基于群体意志统一的无人机协同围捕策略

针对无人机(UAV)协同围捕问题, 提出一种基于群体意志统一的围捕策略。受人类在协作任务中的认知机理启发, 引入“群体意志”定义无人机的协作认知, 并构建双回路认知模型, 借助图卷积网络对围捕无人机获取的局部态势进行融合认知, 有效减轻无人机系统的计算负载。依靠变分推断原理和生成式自动编码器对围捕无人机进行群体意志趋同学习, 依据Apollonius圆实现协同围捕, 使无人机集群涌现出更加智能化的围捕效果。通过对比仿真验证了所提策略的有效性和智能性。      

未知区域中四旋翼无人机集群协同搜索与围捕算法

四旋翼无人机集群可以被用来进行区域侦察,以建立对环境与兴趣目标的认知。为四旋翼无人机集群提出一种分布式协同搜索算法和动态目标包围技术，以解决在未探测区域定位和监测目标中所遇到的挑战。为降低所提算法的复杂度，通过栅格划分方法将任务区域划分为2级栅格子区域。考虑到动态目标的随机性，设计一种数字信息素来引导多无人机对任务区域进行2次搜索，并以快速搜索到目标为奖励函数，通过滚动优化决策得到最优解作为无人机的输入。然后，基于一致性协议设计一种多无人机协同跟踪与围捕协议，以获取动态目标的实时信息。数个仿真结果与室外飞行实验验证了所提算法能够使四旋翼无人机对未知区域中动态目标进行有效搜索与动态监视。     

基于策略的遥感卫星管控方法研究

针对遥感卫星管理控制中业务应用与底层调度紧耦合导致的操作复杂、人工干预多等问题，提出一种基于策略的遥感卫星管控方法。在搭建策略管控模型的基础上，采用分层控制闭环结构，构建卫星控制闭环；提出卫星集群分域管理方法，并设置策略部署机制；详细论述了基于策略的遥感卫星管控实现方法；以海上失联舰船搜救任务为典型案例进行仿真，验证该方法可以完成异构卫星集群基于事件驱动的闭环控制。基于策略的管理方法能够有效降低遥感卫星管控业务的复杂度，实现遥感卫星集群的自动控制。     

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

弱信息交互条件下的无人机集群决策方法

随着无人系统与智能技术的发展，作为无人系统的典型应用之一的无人机集群，在民用与军事领域的应用前景越来越广阔，当集群规模较大时，传统的组网通信方式会受到带宽、干扰等限制，极大影响无人机集群的协同作战效能。基于此，提出一种弱信息交互条件下的无人机集群决策模型(WIIUSM)，不依赖无人机之间的双向数据交互，仅依靠单向视觉感知的方式实现期望的集群行为。建立了弱信息交互的无人机集群模型，采用改进后的遗传算法(IGA)作为优化方法对决策模型进行优化。以区域搜索任务为例进行仿真测试，将所提方法与基于顶层规划的蛇形方法进行对比，证明了所提方法在搜索效率层面的有效性；测试了不同比例无人机失效条件下搜索效率的下降程度，与蛇形方法进行对比，证明所提方法具有一定的鲁棒性。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

基于Agent与元胞自动机的无人机集群混合式控制

高效有序的集群控制方式是集群顺利完成作战任务的前提。针对无人机集群控制问题,结合集中式与分布式2种控制方式,提出基于Agent与元胞自动机的集群混合式控制。从无人机集群作战流程出发构建了无人机集群控制体系框架、通信拓扑结构及集群控制规则,将集群个体由上至下分为中心长机、小组长机、个体无人机3个层次,高层级对低层级采用自上而下的集中式控制,同层级采用自下而上的分布式控制。在此基础上,利用Agent模型的层次性与元胞自动机模型的同质性,设计了基于Agent与元胞自动机的集群混合式控制模型,实现2种控制方式有效结合,元胞自动机模型实现集群基本的聚合、分离、速度一致规则,Agent模型实现不同层级个体间的协同交互规则。在编队集结与保持任务背景下,对分布式、集中式与混合式3种控制进行对比仿真,结果表明:基于混合式控制的集群在编队可控性、跟随性、一致性以及降低通信负载等方面具有明显优势,验证了混合式集群控制方法的有效性。      

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题,提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先,考虑无人机通信约束,建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次,通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段,在搜索阶段,无人机通过不断地移动实现本机信息素地图的更新;在通信阶段,通过通信网络实现多机信息素地图的融合;在决策阶段,根据局部信息和全局信息做出决策,并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后,仿真结果表明,所提算法能够对区域进行覆盖搜索,表现为搜索效率高、抗毁性强、受集群的初始位置影响小。      

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题，提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束，建立集群的动态交互图，通过引入二维网格状态特征编码的方法，构建维度不变的智能体观测空间；采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构，分别设计策略网络和价值网络的状态空间和动作空间，定义收益函数；构建编队集结仿真环境，经过训练，所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中，均能成功实现快速集结，其灵活性和鲁棒性得到验证。     

基于组合赋权的对地攻击无人机自主能力云模型评价

针对对地攻击无人机自主能力量化评价的不确定性问题，提出基于组合赋权的云模型评价方法。基于认知控制结构，从感知探测、规划决策、作战执行、安全管理和学习进化5个方面构建自主能力评价指标体系。运用基于博弈论的组合赋权方法，结合改进层次分析法和改进熵权法确定组合权重，克服了单一赋权方法确定指标权重的片面性。考虑自主能力评价过程的模糊性和随机性，提出一种对地攻击无人机自主能力云模型评价方法，采用浮动云算法实现评价指标云的有效综合。对3种对地攻击无人机进行仿真验证，结果表明：所提方法综合考虑评价对象的主客观因素，消除了单一赋权方法的局限性，权重分配科学合理。自主能力云模型量化评价能够有效区分不同类型对地攻击无人机自主能力等级的差异性，评价结果准确可信。     

基于角色切换策略的多无人机协同区域搜索

针对存在随机分布目标的区域快速搜索问题开展研究,考虑无人机有限通信能力和探测信息的实时回传需求,提出了一种基于角色切换策略的多无人机协同区域搜索方法。首先,考虑各无人机平台的历史搜索信息和协同搜索收益,基于概率传感器模型构建了多无人机协同区域搜索求解框架;其次,基于4项无人机节点重要性的评价指标,采用改进逼近理想解排序法（TOPSIS）完成无人机节点重要性评估,通过无人机角色动态切换实现了区域搜索过程中协同搜索收益与网络连通性的平衡;最后,考虑机间防撞、通信保持、无人机运动学等约束条件,利用分布式滚动时域优化方法完成各无人机在线运动规划,实现多无人机协同区域搜索。仿真结果表明了所提方法的可行性和有效性。      

基于寒鸦配对交互行为的无人机集群编队控制

受寒鸦群配对飞行行为机制的启发,提出了一种配对交互模型,并应用于解决无人机（UAV）集群编队控制问题。首先,模仿寒鸦个体间的配对交互,设计配对交互时的邻居选择机制,基于社会力,考虑惯性加速、远距吸引、近距排斥、速度匹配和运动阻尼,分别建立配对个体和未配对个体的运动学微分方程,完成配对交互模型的构建。然后,在无人机模型基础上,设计基于寒鸦配对交互机制的无人机集群编队控制器。最后,通过2组仿真实验研究所提模型应用于无人机集群时的特性。结果表明,寒鸦配对交互模型能保证无人机集群运动的一致性,通过减小无人机交互的平均邻居数量,从而减小无人机集群的通信负载,并且当单向刺激时,配对无人机作为信息无人机时集群有更高的应激精度。      

无人机集群编队控制演示验证系统

为验证无人机集群编队控制算法在实际环境中的有效性,基于四旋翼无人机平台和双数据链、双地面站冗余设计,搭建了分布式控制的无人机集群编队控制演示验证系统。基于分层控制和封装的思想,将无人机控制系统分为执行层和决策层。执行层采用PIX自驾仪进行封装,只需修改自驾仪参数,不需针对不同无人机平台开发相应的控制策略,就能实现对异构集群的控制。需要验证不同的编队控制算法时,只需对决策层的控制算法进行修改即可,使系统具有较强的适应性和扩展性。演示验证系统采用双地面站和数据链,可实现在多种网络拓扑或通信失败情况下的无人机集群控制,具有较高的稳定性和安全性。应用领导-跟随协同编队控制算法,验证了本文演示验证系统的功能和性能。      

基于随机空间网络的无人机集群协同对抗模型

无人机集群协同对抗是未来作战的发展方向,为了突出集群强进攻、难防御、高灵活的优势,对高维度、强动态、非线性无人机集群的协同对抗的复杂系统进行有效建模是一个重要的研究方向。应用复杂空间网络理论构建了对抗双方的协同网络、对抗网络及协同对抗网络,模拟无人机集群的协同侦察场景,分别在二维和三维空间中建立了无人机集群协同对抗模型;分析了影响杀伤率的因素,提出了杀伤率与空间距离的解析式;通过网络级联效应分析了无人机集群协同网络的鲁棒性,验证了所提无人机集群协同对抗模型的有效性,为无人机集群协同对抗的建模提供了一种新思路。     

基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

一种中继无人机快速部署策略

针对任务规划中中继无人机部署效率低,部署方案无法满足最少数量要求等问题,提出了一种中继无人机快速部署策略。首先,根据最少中继节点的任务要求,建立了基于最少中继节点的部署模型。其次,优化了深度优先搜索算法的搜索方式,实现了节点间可行链路的快速搜索。最后,在人工蜂群(ABC)算法中引入快速深度优先搜索(DFS)算法,来求解最少中继节点部署方案。仿真结果表明:在相同任务规模下,所提策略的求解速度相较于改进前提高了53.56%左右,部署的中继无人机数量相较于现有方法减小了11.88%左右。