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。      

基于合作博弈的多机冲突解脱算法

为解决低空无人机冲突解脱过程中个体支付成本不公平问题,提出了基于合作博弈“核仁解”概念的多机冲突解脱算法。针对低空多机冲突场景的特点,基于“核仁解”概念,建立无人机冲突解脱支付矩阵。结合人工势场法与蚁群算法的优点,提出基于人工势场法-蚁群算法(APF-ACO)的冲突解脱混合求解策略。仿真结果表明:综合计算时间、可行性与系统效率3个评价指标,APF-ACO混合求解策略效能最优;基于合作博弈“核仁解”的求解策略在一定程度上可提升个体公平性;同时能够在牺牲少量整体利益的前提下,拥有优先级无人机的快速规划达到目标。      

基于速度障碍法的飞行冲突解脱与恢复策略

针对飞行中的冲突解脱和航迹恢复问题,在速度障碍法模型的基础上提出了一种几何优化的方法,并对这个问题进行了严格的数学描述。首先根据飞机之间的相对位置和速度关系,确定其冲突类型,以及是否满足各解脱策略的条件,选取相应的解脱策略,待冲突解脱完成后,飞机恢复至原航线飞行。然后通过几何分析,理论推导,该模型能够有效解决飞行冲突,并且具体给出冲突解脱和航迹恢复的位置。最后在仿真中,所提方法根据不同场景能够自主选择冲突解脱策略,结果显示该方法简单高效,并且在航迹恢复过程中不引入新的飞行冲突。      

基于飞行冲突网络最优支配集的冲突调配策略

针对空中交通流量逐年上升、管制压力增大、飞行冲突难调配的问题，以航空器为节点，基于航空器之间的速度障碍关系建立飞行冲突网络。定义最优支配集的概念，通过移除飞行冲突网络的最优支配集节点，快速消解网络中的冲突，降低网络的复杂性。在使用粒子群（PSO）算法对网络最优支配集进行求解的过程中，引入免疫机制，设置节点和连边2种类型的抗原，保证对关键航空器和高风险冲突的优先调配。实验仿真表明：所提冲突调配策略相较于传统方法能够快速识别网络中的关键航空器节点，并对高风险的冲突连边具有较好的灵敏性，可为管制员和管制系统提供更加准确、可靠的信息和建议，在宏观上辅助进行飞行冲突的调配。     

一种前飞状态直升机可达区域快速计算方法

直升机可达区域可用于生成空域安全态势,提高直升机在低空复杂环境中的飞行安全水平.为了满足求解可达区域的实时性和准确性要求,提出了一种快速计算方法.根据能量机动性求解了直升机控制域,结合运动学方程建立了可达区域数学模型.基于最优控制原理,实现了边界点快速计算;提出了基本可达区域的概念,将实时可达区域构造问题转化为少量边界点的计算问题.以AH-1G直升机为对象进行了二维和三维的算例分析,并与微分包含法计算结果进行了对比.算例结果表明,直升机控制域是时变的,需根据实时飞行状态进行计算;该算法能实时计算前飞状态直升机的可达区域,有较高的计算精度.     

基于二维连通图的无人机快速三维路径规划

针对复杂真实环境下无人机三维路径规划解算速度慢的问题，提出一种基于二维连通图的快速三维路径规划方法。首先解析真实地理环境的地形特征和建筑要素，构建基于数字高程模型(DEM)的多层次等效三维数字地图；在此基础上，经过无人机可行空域到二维连通图的转化、连通图中的路径规划及路径的三维化与优化，快速获得一条可执行的三维路径。针对连通图中的全局路径规划，设计了一种基于步长地图的变步长稀疏A^*算法，在保证路径质量的同时有效降低路径搜索的时间；针对连通图中的局部路径规划，提出一种基于障碍预测的随机路标图(PRM)实时路径重规划算法，以满足无人机的实时性避障需求。分别在山地环境和城市环境中进行仿真飞行，结果表明：所提方法能够有效降低三维路径规划的解算难度，在短时间内完成复杂环境下不同尺度和需求的路径规划，全局路径规划算法同比三维A^*算法和基于二维连通图的二维A^*算法搜索时间分别降低了99%和95%，局部路径重规划算法能够在1 s的单次采样周期内完成路径重规划，实时躲避未知障碍物，保证飞行过程的安全。     

基于SVM的低空飞行冲突探测改进模型

为保障通航飞行器在低空空域的飞行安全,提出了一种基于支持向量机（SVM）的飞行冲突探测改进模型。首先,建立适应于飞行器的保护区。然后,利用改进型ID3决策树算法将搜索空间降低到局部的方法筛选具有潜在飞行冲突的飞行器,并利用随机森林（RF）选择合适训练集。最后,利用tanh函数优化容易饱和的sigmoid函数对SVM分类结果的概率映射。通过仿真验证和对比分析,结果表明:利用基于密度聚类的DBSACN算法去除异常点,将剔除产生误报和虚报的数据作为训练集优化SVM分类器,改进的飞行冲突探测模型的误报率和虚报率分别降低了0.6%和1.9%,算法执行效率得到提高,而且具有较好的抗干扰能力与稳定性。      

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。     

复杂低空物流无人机路径规划

针对复杂低空物流无人机路径规划问题，考虑空域环境、运输任务等内外限制，以飞行时间、能耗及危险度最小为目标函数，建立多限制条件物流无人机路径规划模型，设计启发算法以快速解算路径。采用栅格法对规划环境表征，引入物流无人机性能约束确保路径可飞。针对A*算法存在的问题及物流无人机航空运输特色，引入栅格危险度因子、货物质量惩罚系数，增加飞行时间、能耗等代价以提升避障能力、降低成本。为匹配所提启发算法解算效率与精度，采用动态加权法对函数赋权。为筛除冗余路径点及保证平稳飞行，采用双向交叉判断法等对原路径优化平滑。为验证所提路径规划模型及启发算法的有效性，对比4种算法规划结果，分析栅格粒度大小与代价权重值对结果的影响。在既定的运输环境及物流无人机性能约束下，研究结果表明:所提算法与A*算法相比，保证了物流无人机飞行安全、能耗少，将飞行时间由406 s降至386 s，降低了5%；飞行路径点数为129个、栅格危险度因子为11.69，降低了姿态改变次数，保证了运输安全；当栅格粒度大小为5 m，代价权重值为0.4、0.1、0.5时，采用所提算法规划的路径最佳。      

无人机全空域飞行影响因素分析

进入全空域飞行是未来无人机发展的必然趋势,所面临的关键问题是安全性和空中交通管理.根据无人机大、中、小型,低、中、高速并存的特点,分析了无人机安全性和影响其全空域飞行能力的关键因素与改进方法,包括建立分类管理机制,提高自主导航与控制能力,进行动态任务规划,采取协调机制,增强环境感知与规避能力等.进一步提出了无人机空域飞行的建模/仿真理论框架,目标是在提高无人机可靠性的基础上,使其具备全空域飞行能力,从而降低无人机使用成本、提高空域共享能力,实现有人机、无人机共享空域.      

一种基于Gabor深度学习的无人机目标检测算法

随着智能控制技术的不断成熟,无人机给军事领域带来快速发展的同时也带来了威胁.因此针对空中飞行的无人机进行实时检测的任务需求,设计了一种基于Gabor深度学习的无人机目标检测算法.首先,搭建基于Gabor滤波器的深度神经网络,输入的图片经过该网络进行网格化划分,用以特征提取;然后,针对每个格子的特征利用回归算法计算其中物体的位置信息,并利用分类算法计算物体的类别信息,对以上得到的回归和分类结果进行筛选、融合得到最终的检测结果;最后,采集空中飞行的无人机真实数据构建数据集,在此基础上进行网络模型训练和算法验证.     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

基于计算机视觉的UAV自主空中加油半物理仿真

设计并实现了一种基于计算机视觉的无人机（UAV,Unmanned Aerial Vehicle）自主空中加油仿真平台,采用点匹配与位姿估计算法对软管式加油锥发光二极管（LED,Light Emitting Diodes）标志进行识别.对大气扰动和尾涡流进行了建模,建立了加油锥模型,并设计了加油锥运动状态预估算法.在此基础上,设计了基于线性二次型调节器（LQR,Linear Quadratic Regulator）的飞行控制律.基于上述技术,在实验室环境下设计开发了基于单目机载摄像机的无人机自主空中加油半物理仿真平台.半物理试验结果表明：所设计的位姿匹配算法和飞行控制律能够满足复杂环境下无人机自主空中加油的性能要求,具有较强的实时性、准确性和鲁棒性.     

燃料电池无人机动力系统半实物仿真

针对燃料电池无人机（UAV）动力系统飞行测试困难的问题，为了提升动力系统设计与开发水平，以燃料电池、锂电池、DC/DC功率转换器、电子调速器和直流无刷电机组成的动力系统作为实物介入，无人机动力学、自动驾驶仪、螺旋桨、飞行环境等数学模型为软件部分，无人机的油门信号控制及飞行过程中电机的载荷等为模拟仿真部分，以信号发生器、测功机及扭矩加载装置为软硬件接口，设计并搭建了燃料电池无人机动力系统半实物（HIL）仿真平台。面向典型任务剖面，基于状态机管理策略，对燃料电池/锂电池电动无人机的动力系统进行了半实物仿真研究，分析了半实物仿真平台和管理策略的有效性和实用性。      

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

无人机低空小捷径飞行研究CSCD

针对无人机低空小捷径飞行要求,分析了无人机飞行航路偏差,计算了飞行安全可靠度,对无人机安控策略进行了设计,确保了小捷径航路飞行要求。     

面向空中威胁的无人机动态碰撞区建模与分析

针对现有方法一般是基于时间或距离的定值来确定碰撞区域的问题,提出了一种基于入侵机和无人机(UAV)运动信息的无人机动态碰撞区建模方法.首先,根据无人机与入侵机的运动状态、两机之间的最小安全距离等信息,通过几何方法得出无人机不采取任何规避机动时两机将发生碰撞区域的解析表达式,即无机动碰撞区数学模型;其次,考虑无人机的机动能力约束,计算了无人机采取最大过载转弯机动(左转或右转)时两机恰好避免碰撞发生的边界,即最大机动碰撞区数学模型;在此基础上,提出了不可规避区的概念;进而定义了安全飞行包络,它是无人机能够规避入侵机威胁的分界线;最后通过理论和仿真结合分析了影响各区域的主要因素.仿真与分析结果表明所建碰撞区不仅可以帮助无人机选择规避机动方式,而且能够帮助无人机判定常规避撞机动是否失败,并使无人机及时采取最大过载转弯机动,对无人机安全避撞决策具有实际参考价值.      

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

基于D3QN的无人机编队控制技术

针对无人机编队中控制器设计需要基于模型信息，以及无人机智能化程度低等问题，采用深度强化学习解决编队控制问题。针对编队控制问题设计对应强化学习要素，并设计基于深度强化学习对偶双重深度Q网络（D3QN）算法的编队控制器，同时提出一种优先选择策略与多层动作库结合的方法，加快算法收敛速度并使僚机最终能够保持到期望距离。通过仿真将设计的控制器与PID控制器、Backstepping控制器对比，验证D3QN控制器的有效性。仿真结果表明：该控制器可应用于无人机编队，提高僚机智能化程度，自主学习保持到期望距离，且控制器设计无需模型精确信息，为无人机编队智能化控制提供了依据与参考。