军航飞机流穿越民航航线冲突探测与解脱问题

针对军航飞机穿越民航航线的飞行冲突问题,对飞机流汇聚飞行场景进行建模分析,提出了基于滑动窗口的汇聚飞行冲突探测方法和基于合作博弈的多机冲突解脱方法。当飞机流进入预先划设的汇聚控制区,通过滑动窗口判断向前看时间内飞行冲突。基于此,潜在冲突机间组成一个联盟,以解脱边界条件为安全约束,以合作博弈理论中联盟福利最优解均衡各机效益,在保证安全的前提下实现效益均衡。根据最优机动方向特点,利用免疫粒子群优化算法快速求解策略。仿真结果表明,该场景下提出的方法能有效解算出满足要求的解脱策略,并均衡军民航飞机解脱效益。      

基于可达集的无人机低空飞行冲突解脱算法

针对无人空中交通管理（UTM）中的冲突解脱问题，提出了以可达集分析为基础的实时避撞算法。该算法可用于城市低空环境中的密集交通流空域，保证无人机（UAV）飞行过程的安全性。基于相对运动的概念，通过分析平面空域中的飞行博弈问题对避撞系统进行建模，同时利用水平集方法和最优控制理论对无人机的可达集进行分析和计算，使用机载传感器获取无人机与周围物体的信息，为每架无人机提供新的避撞策略。通过3种不同空域环境的飞行案例进行仿真实验，验证了该策略不仅可以得到平滑的飞行路径，实时安全地解决冲突解脱问题，而且针对合作/非合作目标均有效。     

基于图像骨架和贪婪算法的无人机航路规划

针对无人机在执行低空突防任务时最大生存概率以及自身飞行约束的要求,对传统的人工势场法进行改进,提出基于图像骨架和贪婪算法的航路规划方法.对可飞区域提取图像骨架生成赋权图,采用Dijkstra方法搜索最小代价路径实现航路初规划;提出了曲率可控的贪婪算法对初规划结果进行优化,使最终的路径同时满足最小转弯半径和最短航程的要求.仿真结果表明该方法是一种有效的航路规划方法.     

基于改进蚁群算法的月面机器人的路径规划及虚拟仿真

针对月面机器人在复杂地形下的路径规划问题,提出了一种改进的蚁群算法。算法构建了栅格化地形图,基于人工势场法改进了蚁群算法的启发函数,加快了算法收敛速度;引入空间信息素划分方法,提高了蚁群在最短路径附近区域的搜索能力;实验证明,改进后的蚁群算法,路径规划成功率显著提高,收敛速度加快。在算法规划出月面机器人的最短路径后,采用虚拟仿真技术,基于unity3D构建虚拟月面环境和月球车,直观地展示了月面机器人在月面环境下的路径规划效果。     

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。      

基于优化CenterNet的低空无人机检测方法

为实现对“低慢小”无人机(UAV)的有效探测, 提升检测精度和定位质量, 提出一种基于联合注意力和CenterNet的低空无人机检测方法。针对通用目标检测算法小目标漏检率高的问题, 引入解耦的非局部算子, 捕捉光学图像目标区域的关联性。利用无人机群个体间的相似性, 将离散的无人机特征相互关联, 降低漏检率。为获得更加精准的检测框, 对CenterNet的标签编码策略和边界框回归方式进行优化, 引入定位质量损失, 提升检测框定位质量。实验结果表明:优化后的S-CenterNet算法相比原始CenterNet算法平均准确率提升了8.9%, 检测框定位质量有明显改善。      

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

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。      

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。      

基于运动模型的低空非合作无人机目标识别

为保障低空安全,在利用雷达数据探测无人机目标的同时剔除飞鸟等虚警信息,提出了一种基于运动模型的低空非合作无人机目标识别方法,作为已有目标跟踪方法应用的拓展。首先,建立多种运动模型模拟无人机和飞鸟目标运动;然后,基于多种运动模型进行目标跟踪,并估计各种运动模型的出现概率;最后,以各种运动模型在连续时间内出现概率的方差均值来度量目标运动模型的转换频率。通过对仿真数据和机场低空监视雷达实测数据的处理,所提方法能够在杂波环境中跟踪无人机目标并剔除飞鸟目标,进一步验证了其有效性和实用性。      

基于混合动态信念传播的多无人机协同定位算法

针对多无人机(UAVs)协同定位问题,提出一种基于混合动态信念传播的定位算法。在部分无人机GPS信号丢失的情况下,该算法可根据其他无人机的GPS观测,相邻无人机之间的相对距离观测,以及无人机加速度计的输出,对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态,接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互,因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较,表明了本文算法的有效性。      

基于蚁群算法的多任务导航星座载荷配置

给出了多任务导航星座载荷配置的一套新算法.首先建立了多任务导航星座载荷配置的优化模型;基于任务要求定义并提出了n＋1重覆盖率来评价星座对地面的覆盖性能;蚁群算法(ACA)是一种新型的模拟蚂蚁觅食行为的仿生启发式算法,将蚁群算法运用到载荷配置的优化当中,修正了启发函数及Ant-Cycle模型使它们能够与星座载荷配置的优化相结合;给出了基于该算法的多任务载荷配置优化框图.仿真结果表明蚁群算法快速有效,优化结果满足任务要求.      

基于多智能体联盟的多机协同空战任务分配

基于多智能体联盟形成理论,分析了网络化条件下多平台多目标攻击任务分配问题。将协同任务分配的过程视为复杂联盟的生成过程,首先将对目标总体的打击任务分解为一系列子任务,各子任务再进一步分解为单个平台能够完成的任务单元;再根据联盟特征函数的定义分别建立联盟报酬、能力成本、通信开销模型,以联盟特征函数作为空战任务分配目标函数;最后引入离散粒子群优化算法进行联盟生成,采用二进制矩阵编码形式,设计粒子可行性检查策略。仿真实验验证了本方法在协同制导条件下空战任务分配的合理性与有效性。     

一种基于SVM的低空飞行冲突探测算法

随着低空飞行密度不断增加,低空航行安全已引起广泛关注,由于低空环境复杂,低空飞行受地面障碍物和天气影响比商用航空显著,传统的空中交通警戒与防撞系统（TCAS）和其他冲突探测方法并不适用于低空密集飞行环境。针对传统探测方法计算量大、适用性差的不足,引入支持向量机（SVM）的二元分类方法,通过对本机和周边飞机航迹归一化处理,采用智能优化算法对关键参数进行优化,利用模拟数据对分类器进行预先训练,实现了适用于低空飞行的高效冲突探测。以大量的仿造数据对算法有效性进行了测试验证,结果表明漏警率和误警率分别控制在约0.1%和6%,克服了传统确定型方法与概率型方法难以兼顾效率与适用性的缺陷。