使用动态编程算法为每个任务分配合适的电压。通过带有重启的局部搜索策略从候选解集中获取最优解,以解决局部最优陷阱问题。通过实验说明,所提出的算法与其他算法相比,在所有时间约束下具有更好的能效。     

多目标融合的冗余空间机械臂碰前轨迹优化

面向在轨对接与装配任务,提出了多目标融合的冗余度空间机械臂碰前轨迹优化方法。通过分析任务特点,阐述了空间机械臂碰前的多重任务目标。针对由空间机械臂连续轨迹跟踪、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第一类任务,通过设置任务优先级融合多目标并采用基于主任务零空间的方法实现对碰前轨迹的优化;而对由空间机械臂点到点规划、碰撞姿态控制及碰撞冲量幅值优化三个目标组成的第二类任务,通过设置任务权重将多目标融合并采用遗传算法对碰前轨迹进行优化。以典型七自由度机械臂为例开展仿真实验,验证了提出的轨迹优化方法的有效性。