面向无人机蜂群的航电云多层任务调度模型

在航空作战体系中，基于航电云的无人机（UAV）蜂群作战是提高未来无人机综合作战能力的一种新模式。针对无人机蜂群作战的航电云架构，如何将云端作战任务派发到无人机且保证作战任务完成时间是其中关键。在无人机蜂群分层分簇网络结构和模块级资源虚拟化的基础上，对传统单层平台级任务调度模型进行改进，提出了一种细化到模块级的多层任务调度模型，将作战任务从云端逐层调度到无人机功能模块上执行。利用OMNeT++对无人机蜂群多层任务调度模型以及传统的单层任务调度模型分别进行仿真，云端以攻击使命组为例构建使命组集进行分配，并对任务吞吐量、消息平均端到端延时和任务完成时间进行性能对比。仿真结果表明：与平台级单层任务调度相比，在执行任务方面，模块级多层任务调度模型将单个任务平均完成时间降低了46.2%，将使命组完成时间降低了52.1%，在保证任务吞吐量的基础上具有对复杂任务更稳定的调度能力；在网络性能方面，模块级多层任务调度模型消息端到端延时更低，延时分布更集中，提高了网络消息传输的实时性。     

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.     

任务规划系统机动模型与航线设计

航空兵任务规划系统中飞机空对地攻击航线解算的准确性、航线生成质量和航线解算速度是衡量任务规划系统能力的重要指标。飞机空对地攻击航线设计是飞机航线规划中典型的多约束复杂机动,其在设计与使用过程中受到来自时间、空间及飞机本体的多维约束,对飞行动力学建模与航迹优化提出了较高的要求。本文利用面向对象的思想对飞机无侧滑动力学模型...     

Mission-driven autonomous perception and fusion based on UAV swarm

Distributed autonomous situational awareness is one of the most important foundation for Unmanned Aerial Vehicle (UAV) swarm to implement various missions. Considering the application environment being usually characterized by strong confrontation, high dynamics, and deep uncertainty, the distributed situational awareness system based on UAV swarm needs to be driven by the mission requirements, while each node in the network can autonomously avoid collisions and perform detection mission through limited resource sharing as well as complementarity of respective advantages. By efficiently solving the problems of self-avoidance, autonomous flocking and splitting, joint estimation and control, etc., perception data from multi-platform multi-source should be extracted and fused reasonably, to generate refined, tailored target information and provide reliable support for decision-making.     

基于AH/UAV编队协同侦察打击的作战效能研究

对AH/UAV协同作战任务进行了客观描述,建立了AH/UAV编队协同在指定威胁环境条件下对地面重要目标实施攻击的动态数学模型.通过仿真,分析了AH/UAV协同执行侦察打击任务的重要作战效能指标,并通过对比分析可知,AH/UAV协同作战能够显著提高攻击作战的任务成功率和对目标的击毁率,同时能够降低风险,提高自身安全.     

通信和测量受限条件下异构多UAV分布式协同目标跟踪方法

研究了通信和测量受限的异构多无人机(UAV)网络化分布式协同目标观测与跟踪问题.该分布式UAV系统采用长机一僚机异构型网络结构,以实现在电子静默和战术隐身条件下扩大探测和打击纵深.提出改进的一致性信息滤波(ICF)算法,实现通信和测量范围内各UAV节点的分布式信息融合.由于一致性算法的收敛性与网络拓扑结构的连通性密切相...     

Real-time evaluation method of flight mission load based on sensitivity analysis of physiological factors

As the complexity of flight missions continues to increase, sending a timely warning or providing assistance to pilots helps to reduce the probability of operational errors and flight accidents. Monitoring pilots’ physiological data, real-time evaluation of mission load is a feasible technical way to achieve this. In this paper, a set of flight tasks including aircraft control, humancomputer interaction and mental arithmetic tests are designed to simulate five mission loads at different flight d...     

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。     

无人机参数优化自抗扰编队保持控制器设计

针对无人机编队飞行中的队形保持问题,采用结合粒子群算法的自抗扰控制技术对控制器进行设计,使响应过程具有良好的动态品质和较小的稳态误差。建立三维空间内基于相对误差的无人机编队飞行模型,并在此基础上设计了跟踪微分器、扩展状态观测器和非线性状态反馈自抗扰控制器,采用粒子群算法对控制器中部分参数进行优化整定。仿真结果表明,设计的结合粒子群算法的改进自抗扰控制器具有良好的控制性能,能以较高的精度实现无人机编队保持任务。     

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。     

基于博弈论模型的多机协同对抗多目标任务决策方法

根据多机协同对抗多目标的空战特征,以敌我双方可能的相互攻击组合方式作为策略集,由敌我双方对抗态势分析定量结果确定支付函数,建立完全信息静态博弈模型.通过求解博弈模型的混合策略纳什均衡解,并结合一定作战经验,形成任务决策方法.以无人作战飞机编队对抗敌地对空防御系统为例,对本文所研究的任务决策方法进行了验算.     

Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach

This paper investigates a formation control problem of fixed-wing Unmanned Aerial Vehicle (UAV) swarms. A group-based hierarchical architecture is established among the UAVs, which decomposes all the UAVs into several distinct and non-overlapping groups. In each group, the UAVs form hierarchies with one UAV selected as the group leader. All group leaders execute coordinated path following to cooperatively handle the mission process among different groups, and the remaining followers track their direct leaders to achieve the inner-group coordination. More specifically, for a group leader, a virtual target moving along its desired path is assigned for the UAV, and an updating law is proposed to coordinate all the group leaders’ virtual targets; for a follower UAV, the distributed leader-following formation control law is proposed to make the follower’s heading angle coincide with its direct leader, while keeping the desired relative position with respect to its direct leader. The proposed control law guarantees the globally asymptotic stability of the whole closed-loop swarm system under the control input constraints of fixed-wing UAVs. Theoretical proofs and numerical simulations are provided, which corroborate the effectiveness of the proposed method.     

毫米波波束编码技术在无人机智能集群中的应用

毫米波波束编码技术由于其速率高、抗干扰能力强的优点被认为是无人机智能集群通信网络的重要解决方案。但在无人机智能集群的通信场景中,多种原因造成的机体不稳定抖动会使通信波束产生小角度偏转,引起通信质量的下降,从而影响无人机集群的控制与决策。针对这一问题,提出一种面向无人机集群通信的自适应波束设计方法。首先,根据传感器回传的机体波束抖动情况建立等效信道模型,随后利用量化的信道模型参数建立目标函数并获得理想的波束编码向量,在此基础上利用几何贪婪算法对其进行分解。仿真结果表明,提出的集群波束编码方法能够有效提高均值通信速率,同时相较于其他的系数分解算法,有效降低了计算复杂度。     

Study on UAV Path Planning Approach Based on Fuzzy Virtual Force

This article proposes a novel fuzzy virtual force (FVF) method for unmanned aerial vehicle (UAV) path planning in complicated environment. An integrated mathematical model of UAV path planning based on virtual force (VF) is constructed and the corresponding optimal solving method under the given indicators is presented. Specifically, a fixed step method is developed to reduce computational cost and the reachable condition of path planning is proved. The Bayesian belief network and fuzzy logic reasoning theories are applied to setting the path planning parameters adaptively, which can reflect the battlefield situation dynamically and precisely. A new way of combining threats is proposed to solve the local minima problem completely. Simulation results prove the feasibility and usefulness of using FVF for UAV path planning. Performance comparisons between the FVF method and the A* search algorithm demonstrate that the proposed approach is fast enough to meet the real-time requirements of the online path planning problems.     

面向风险均衡的AFDX虚拟链路路径寻优算法

为确保综合模块化航空电子系统的安全性需求能够在全双工交换式以太网中得到一致性保证,提出了一种面向风险均衡的路径规化（RBPP）算法,以满足各航电功能间的安全隔离要求,同时分散风险,避免局部物理链路的风险集中,提高系统安全性。以民机失效状态类别划分为基础,建立了航电功能、分区、端系统、虚拟链路（VL）风险模型;RBPP以均衡各物理链路风险为目标,同时综合考虑网络实时性、链路负载能力等因素,采用粒子群算法进行优化目标求解。利用仿真优化方法对RBPP算法进行了实现,在典型工业航空电子全双工交换式以太网（AFDX）网络架构及A380AFDX网络架构下进行仿真分析,结果显示多播VL的简化处理的会使网络风险增加;在1 000条VL配置下与负载均衡（LB）算法和最短路径（SP）算法进行了分析对比,结果显示RBPP算法在满足各航电功能间的隔离需求的同时,链路风险均衡能力在两种网络拓扑下分别比负载均衡算法提高了10.7%和23.4%,比最短路径算法分别提高了35.4%和47.9%。     

中低空太阳能无人机高效螺旋桨设计方法

目前对于常规螺旋桨和高空螺旋桨的设计较多,而对中低空太阳能无人机螺旋桨的研究很少,因此提出一种针对中低空太阳能无人机的高效率螺旋桨设计方法。根据太阳能无人机的飞行跨度曲线,选取爬升和主要巡航高度为设计点,首先基于Betz 最小能量损失的设计准则和片条理论及其逆向推导,计算各设计点下的弦长与桨距角分布;然后根据飞行跨度曲线对各设计点的计算结果进行权值分配,得到最终的设计弦长与桨距角分布;最后基于CFD 数值模拟技术,在验证算法的基础上对设计的螺旋桨进行仿真计算。结果表明：与使用常规螺旋桨相比较,在允许功率范围下,本文设计的螺旋桨效率在整个任务周期的飞行包线内均有明显提升,满足设计要求。     

空中加油问题的最优化研究

通过对空中加油在作战使用中的问题进行分析,针对受油机往返各加１次油的情况,给出了空中加油的数学模型,并采用跗算法对问题进行了优化计算,实际计算表明,所建模型具有良好的适应性,能够适合不同的作战环境和不同作战要求,采用跗优化算法研究空中加油问题,优化效率高、具有全局性,并易于计算机实现,所得的加油方案是合理的。     

防空导弹任务规划与协同控制技术研究

针对防空导弹拦截群目标的任务需求，提出了多弹协同作战框架。考虑到实际拦截过程中弹目相对速度和角度较大的问题，建立了导弹拦截目标的能力预测模型，以确保分配结果处于导弹攻击能力范围内，并采用了改进的粒子群优化算法进行任务分配。然后为了兼顾协同制导和命中精度的要求，基于弹道成型和偏置比例导引的思想，结合一致性理论，设计了多弹时间/角度协同制导律。最后通过4枚导弹拦截3个目标的典型场景仿真，证明了方案的有效性。     

面向航电系统容错特征的任务可靠性建模方法研究

基于AADL语言和GSPN模型面向DIMA系统开展任务可靠性建模研究,考虑系统的容错特征及其模式转移逻辑,建立AADL系统建模语言与GSPN模型的转化规则,进行系统可靠性定量分析,并以典型航电产品为例进行了方法应用和仿真。本文提出的方法和规则可实施性强,为存在重构或备份等容错技术的航电产品进行多模式转移 的系统任务可靠性建模提供参考。     

基于产品结构和CATIA的作战飞机易损性建模方法

介绍了作战飞机易损性建模的基本步骤和主要建模方法,分析了不同易损性建模方法的优点和不足,在此基础上,提出了一种基于产品结构和CATIA的易损性建模方法,该方法采用CATIA软件直接构建飞机的外形和部件模型,通过产品结构树对部件进行组织和管理,并利用CATIA二次开发在CATIA环境中直接生成三维射击线,有效提高了易损性模型的精度和易损性分析中各项操作的效率,为进一步的易损性定量计算提供了基础。以捕食者无人机为例,建立了全机易损性模型,生成了全机射击线,验证了文章所提方法的有效性和模型的可用性。