面向任务协同的云端融合计算架构研究

以有人机/无人机自组云为场景,研究了基于云数据中心、有人机和无人机任务协同的云端融合任务协同处理架构,在该架构中,有人机作为边缘计算处理节点,无人机作为端节点。通过分层设计,将基于无人机自组云的云端融合架构自顶往下划分为用户应用层、组件服务层、资源抽象层、操作系统层、物理资源层五个层级,并对各层级进行功能划分设计。最后通过典型实例仿真试验做了架构性验证。     

基于蜂群编队形式的气动耦合优化模型研究

为提高小型蜂群无人机紧密编队协同飞行时的整体气动效率,强化系统作战效能,文中以某蜂群无人机平台为研究对象,对其集群编队飞行时的气动耦合问题进行了深入研究。针对不同作战任务场景,设计了几类以典型长-僚机编队为模块单元的编队飞行结构,利用耦合涡流模型的数值仿真方法,完成了双机编队单元的寻优设计,同时基于双机编队单元优化结果,运用遗传算法,得到集群飞行时,各无人机单元气动增量数据传递信息,并辅以计算流体力学仿真验证,确定了完整的气动数据传递体系。最终建立了多任务、多条件、多目标导向的气动耦合优化模型,实现了集群优化飞行策略方法,达到了作战能力倍增的效果。     

基于发布订阅架构的在线时间触发调度方法

混合关键性消息的调度优化是其应用于航空电子系统的关键，而日益增加的动态应用更加依赖于时间触发调度的在线求解。现有时间触发网络调度多基于离线调度设计，面对大规模组网应用其调度表生成耗时较长且生成后难以在线调整。为了更快地求解调度表，并适应在线调整需求，结合数据分发系统中的发布/订阅机制，构建了基于发布/订阅架构的时间触发网络模型；在其基础上提出了基于统一时间分片的时间触发调度在线求解算法，将连续时间离散为时间分片，并基于统一长度约束优化调度求解空间，极大地减少了调度表生成时间；进一步，根据时间分片长度度量链路负载情况，在消息调度过程中实现链路负载均衡的目的，在保障时间触发消息传输延迟需求的条件下降低速率约束消息的端到端延迟。实验结果表明：对于包含300条消息的网络，所提算法的求解速度是可满足性模理论求解的数千倍，同时速率约束消息的最坏端到端延迟比可满足性模理论求解降低了17.4%。对于包含2 000条时间触发消息的网络，所提方法生成调度表的时间为100 ms数量级。     

“忠诚僚机”式有人/ 无人机协同作战概念 与任务管理技术研究

“忠诚僚机”式作战概念定义了有人机与无人机协同作战的新理念，颠覆了传统作战模式。在有人/ 无人机协同作战过程中，有人机以指挥者的角色，对作战任务进行分解、分配与管理。实现有人/ 无人机编队 之间在时间、空间上的协同与配合，而无人机在有人机的指挥下完成侦察与打击等任务。     

对称HSDB网络的平均吞吐量分析

高速数据总线（ＨＳＤＢ）协议定义了多优先级方案来处理时间苛刻消息和时间非苛刻消息的数据传输，这是通过四个定时器（一个令牌保持定时器（ＴＨＴ）和三个个牌旋转定时器（ＴＲＴ））在不同的优先级之间分配网络带宽，同时增大时间非苛刻消息的延时来满足时间苛刻消息的传输．本文在网络上各站的ＴＨＴ和ＴＲＴ初始值相同、消息包到达率相同和消息包长度分布相同的条件下分析了多优先级方案的特性，建立了ＨＳＤＢ网络的平均吞吐量模型，导出了不同优先级的平均吞吐量解析表达式，并通过软件仿真验证了由模型得到的解析表达式。     

基于深度强化学习的多无人机协同进攻作战智能规划

无人机依靠作战效费比高、灵活自主等优势逐步替代了有生力量作战,多无人机协同作战任务规划成为热点研究问题。针对传统任务规划采用的智能优化算法存在的依赖静态、低维的简单场景、机上计算较慢等不足,提出一种基于深度强化学习（DRL）的端到端的多无人机协同进攻智能规划方法。将压制敌防空作战（SEAD）任务规划过程建模为马尔科夫决策过程,建立基于近端策略优化（PPO）算法的SEAD 智能规划模型,通过两组实验验证智能规划模型的有效性和鲁棒性。结果表明：基于DRL 的智能规划方法可以实现快速、精细规划,适应未知、连续高维的环境态势,智能规划模型具有战术协同规划能力。     

敏捷成像卫星多星密集任务调度方法

 面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。     

蜂群无人机充电排队优化方法

针对蜂群无人机快速充电排队问题，首次提出以平均队列长度和平均等待时间作为蜂群无人机充电排队优劣的评价指标。并通过理论分析和数值计算，在多充电平台的条件下，对蜂群无人机的分布式充电和集中式充电2种充电排队方式进行了比较和分析。得出蜂群无人机在泊松到达的条件下，随着服务强度的增加，评价指标对应的曲线出现了一个交叉点。在这个交叉点前，即服务强度较弱时，集中式充电排队方式优于分布式充电排队方式。在交叉点之后，即随着服务强度的增强，分布式充电排队方式将逐渐优于集中式充电排队方式。本文为蜂群无人机高效地完成任务提供了快速充电排队解决方案。     

面向有人/无人机协同远程作战的IVMS架构

面对愈发复杂的战场环境和任务需求，空中作战从单机、近距的模式不断向远程、多机协同的模式发展，有人/无人机协同作战的形式则可以使两种平台的优势互补，实现整体作战效能的提升，但与此同时，飞行员需要处理的信息也呈爆炸式增长，给飞行员增加了巨大的工作量。在夺取信息优势便是获取远程作战制胜主动权的当今，综合飞行器管理系统的作用更加关键。本文在传统综合飞机管理系统(IVMS)的基础上，突出考虑了远程作战中的长航程需求，以及有人/无人机协同作战场景下机群的任务与路径规划两方面，提出面向有人/无人机协同远程作战的IVMS架构，并从数据交互与调度和递接层次关系两方面分别设计IVMS的逻辑和软件架构，实现了有人/无人机的机载设备和战术任务的综合管理。     

考虑低空运行环境求解无人机任务分配问题的研究

在低空救援中如何合理的分配无人机的搜救任务长期以来都是研究的重点。本文在分层级分布式分配方法的基础上建立多目标多无人机任务分配模型,在模型中以搜救费用、无人机使用数量、完成任务的均衡性为目标函数,并且采用改进的NSGA-Ⅱ算法进行求解。结果表明：本文建立的模型有效,能在不同搜救环境下给出合理有效的分配方案;在搜救中考虑以搜救效率最高为导向时,带来无人机成本和数量的增加;当实际搜救的无人机非常有限时,则需要时间成本的投入;以经济利益为导向时,则会导致搜救时间的增加。     

Unmanned aerial vehicle swarm mission reliability modeling and evaluation method oriented to systematic and networked mission

With the development of Unmanned Aerial Vehicle (UAV) system autonomy, network communication technology and group intelligence theory, mission execution in the form of a UAV swarm will be an important realization of future applications. Traditional single-UAV mission reliability modeling methods have been unable to meet the requirements of UAV swarm mission reliability modeling. Therefore, the UAV swarm mission reliability modeling and evaluation method is proposed. First, aimed at the interdependence among the multiple layers, a multi-layer network model of a UAV swarm is established. At the same time, based on the system having the following characteristics—using a mission chain to complete the mission and applying the connectivity of the mission network—the mission network model of a UAV swarm is established. Second, vulnerability and connectivity are selected as two indicators to reflect the reliability of the mission, and aimed at random attack and deliberate attack, vulnerability and connectivity evaluation methods are proposed. Finally, the validity and accuracy of the constructed model are verified through simulations, and the model and selected indicators can meet the reliability requirements of the UAV swarm mission. In this way, this study provides quantitative reference for UAV-swarm-related decision-making work and supports the development of UAV-swarm-related work.     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

光纤通道交换网络WRR实时调度算法分析

 随着综合航电系统的发展,1553B总线已经不能满足发展的需要,光纤通道交换式网络作为新一代高性能网络通信协议被引入到航电系统中,其性能指标与整个航电系统的总体指标有着密切的关系.为了解决系统消息实时发送的问题,研究了光纤通道交换网络实时条件下加权轮询调度算法的通信性能,利用随机Petri网对光纤通道交换网络的调度过程进行了建模,通过对模型的仿真和分析,得到了数据传输量及传输时限变化时系统网络负载、延迟时间、超时消息所占比例等重要性能指标,并分析了调度算法的性能.仿真结果证明光纤通道交换式网络具有高速稳定性,加权轮询调度算法能够满足消息传输的实时性、公平性要求.     

实时网络系统可靠性建模研究

针对实时网络系统对任务完成时间有严格约束的特点,首先建立了实时网络系统中的任务模型,然后通过在网络系统可靠性模型中引入时间权函数建立了基于任务的实时网络系统可靠性模型,建立了系统的可靠度矩阵,最后针对JAST计划中的航空电子蝶型网络给出了建模实例。     

分布式IMA的网络分区方法及其实时性能分析

 针对分布式综合模块化航空电子(IMA)体系结构,在时间、空间分区以及带宽分区的基础上,提出了网络分区的概念,并建立了相应的网络模型、消息模型、流量模型及调度模型。利用网络演算方法,推导了航空电子混合消息集在网络分区下端到端(ETE)延迟的计算公式;搭建典型网络,通过理论计算对比了网络分区与带宽分区的实时性能。计算结果表明:网络分区下两条硬实时数据流的延迟较带宽分区分别降低了33.5%和74.2%;而弱硬实时与软实时数据流的延迟增加约30%。最后通过OPNET仿真对理论分析所得结果进行了验证,证明网络分区方法符合分布式IMA的分布式架构要求,并满足了系统混合关键性的需求。     

通信约束下异构多无人机任务分配方法

针对异构多无人机协同执行侦察和打击任务中,存在通信距离、时间延迟等约束条件下的局部任务分配问题,提出了一种基于合同网的分布式多无人机任务分配方法。首先建立了异构集群发现新目标时的局部任务分配问题模型,设计了局部无人机通信网络中的信息一致性算法,实现了任务分配过程中任务发布阶段各无人机的冲突消解。设计了任务分配过程中的联盟构建和无人机资源管理方法,使联盟中各无人机能够以更加平衡的方式消耗资源。仿真结果表明,该方法能够解决通信约束下,异构多无人机执行察打任务时,所触发的针对目标打击任务的任务分配问题,且能够获得最大的系统效能。     

Topology tracking of dynamic UAV wireless networks

Wireless network is the communication foundation that supports the intelligentization of Unmanned Aerial Vehicle (UAV) swarm. The topology of UAV communication network is the key to understanding and analyzing the behavior of UAV swarm, thus supporting the further prediction of UAV operations. However, the UAV swarm network topology varies over time due to the high mobility and diversified mission requirements of UAVs. Therefore, it is important but challenging to research dynamic topology inference for tracking the topology changes of the UAV network, especially in non-cooperative manner. In this paper, we study the problem of inferring UAV swarm network topology based on external observations, and propose a dynamic topology inference method. First, we establish a sensing framework for acquiring the communication behavior of the target network over time. Then, we expand the multi-dimensional dynamic Hawkes process to model the communication event sequence in a dynamic wireless network. Finally, combining the sliding time window mechanism, the maximum weighted likelihood estimation is applied to inferring the network topology. Extensive simulation results demonstrate the effectiveness of the proposed method.     

基于Transformer层次预测的多星应急观测任务规划方法

应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤：首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。     

有人机/无人机协同任务控制系统

针对有人机/无人机协同任务控制系统的设计和实现问题展开研究。结合有人机/无人机协同控制过程的特点,提出了基于自然语言接口方式的有人机/无人机协同任务控制系统结构。在此基础上,分析了系统模块的关键内容,设计了面向有人机与无人机交互过程的任务指令格式,提出了基于优先级的任务模式调度策略,针对无人机的典型任务模式,讨论了航路规划的计算方法选择,最后构建了有人机/无人机协同任务仿真环境。仿真试验结果验证了整体方法的可行性。